摘要：今年3月，群核科技在英伟达GTC大会发布的空间理解模型SpatialLM，能通过视频快速生成三维空间模型，使机器具备了类似人类的空间认知能力，迅速引发了全球AI社区的热烈反响，甚至冲上了全球最大的AI开源社区HuggingFace趋势榜第二位，与阿里巴巴、谷歌

在人工智能飞速发展的时代，机器人虽能完成惊人动作，但在理解真实三维空间方面仍面临巨大挑战，如同缺少“眼睛”和“大脑”。

今年3月，群核科技在英伟达GTC大会发布的空间理解模型SpatialLM，能通过视频快速生成三维空间模型，使机器具备了类似人类的空间认知能力，迅速引发了全球AI社区的热烈反响，甚至冲上了全球最大的AI开源社区HuggingFace趋势榜第二位，与阿里巴巴、谷歌等国际科技巨头的顶尖技术比肩。然而，群核科技虽然开源了SpatialLM的预训练模型，却没有公开如何训练这一模型的具体方法，这让全球的开发者们很难进一步深入探索和应用这项先进技术。

就在业界略感遗憾之际，深圳南山区的初创企业生境科技带来了惊喜。这家成立仅一年多的年轻公司，在SpatialLM发布后不久，便宣布基于公开资料和自研实践，成功复现并完整开源了SpatialLM模型的训练方法、数据集及全部代码，极大推动了空间智能技术的普及。

技术突破：开源核心训练方法，降低行业门槛

生境科技的开源成果，为开发者提供了清晰的技术蓝图。据介绍，其关键创新点包括四个方面：

大规模数据集整合与标准化：整合了Scannet、Matterport等六大全球知名三维数据集，构建了庞大的训练库，并通过统一格式转换和区域分割，提升了模型对局部空间的理解精度。

高效点云处理：采用八叉树网格采样等技术，将百万级点云数据压缩至数千关键点，同时保留丰富的几何与颜色信息，平衡了数据规模与特征丰富度。

创新空间编码：独创性地使用连续变量分箱策略，将三维坐标和尺寸转化为离散整数，使复杂空间信息更易于语言模型理解，显著降低了空间定位误差达37%。

优化模型与训练策略：结合ResNet3DSparse稀疏卷积网络与Qwen2.5语言模型，并通过特定机制融合视觉与语言信息。采用“先视觉后语言”的两阶段训练法，大幅提升了模型整体性能和训练效率。

影响深远：赋能具身智能，重塑产业生态

生境科技的这次开源行动堪称是空间智能领域的一次里程碑，极大地降低了开发者进入这一领域的门槛。

当前机器人技术的进步虽快，但室内空间感知一直是短板。室内环境复杂多变，不同的家庭结构各异，且人工收集高质量的空间数据成本极为昂贵。要让机器人真正实现智能化，靠现实采集是不够的，因此，利用合成数据训练机器人成为必然趋势。

正如英伟达在今年的CES 2025上所指出的：“尚无互联网规模的机器人数据”，自动驾驶汽车虽然已经具备城市级别的仿真训练，但家庭、办公室等复杂的室内环境还缺乏有效的三维数据平台。SpatialLM的出现和生境科技的开源行动，正是填补了这一领域的重要空白。开源行动迅速引发全球开发者热烈反响， HuggingFace社区也涌现出结合该方案探索具身智能新范式的讨论。

商业与生态：打造空间智能基础设施

生境科技不仅开源了核心技术，还依托自研的Sengine SimHub平台，构建了完整的空间智能生态。该平台能根据户型图、法规、用户偏好等自动生成可交互的三维场景，为机器人路径规划、视觉导航等训练提供高效支持，也被视为未来具身智能的核心基础设施之一。

作为深圳南山科技创业的新秀，生境科技在短短一年多时间内，已获得院士、知名教授的大力支持及顶尖机构亿元级投资，并斩获华为云开发者大赛全国一等奖等多项荣誉。团队目前共有43人，其中35人为算法研发工程师，创始人刘紫东为美国德州大学奥斯汀分校AI设计交叉学位博士在读。其AI技术已为百度、万华等企业提供服务，日均API调用量过万，致力于让复杂的室内设计变得简单智能。

这场由深圳团队引领的开源实践，正为全球AI创新注入新的活力，有望推动机器人更智能地走进千家万户。

来源：深圳商报