1. 首頁 > 生活百科 > >

群核科技發布空間大模型，旨在解決AI視頻空間一致性難題

ai


8月25日 ， 在首屆技術開放日（TechDay）上 ， 群核科技正式發布了其空間大模型的最新成果：新一代空間語言模型SpatialLM 1.5與空間生成模型SpatialGen ， 并宣布將延續開源戰略 ， 逐步向全球開發者開放模型 。
【群核科技發布空間大模型，旨在解決AI視頻空間一致性難題】作為專注于3D室內場景認知與生成的模型體系 ， 群核空間大模型主要圍繞真實感全息漫游、結構化可交互及復雜室內場景處理三個方向構建其技術優勢 。
本次發布的SpatialLM 1.5是一款基于大語言模型訓練的空間語言模型。 群核科技首席科學家周子寒在技術交流中解釋 ， SpatialLM并非在視覺語言模型（VLM）上增加新模態 ， 而是讓大語言模型學會了一種新的“空間語言” 。 這種語言能以數字文本的形式 ， 精確描述場景中物體的空間結構、幾何信息、相互關系及物理參數 。
通過對話系統SpatialLM-Chat ， 用戶輸入簡單的文本指令 ， 模型即可自動生成包含物理正確信息的結構化3D場景腳本 ， 并智能匹配家具進行布局 。 該模型還能通過自然語言進行場景問答與編輯 ， 例如 ， 在現場演示中 ， 當輸入“去客廳餐桌拿藥”指令后 ， 模型不僅理解了物體對象 ， 還調用工具自動規劃出行動路徑 ， 展示了其在機器人場景中的應用潛力 。
群核科技聯合創始人兼董事長黃曉煌在演講中提到 ， 當前空間智能發展的一大瓶頸在于三維可交互數據的稀缺 ， 尤其是在物理世界對應的室內空間數據獲取難度極大 。 SpatialLM 1.5能夠快速、批量地生成大量符合要求且多樣化的場景 ， 可直接用于機器人路徑規劃、避障和任務執行等訓練 ， 為解決當前機器人訓練數據不足的難題提供了有效途徑 。
與SpatialLM專注于“理解與交互”不同 ， SpatialGen模型則聚焦于“生成與呈現” 。 它是一款基于擴散模型架構的多視角圖像生成模型 ， 可根據文字、參考圖和3D空間布局 ， 生成具有時空一致性的多視角圖像 。
群核科技AI產品總監龍天澤指出 ， 當前主流AI視頻生成工具基于2D圖像序列學習 ， 缺乏對3D空間和物理規則的真正理解 ， 因此在視角切換或復雜運動時 ， 常出現物體位置偏移、背景混亂、模型穿模等空間邏輯錯誤 。
SpatialGen通過生成空間屬性和物理關系在不同鏡頭下保持一致的多視角圖像 ， 并能進一步生成3D高斯（3DGS）場景 ， 最終渲染出可供用戶自由漫游的視頻。 這一方案旨在從根本上解決當前AIGC視頻生成中的時空一致性難題。 龍天澤透露 ， 公司正在研發一款深度融合3D能力的AI視頻生成產品 ， 計劃于年內發布 。
黃曉煌在活動現場分享了群核科技的空間智能戰略布局 ， 其核心是“空間編輯工具-空間合成數據-空間大模型”構成的空間智能飛輪。 通過酷家樂等工具的廣泛應用 ， 沉淀海量數據；利用這些數據加速模型訓練；再以強大的模型能力反哺和提升工具體驗 ， 從而形成正向循環。 截至2025年6月30日 ， 群核科技已擁有超過4.41億個3D模型及超過5億個結構化3D空間場景 。
黃曉煌表示 ， 開源是群核科技戰略的重要組成部分 ， 公司自2018年起便開始逐步開放數據和算法能力 。 他認為 ， 當前空間大模型尚處初級階段 ， 希望通過開源與全球開發者共同將“蛋糕”做大 ， 推動技術快速前進 。
據悉 ， 本次發布的兩款模型將陸續在Hugging Face、GitHub和魔搭社區等平臺開源。 其中 ， SpatialGen在技術開放日當天已開放下載 ， 而SpatialLM 1.5未來也將以“SpatialLM-Chat”的形式完成開源 。

    推薦閱讀