1. 首頁 > 生活百科 > >

從掃街榜到Robotaxi，空間智能徹底打開了高德的想象空間

美團

從掃街榜到Robotaxi，空間智能徹底打開了高德的想象空間

文章圖片

從掃街榜到Robotaxi，空間智能徹底打開了高德的想象空間

文章圖片


機器之心原創
作者：張倩
這周一 ， 一張神秘海報在科技圈引發熱議 。

「高德要造車了？」「高德要造飛行汽車？」「高德要推出自己的無人駕駛 / 高級輔助駕駛？」一夜之間 ， 社交媒體上出現了對于這張海報的各種解讀 。
這些解讀并非毫無依據 。 就在前幾個月 ， 高德全面轉向空間智能 ， 先后發布了「小高老師」[高德掃街榜
等 。 種種跡象表明 ， 高德正在從「地圖導航」的傳統定位中走出來 ， 想把他們積累多年的搞定物理世界復雜性的能力 —— 空間智能 ， 推向更多場景 。
這些場景的想象空間很大 ， 而「車」似乎是最自然、也最能發揮高德自身優勢的起點 。
11 月 5 日 ， 海報答案揭曉 。 高德宣布 ， 他們已經與小鵬汽車達成合作 ， 未來將共同面向全球提供 Robotaxi 服務 。

對高德而言 ， 這次合作是將「空間智能 + 出行服務能力」整合并開放的關鍵一步 ， 也是加速「空間智能」這一理念從概念走向現實的重要起點 。
【從掃街榜到Robotaxi，空間智能徹底打開了高德的想象空間】把「空間大腦」嵌入物理世界
通向 AGI 的關鍵一步
真正有用的智能是什么樣子？具備哪些條件的技術、產品路徑更容易實現 AGI？今年 ， 這些問題被頻繁拿出來討論 。 「有完整上下文」「主動與環境交互并采取行動」「可以在真實環境中形成閉環」等都是經常被提及的關鍵詞 。
為什么大家看重這些點？我們知道 ， 現階段 ， OpenAI 的 GPT、Anthropic 的 Claude 雖然能流暢對話 ，但如果人類不主動提供「上下文」 ， 它們對「此時此地」一無所知 ， 不知道你在哪兒、幾點、周圍有什么、下一秒會發生什么 。
這種「懸浮」在語言空間中的智能 ， 缺少一些關鍵能力 ， 比如空間定位能力（理解「此時此地」的上下文）、時間預測能力（基于動態變化主動推演「接下來會發生什么」）、物理交互能力（在真實世界中驗證和修正認知） 。 而這些能力恰恰是生物智能的基礎 。 任何生命體都必須先理解「我在哪、環境如何變化、我能做什么」 ，然后主動采取行動、獲得反饋 ， 才能生存進化 。
而高德的空間智能 ， 強調的恰恰就是這些能力 。 比如 GPT 可以制定旅行規劃 ， 但高德會告訴你從 A 點到 B 點走高速花多少時間、多少錢 ， 高鐵又是怎樣一種開銷 ， 幾點出發能正好趕上博物館開門 ， 哪家酒店在假期依然保持高性價比；GPT 可以給你普及高速應急知識 ， 但高德可以提前幾公里給你預告事故、臨時施工 。 這是兩種不同的智能形態：一個是對靜態知識的壓縮 ， 一個是對動態物理世界的實時建模；一個是被動響應需求 ， 一個是主動預測未來并采取行動 。 而后者 ， 才是真實世界的運作方式 。

更關鍵的是 ， 高德空間智能形成了「預測 - 行動 - 驗證」的閉環 ， 真實世界的時空數據回流修正了高德空間智能模型對時空的理解 ， 這種閉環是語言模型很難做到的 。
當然 ， 在這個方向上 ， 國際巨頭也是動作不斷 。 比如前段時間 ， 谷歌宣布將 Gemini 與谷歌地圖整合 ， 提供出行規劃等空間智能服務 。 但從時間上來看 ， 高德顯然快了一步 。 這恰恰驗證了：全球頂尖 AI 公司都在嘗試跳出靜態認知的范疇 ， 讓 AI 學會在空間中感知 ， 在物理中行動 。 這也意味著高德選擇的這條路徑可能比純語言模型更接近 AGI 。
當 Robotaxi 接入空間智能
整個賽道正在被改寫
Robotaxi 并不是什么新鮮事物 ， 但空間智能的引入給這個行業帶來了新的可能 。
可以看到 ， 最近幾年 ， Robotaxi 車企在單車智能上已經取得了很大進展 ， 但在面對復雜交通環境（如高速突發事故、臨時占道施工）時 ， 單純依靠車輛自身近場感知能力實現的無人駕駛還有其局限性 。
要突破這一局限 ， 核心就是讓車「看得更遠」、接收的信號更豐富 ， 而這正是高德「超視距」空間智能能力所能做到的 。
這種「超視距」能力通過 TrafficVLM 模型來實現 ， 就像給系統裝上了一雙「鷹眼」 。 當幾公里外的道路突發事故時 ， TrafficVLM 會通過實時孿生交通系統第一時間感知異常 ， 快速識別出事故位置 ， 并預判接下來的發展：擁堵可能迅速蔓延 ， 形成長達 3 公里的堵車路段 。 基于這個能力 ， 高德能在車輛抵達擁堵區域之前就推送預警：「前方三公里突發事故 ， 大量車輛正在向右并線 ， 建議您提前靠右行駛 ， 注意避讓應急車輛 。 」

此外 ， 云端調度系統會在擁堵發生的瞬間做出響應 ， 立即下發觀測指令 ， 實時調取現場的視覺數據 。 系統通過分析圖像中的深度信息 ， 精準還原擁堵點的空間布局和交通流態勢 ， 讓遠在幾公里外的「危險」變得清晰可見 。
這種扎實的能力離不開高德對多維、多源數據的統籌能力 。 在過去的 20 多年里 ， 高德沉淀了數十萬億級的時空樣本 ， 為 AI 構建了對物理世界運轉規律的動態認知 。 此外 ， 他們還構建了「時空信息建模 + 視覺感知監測 + 行業官方信息 + 用戶分享與驗證」的多渠道數據融合體系 。 這些數據其實就是我們前面提到的關于時空的「上下文」 ， 只有充分掌握了這些上下文 ， 系統才有足夠的把握去主動預判進而采取行動 。 這為 Robotaxi 提供了進一步的安全保證 。
可以說 ， 在 Robotaxi 這條賽道上 ， 高德正在扮演一個全新的角色 ， 不是只提供地圖數據的供應商 ， 而是成為整個行業的「空間智能基礎設施」 。 就像高德 CEO 郭寧所說 ， 他們花了二十年 ， 把理解時空復雜性這件事 ， 沉淀成了一個極其穩定、可靠的底層服務 。 有了高德的加入 ， Robotaxi 車企無需在理解時空這件事上 ， 再耗費巨大的精力 ， 從而可以更加專注于車輛本身的技術創新和用戶體驗打磨 。
這種分工協作的模式 ， 本質上是在降低整個行業的創新門檻 。 當空間智能成為一種可被共享的基礎設施 ， Robotaxi 的商業化進程將大大加速 —— 更多玩家可以進入這個領域 ， 而不必被「如何理解這個動態世界」這種基礎問題所困擾 。
Robotaxi 之外
空間智能還有更多可能性
說到這里 ， 高德和小鵬的合作邏輯已然非常清晰：Robotaxi 對安全、可靠性的極致追求決定了 ， 空間信息是下一步的剛需 ， 「近場感知 + 超視距信息」有望比單車智能走得更遠 。 而高德恰好就長在「空間智能」這條路上 。 數十萬億級的時空樣本、多維度的數據融合能力、實時孿生交通系統…… 這些不是一朝一夕能建立起來的護城河 。
當然 ， 如此豐富的能力有著更為廣闊的落地空間 ， Robotaxi 顯然只是個起點 。
在高德內部 ， 空間智能就已經全面融入 ， 比如在國慶假期第一天調用量就超 26 億次的「小高老師」、上線僅 23 天就迎來 4 億用戶的高德掃街榜等 。
空間智能作為底層技術支撐 ， 讓「小高老師」可以基于用戶的空間位置和歷史行為信息分析出行偏好和生活習慣 ， 提供更加具有可行性且更個性化的出行決策；大家信任掃街榜 ， 也是因為它背后的空間智能底座能夠通過分析人流密度、消費數據、地理位置等多維度信息來給商家排名 ， 讓這些排名信息更加真實可信 。
在 to B 領域 ， 空間智能也在產生深遠的影響 ， 比如高德與雷鳥的合作 ， 就將空間智能技術應用于智能眼鏡等可穿戴設備 ， 佩戴者可以實時獲取周圍的地理信息、導航指引、周邊服務等內容；「空中高德」更是利用空間智能技術 ， 為低空經濟搭建了開放、可持續的運營平臺 。
這些落地案例證明 ， 空間智能正成為更多行業的時空底座 。 從地面到低空 ， 從出行到消費 ， 從個人助理到產業協同 ， 空間智能正在重新定義我們與物理世界的交互方式 。
某種意義上 ， 我們正在見證一個新范式的誕生 。 過去二十年 ， 移動互聯網讓信息觸手可及；未來二十年 ， 空間智能或許會讓整個物理世界變得「可計算」「可預測」 。
當 AI 真正理解了時空的復雜性 ， 它就不再只是回答問題的工具 ， 而是能夠主動感知、預判、決策的智能體 。
而高德 ， 恰好站在了這個轉折點上 。

    推薦閱讀