我們生活在一個由空間構成的世界中。從每天在家居、辦公環境或城市街道中的移動，到規劃一次跨越山海的旅行，乃至科學家們研究氣候變遷的地理模式、城市擴張的復雜格局，這一切都深刻地依賴于我們對空間的感知、理解和運用能力。這種核心能力，我們稱之為“空間智能”。

長久以來，人類憑借自身的感官系統和發達的大腦，不斷地探索、適應并改造著周遭的空間環境，演化出了獨特的空間認知機制。而今，隨著人工智能（AI）技術的日新月異，特別是大語言模型（LLMs）的橫空出世，機器也開始顯露出令人矚目的空間智能潛力。這場由大模型引領的技術浪潮，正以前所未有的深度和廣度，滲透到從微觀尺度的機器人導航，到中觀尺度的城市規劃管理，再到宏觀尺度的地球科學研究等諸多領域。

這部報告由清華大學和芬蘭赫爾辛基大學共同發布，將帶領讀者一同深入探究，大模型是如何被賦予“空間感”的？它們在跨越不同尺度的空間智能任務中扮演著怎樣日益重要的角色？以及在邁向更高級空間智能的征途上，我們還面臨哪些挑戰與無限可能？

第一節：空間智能的基石——大模型如何“理解”空間？

要讓機器具備真正意義上的空間智能，首要任務是讓它們能夠像人類一樣去“理解”空間。這并非易事，其核心在于構建兩大基礎能力：有效的空間記憶與知識儲備，以及靈活的抽象空間推理能力。

空間記憶與知識：大模型腦中的“世界地圖”

我們每個人在探索環境的過程中，都會在腦海中構建一幅內在的“認知地圖”。這幅地圖并非嚴格精確的物理復制品，而是我們對環境空間布局、地標、路徑等信息的個性化、有時甚至是略帶主觀扭曲的內部表征。正是這幅認知地圖，引導著我們的日常導航行為，幫助我們回憶起曾經走過的路。神經科學的研究揭示了其生物學基礎，大腦中的海馬體和內嗅皮層等區域，特別是其中的“位置細胞”（當我們處于特定地點時激活）和“網格細胞”（提供類似坐標系的度量信息），在構建和維護這幅內在地圖中發揮著至關重要的作用。

更進一步，人類還能超越具體環境，形成更為抽象的“空間圖式”。這是一種從大量相似經驗中提煉出來的、關于空間組織方式的通用知識結構，比如我們對“典型現代城市街道網絡”或“標準公寓房間布局”會有一種大致的預期和理解。

那么，計算模型，尤其是大語言模型，是如何學習和存儲類似的空間記憶與知識的呢？它們獲取空間信息的方式主要有兩種。其一，通過“內化吸收”。在預訓練階段，大模型會接觸并處理包含海量文本和（對于多模態模型而言還包括）圖像的數據。這些數據中蘊藏著豐富的地理名稱、地點描述、空間關系（如“A在B旁邊”）、物體外觀、地圖圖片等等。模型在學習語言模式的同時，也將這些空間相關的信息以某種復雜的方式編碼、壓縮并存儲在其龐大的內部參數網絡中，形成了一個隱性的、內化的空間知識庫。

例如，模型通過閱讀大量文章可能“知道”了倫敦是英國的首都，泰晤士河流經倫敦，并通過觀看圖片“認識”了大本鐘的樣貌。研究證實，現有的大模型確實能夠回憶起這些空間實體、屬性及其相互關系。其二，是“外部調用”。當模型自身的內部知識不足、過時或需要處理非常具體、實時的空間信息（如某條道路當前的擁堵狀況）時，它們可以通過設計的接口，主動查詢外部的專業數據庫、地理信息系統（GIS）、知識圖譜或者實時傳感器數據流，從而獲取所需的、外化的空間知識。

然而，必須承認，大模型在空間記憶和知識方面遠非完美。一個突出的問題是“幻覺”現象，即模型可能會生成看似合理但實際上不符合事實的空間信息，比如憑空捏造一個地點，或者錯誤地描述兩個地點的相對位置。這無疑會影響其在實際應用中的可靠性。另一個嚴峻的挑戰是知識的動態更新。真實世界的空間環境是不斷變化的：新的建筑拔地而起，舊的商鋪關門歇業，交通網絡持續調整。如何讓模型內部存儲的知識能夠及時、高效、準確地反映這些變化，即進行有效的“知識編輯”，是一個亟待解決的技術難題。

抽象空間推理：超越“死記硬背”的邏輯能力

僅僅記住關于空間的事實是遠遠不夠的。真正的空間智能核心在于推理能力——基于已知信息推導出新知識、解決新問題的能力。抽象空間推理特指將紛繁復雜的現實空間環境簡化為易于操作的心智模型，并在此模型上進行邏輯思考、規劃和決策的能力。這就像我們不僅能在地圖上找到目的地，還能規劃出一條最佳路線；不僅認識一個物體，還能想象它從不同角度觀察或旋轉后的樣子。

當前，研究人員對大模型抽象空間推理能力的評估和提升，主要圍繞幾個關鍵方向展開。其一是定性空間推理，這考察模型理解和運用基于語言描述的空間關系（如“在…上方”、“朝…方向”、“介于…之間”）進行邏輯推斷的能力。實驗表明，雖然大模型能處理簡單的單步關系判斷，但在涉及多步驟、傳遞性的復雜推理鏈條時（例如，“A在B北面，B在C西面，問A在C的哪個方向？”），其準確率會顯著下降。不過，研究也發現，引導模型采用結構化的思考方式，比如逐步分析問題，有助于改善其表現。

其二是幾何推理，這聚焦于模型對基礎數學幾何概念（例如形狀、大小、角度、距離、對稱性、拓撲關系等）的理解程度，以及運用這些概念解決空間問題的能力。相關的基準測試顯示，大模型和視覺語言模型在處理需要深度幾何邏輯推演的問題時，相比于簡單檢索存儲的幾何知識，表現要遜色得多，尤其是在需要從結果反推條件的逆向推理任務上。

其三是圖論推理?，F實世界中的許多空間關系，特別是網絡結構（如道路網、地鐵線路、社交網絡中的地理分布），可以很自然地抽象為圖的形式，其中節點代表地點或實體，邊代表它們之間的連接或關系。圖論推理評估模型理解和操作這種圖結構的能力，例如尋找兩個節點間的最短路徑、判斷網絡的連通性、識別特定的子圖模式等。評測結果指出，大模型在執行復雜的圖算法（如計算最小生成樹、尋找哈密頓回路）方面仍存在明顯不足，但通過設計針對性的訓練方法，例如強調中間計算步驟的學習，可以一定程度上彌補這些缺陷。

總體來看，一個普遍的認識是，當前的大語言模型在處理抽象空間問題時，很大程度上仍然是利用其強大的語言建模能力來“模仿”或“轉譯”空間任務，而非真正擁有了與人類相似的、基于非語言表征的深層空間認知與推理機制。如何彌合語言理解與真正空間認知之間的鴻溝，讓模型不僅僅是“說”得像，更能“想”得對，是該領域面臨的核心挑戰和未來研究的關鍵方向。結構化推理框架的設計、引入外部知識的引導、以及對模型內部推理過程的監督學習，都被認為是具有潛力的改進途徑。

第二節：從微觀到宏觀——大模型驅動的多尺度空間智能應用

當大模型具備了初步的空間記憶、知識和推理能力后，它們便開始在真實世界的各種空間智能任務中扮演起越來越重要的角色。這些應用場景跨越了巨大的尺度范圍：從個體機器人所處的幾米見方的微觀環境，到人類社會活動密集展開的城市空間，再到覆蓋整個地球、關乎全球生態與發展的宏觀系統。在每一個尺度上，大模型都帶來了新的視角和強大的賦能。

具身智能（Embodied Intelligence）：讓機器人更懂空間、更會行動

具身智能研究的核心，是如何讓智能體（通常是機器人）能夠在物理世界中有效地感知環境、理解指令、與物體交互并自主導航。這與空間智能的概念密不可分。想象一下未來的家庭服務機器人，它需要精確理解家中的三維布局，識別沙發、桌子、杯子等物品的位置和狀態，聽懂主人“去客廳茶幾上幫我拿一下遙控器”這樣的自然語言指令，然后自主規劃出一條安全高效的路徑，靈巧地避開障礙物，最終完成任務。整個過程可以看作是空間智能在微觀尺度上的集中體現，大致包含兩個相互關聯的關鍵階段。

首先是空間感知與理解。這是智能體通過其傳感器（如攝像頭、激光雷達、觸覺傳感器等）收集環境信息，并將其處理、融合成對周圍空間狀態的內部表征的過程。近年來，多模態大語言模型（MLLMs）的發展極大地推動了這一領域。研究者們致力于讓模型能夠融合來自不同模態的數據流，例如結合視覺圖像（RGB）、深度信息（提供距離感）以及自然語言描述，來實現更精準的三維物體定位、空間關系判斷（例如，“杯子在桌子上面靠近邊緣的地方”）以及場景語義理解（例如，識別出這是一個廚房環境）。

進一步地，模型還需要具備處理動態場景的能力，能夠整合來自不同時間點、不同視角的觀測信息，形成對環境（如一個房間或一個樓層）隨時間變化的連貫認知。為了支持機器人在未知環境中進行長期探索或執行復雜任務，研究者還借鑒了人類的記憶機制，開發了讓智能體能夠記錄已探索區域地圖、識別未知邊界、并基于記憶進行高效探索規劃的系統。

其次是空間交互與導航。在對環境有了充分理解之后，智能體需要基于任務目標和當前狀態，做出決策并執行相應的物理動作。這可以小到控制機械臂以合適的姿態和力度抓取一個特定物體，也可以大到規劃機器人在復雜環境中的移動路徑。

一些研究工作嘗試利用預訓練好的大模型（特別是視覺語言模型）直接輸出動作指令，將高級任務分解為底層的控制信號。而在更具挑戰性的、開放式的環境中，僅僅依靠感知和簡單映射是不夠的，模型還需要展現出更強的推理和規劃能力。

例如，有工作利用大模型生成環境的三維空間表征，并在此基礎上規劃出復雜的、多步驟的操作序列來完成任務。另一些工作則利用圖神經網絡等結構來顯式地建模環境中的障礙物布局和物體間關系，以輔助機器人做出更安全、更合理的動作決策。在導航任務方面，大模型同樣發揮著核心作用。一種思路是將環境的視覺或其他傳感信息實時地轉化為文本描述，然后輸入給大語言模型，利用其強大的常識推理和規劃能力來決定下一步的行動方向。另一種思路則更直接地利用多模態大模型，讓其同時處理視覺輸入（如第一人稱視角的圖像或鳥瞰圖）和任務指令，并結合對空間布局的理解，直接輸出導航決策或路徑規劃。

盡管進展令人興奮，但要讓機器人達到真正流暢、魯棒、智能的空間交互水平，仍有許多難題待解。例如，如何更高效地融合異構的多模態信息？如何提升模型在復雜、動態、非結構化環境下的細粒度空間推理能力？如何讓機器人的空間認知和行為模式更接近人類的直覺，更具可解釋性？這些都是具身智能領域持續探索的重要方向。

城市空間智能（Urban Spatial Intelligence）：賦能更智慧、更宜居的城市

當我們將研究的視野從機器人所處的室內或局部環境，擴展到廣闊而復雜的城市空間時，空間智能的內涵和挑戰也隨之發生了深刻的變化。在城市這個宏大的尺度下，單個智能體（無論是人類個體還是自動駕駛汽車）的物理尺寸相對于整個環境來說變得微不足道。智能系統需要處理的是遠超個體直接感知范圍的、更加抽象和符號化的空間信息。

這要求模型具備構建大規模認知地圖、進行高效路徑規劃與交通流優化、理解城市功能分區與土地利用模式、模擬人群活動規律、甚至輔助進行空間規劃與設計等一系列高級能力。城市，作為人類社會活動最集中、空間結構最復雜的人造系統，天然地成為了檢驗和發展宏觀尺度空間智能的最佳試驗場。它融合了物理的基礎設施網絡（道路、建筑、管線）、功能性的區域劃分（商業區、住宅區、工業區）、以及動態的社會經濟活動流（人流、車流、信息流），為空間智能研究提供了豐富的數據和極具價值的應用場景。

大模型在城市空間智能領域的應用探索，正呈現出蓬勃發展的態勢，可以大致歸納為以下幾個關鍵方面。

其一是空間理解與記憶。這關乎模型如何編碼、存儲、檢索和理解關于城市的海量空間信息。大模型在預訓練過程中，已經從文本數據中學習到了大量的地理先驗知識，例如城市名稱、地標建筑、行政區劃邊界等。

研究者們進一步探索如何結合更多元的城市數據源，如高分辨率的衛星影像、覆蓋全城的街景圖片、包含各類場所信息的興趣點（POI）數據、甚至是社交媒體上用戶分享的帶有地理標簽的內容，來讓模型更深入地理解城市區域的功能特征（例如，判斷一個街區是繁華的商業中心還是寧靜的居民區）、評估其建成環境質量、甚至預測其社會經濟發展水平。

同時，利用大模型輔助構建結構化的“城市知識圖譜”，能夠系統地存儲城市中各種空間實體（如道路、建筑、區域）及其之間的復雜關系（如鄰近、包含、連通、功能相似性等），為后續更復雜的空間推理和應用奠定堅實的數據基礎。實現這些目標的技術路徑多種多樣，包括通過精心設計的提示語（Prompt Engineering）來有效激發和提取模型內部蘊含的先驗知識、發展多模態融合技術來對齊和關聯來自不同數據源的區域特征信息、以及利用大模型自動生成標注數據或提供指導信號來輔助訓練下游的城市分析任務模型等。

其二是空間推理與智能。這更側重于利用已有的城市空間數據和知識，通過邏輯推理來挖掘隱含信息、預測未來發展趨勢、并最終支持更優的城市管理和決策。例如，有研究利用大模型結合街景圖像進行高精度的地理定位推理。在理解和預測人類在城市空間中的移動行為方面，大模型被用來學習和模擬個體的出行習慣與模式，分析人群的時空聚集特征，這對于優化交通系統、規劃公共服務設施、進行商業智能分析等都具有重要的應用價值。

在更宏觀的城市管理和規劃決策層面，大模型也開始展現出其潛力。例如，有研究探索利用大模型構建多智能體系統，來模擬不同利益相關方（如居民、規劃師、開發者）在城市規劃過程中的互動與協商。還有工作嘗試利用大模型的實時推理能力，根據動態變化的交通流量數據，來智能地調整交叉口的信號燈配時方案，以提升整個路網的通行效率。在與我們日常生活息息相關的城市導航任務中，模型需要整合地圖信息、實時路況、用戶偏好等多方面因素，進行端到端的路徑規劃和導航決策，確保用戶能夠安全、高效、舒適地抵達目的地。

當然，將大模型應用于復雜的城市空間智能任務，也面臨著獨特的挑戰。城市數據的來源極其多樣化（傳感器、文本、圖像、矢量地圖等），如何有效地融合這些異構數據，形成統一而全面的空間表征，是一個基礎性難題。城市環境本身是高度動態變化的（交通擁堵、天氣變化、突發事件等），如何讓模型能夠實時捕捉這些變化并做出快速適應性的響應，而非僅僅依賴于靜態的訓練數據，是提升模型實用性的關鍵。

此外，大模型在進行空間推理和決策時的“黑箱”特性，也帶來了可解釋性和可信度的問題。如何確保模型的決策過程符合空間邏輯和因果關系，而非僅僅基于數據中的統計關聯？如何避免模型因為訓練數據中存在的偏見而產生不公平的規劃建議或資源分配方案？這些問題都需要在未來的研究中得到重點關注和解決。發展更強大的動態空間建模能力、構建具備因果推理能力的空間智能框架、以及建立完善的算法偏見審計與緩解機制，將是推動城市空間智能走向成熟和負責任應用的重要方向。

地球空間智能（Earth Spatial Intelligence, ESI）：以AI之眼洞察我們的藍色星球

當我們將空間智能的尺度再次放大，直至覆蓋我們賴以生存的整個地球時，便進入了地球空間智能（ESI）的范疇。這是一個新興的交叉學科領域，旨在利用人工智能，特別是大模型的能力，來處理和分析源自地球觀測（如衛星遙感、地面傳感器網絡）、模擬計算以及其他途徑的海量、多模態、時空關聯的地球科學數據。其目標是應對諸如氣候變化預測與適應、自然資源可持續管理、生態環境保護、地質災害防治等一系列關乎人類命運和地球健康的全球性重大挑戰。

大語言模型（LLMs）和多模態大語言模型（MLLMs）憑借其強大的信息處理、模式識別和知識整合能力，正在為地球空間智能注入新的活力。

首先，在全球尺度的空間編碼方面，如何讓模型有效地理解和表征地球表面上的任意位置，是一個基礎且關鍵的問題。雖然在許多基于LLM的應用中，簡單地使用經緯度坐標作為位置輸入是常見的做法，但在更專業的機器學習和深度學習應用中，研究者們已經開發并評估了多種更精密的地理空間表示方法。這些方法包括基于離散網格瓦片ID的編碼、利用周期性函數（如正弦和余弦）來編碼連續地理坐標的方案、基于核函數的技術，以及能夠更好保留地球球面幾何特性和點對之間相對順序關系的三維球面嵌入方法（例如Sphere2Vec）。

雖然一些基準測試表明，針對特定空間任務設計的專門編碼方法，其性能可能優于直接將位置信息輸入給通用的大型視覺語言模型，但這并不意味著大模型在此領域無用武之地。恰恰相反，大模型在融合多源異構信息（例如結合位置坐標、地名、衛星圖像、地形數據等）、進行零樣本或少樣本學習（即在缺乏大量標注數據的情況下進行預測）以及理解自然語言形式的地理空間指令等方面，展現出了獨特的優勢和靈活性。

其次，在氣候科學領域，氣候現象（如溫度、降水、氣壓、風場等）本身就具有強烈的時空依賴性和復雜的相互作用關系，這恰好是大模型（尤其是基于Transformer架構的模型）擅長捕捉和建模的模式類型。因此，研究者們開始嘗試利用大模型來提升天氣預報（特別是中長期預報和極端天氣事件，如強降雨、干旱、熱浪的預警）的精度和時效性。例如，有工作將預訓練大語言模型中的Transformer模塊“凍結”并嵌入到氣象預測模型（如降水臨近預報的擴散模型）中，希望借助其強大的序列建模能力來更好地捕捉長期的時間依賴關系和動態演變趨勢。

還有研究利用大模型和多模態模型來對齊和理解氣象雷達/衛星觀測的柵格數據與對應的天氣事件描述信息，通過在這種聯合數據上進行訓練，使模型能夠基于輸入的觀測數據更準確地預測未來的氣候事件。值得注意的是，在氣候科學領域，除了直接應用通用LLM之外，一些專門為天氣預報設計的大型AI模型（如盤古氣象、風烏、羲和、NowcastNet等）也取得了突破性進展。它們通過在海量歷史氣象再分析數據上進行大規模訓練，學習地球大氣系統的復雜動力學規律，已經在全球中期天氣預報等任務上展現出超越傳統數值預報模型的潛力，這進一步驗證了利用大規模數據驅動方法來提升地球系統預測能力的巨大前景。

再次，在地理學領域，大模型所蘊含的豐富的世界知識中，天然包含了大量的地理信息。這使得它們可以直接被應用于各種與地理相關的任務，例如回答關于特定地點的問題（“某某山脈的最高峰是什么？”）、從文本描述或圖像中識別出地點（地理定位）、分析區域的社會經濟特征等。然而，簡單的直接查詢或應用也暴露出一些局限性。

評測發現，雖然大模型在基于記憶的任務（如識別著名地標）上表現不錯，但在需要更深層次推理的任務（如基于復雜上下文的地理推斷、進行專業的地理空間分析）上則面臨顯著挑戰。為了克服這些限制，研究者們提出了一些創新的解決方案。

一種思路是構建框架，將大模型的自然語言理解和任務規劃能力，與成熟的傳統地理信息系統（GIS）工具的專業空間分析能力相結合，讓大模型扮演“指揮官”的角色，自動調用合適的GIS工具來完成用戶提出的地理空間任務。另一種思路則是通過改進模型本身或其訓練方式來增強其地理空間推理能力，例如，引入能夠感知地理鄰近性的對比學習損失函數，使得模型學習到的地理實體表征能夠反映其空間關系；或者設計能夠根據具體任務自動選擇和整合多種信息源（如地圖、人口統計數據、經濟指標等）的智能信息收集模塊。

最后，大模型的空間智能潛力也正被積極探索應用于其他地球科學相關學科，如海洋學、地質學、生態學等。這些領域往往面臨數據稀疏性（例如深海觀測數據遠少于陸地）、環境復雜性以及決策過程高度依賴專家知識等挑戰，而大模型的自然語言理解、知識整合、泛化學習和推理能力，恰好為應對這些挑戰提供了新的可能性。例如，在海洋科學中，有研究利用大模型通過自然語言指令來控制水下自治機器人（AUV）執行復雜的科學考察任務，模型需要理解指令、規劃路徑、應對未知環境并實時做出調整。還有工作利用大模型來處理稀疏的海洋觀測數據（如浮標測量的波浪高度），結合其對時空模式的理解能力來進行更準確的預測。

在地質學中，大模型被用來融合地質勘探報告、鉆孔數據、遙感影像等多源信息，預測隧道開挖前方的地質狀況，以降低工程風險。還有研究構建了基于多智能體協作的框架，讓不同的模型Agent負責從不同的遙感數據（如高光譜、磁異常）中識別與礦產相關的特征，并通過協作推理來輔助礦產資源的勘探。

總的來說，將大模型應用于這些地球科學子領域的通用范式通常可以歸納為兩類：一類是將從領域數據中提取的關鍵空間（或時空）特征，通過專門設計的編碼器或對齊模塊，與自然語言提示（prompt）相結合，然后輸入給大模型，利用其強大的表示和推理能力來完成特定的預測或分類任務；另一類則是設計基于大模型Agent的復雜工作流，讓模型能夠自主規劃、執行、反思并與其他模型或工具交互，以完成需要多步驟推理和決策的復雜空間分析任務。

當然，將大模型應用于地球空間智能領域，同樣面臨著獨特的挑戰。如何進一步提升模型在處理具有強物理約束和復雜因果關系的地球系統問題時的推理能力？如何有效融合具有不同時空分辨率、不同模態、不同不確定性的地球科學數據？如何確保模型在數據稀疏或存在偏差情況下的泛化性和可靠性？如何讓模型的預測結果和決策過程對于領域專家來說是可解釋、可信賴的？這些都是未來研究需要重點攻克的方向。

發展跨領域的遷移學習方法以共享知識、構建標準化的基準測試平臺以促進模型比較、利用人機協同和可解釋AI（XAI）技術以增強透明度、探索因果推斷方法以捕捉真實的地球過程機制，以及加強跨學科合作，將是推動地球空間智能取得更大突破、更好地服務于全球可持續發展目標的關鍵所在。

第三節：挑戰與展望——空間智能的星辰大海

盡管由大模型驅動的空間智能研究與應用已經取得了令人矚目的成就，描繪出了一幅激動人心的未來圖景，但我們必須清醒地認識到，前方的道路依然充滿挑戰，同時也蘊藏著巨大的發展機遇。

在基礎能力層面，關于空間智能的核心問題仍有待深入探索。例如，空間推理的最佳表征形式究竟是什么？是繼續深化基于自然語言的符號推理，還是需要發展更通用的、超越語言的表征方式，比如基于圖結構、幾何約束或多模態融合的框架？此外，目前我們還缺乏一個能夠跨領域、跨尺度、全面評估通用空間智能能力的統一基準和理論框架。建立這樣的框架，對于理解不同空間任務之間的關聯、衡量模型進步以及指導未來研究方向至關重要。我們需要厘清，像心理旋轉、空間記憶、路徑整合這些在人類認知中被認為是基礎的空間能力，在人工智能模型中是如何體現的，以及它們如何支撐起在特定領域（如機器人導航或城市規劃）中的高級應用表現。

在具身智能領域，一個關鍵挑戰在于如何將我們從認知科學和神經科學中獲得的關于人類空間認知的深刻洞見，不僅僅作為一種表面的靈感來源，而是系統性地、深度地融入到智能體的模型設計、學習算法和行為控制中去，從而真正提升機器人在真實物理世界中的魯棒性、適應性和泛化能力。這需要跨越認知科學、人工智能和機器人學之間的鴻溝。同時，具身智能所涵蓋的任務范圍極廣，從需要毫米級精度和復雜物理推理的精細操作（例如，靈巧地使用工具），到需要在廣闊、動態、未知環境中進行長期自主導航的大尺度運動規劃（例如，無人機在城市上空執行任務）。是否有可能，以及如何構建一個統一的、能夠自適應地處理這種多層次、多粒度空間智能需求的通用模型或架構，仍然是一個懸而未決的開放性問題。

在城市空間智能領域，挑戰同樣嚴峻。首先是城市數據的極端異構性問題：如何將來自傳感器網絡、移動設備、社交媒體、政府開放平臺等不同來源，具有不同格式、不同精度、不同時空分辨率的數據（包括文本、圖像、視頻、矢量地圖、時間序列等）有效融合，形成一個統一而全面的城市空間表征，是進行后續分析和應用的基礎，但目前仍缺乏完美的解決方案。

其次，城市是一個高度動態的復雜系統，充滿了實時變化（如交通流、人群聚集、空氣質量、突發事件等）和長期演化（如土地利用變化、人口遷移、基礎設施老化等）。當前主要依賴靜態數據訓練的大模型，在捕捉、理解和適應這些動態現象方面能力有限，這限制了它們在需要實時響應和預測的城市場景中的應用潛力。

再次，大模型決策過程的不透明性，在城市規劃、交通管理、應急響應等高風險、高影響力的應用場景中，引發了關于可解釋性、可信賴性和公平性的擔憂。我們需要確保模型的推理過程不僅僅是擬合數據中的統計模式，而是真正理解了空間布局、功能聯系和因果關系。未來的研究重心可能需要放在：發展能夠整合實時數據流、具備動態演化模擬能力的城市空間模型；構建強調因果關系發現與推理的空間智能框架，以提升決策的魯棒性和洞察力；以及設計和部署有效的算法審計與偏見緩解技術，確保城市空間智能應用的公平性、包容性和倫理性。

在地球空間智能領域，挑戰與機遇并存。一方面，如何進一步提升大模型在處理涉及復雜物理過程、多尺度耦合、長時序依賴的地球科學問題時的深度推理能力，特別是在數據稀疏或存在噪聲的情況下，仍然是一個核心的技術瓶頸。

另一方面，如何更有效地整合各個地球科學子領域（如大氣、海洋、陸地、冰凍圈、生物圈等）的專業知識、物理約束和獨特的觀測數據特點（例如，遙感數據的多光譜/高光譜特性、地震波數據的復雜性、生物多樣性調查數據的非結構化等）到大模型框架中，實現知識驅動與數據驅動的深度融合，是提升模型性能和實用性的關鍵。

未來的發展方向可能包括：利用遷移學習和領域自適應技術，將在數據豐富的領域訓練的模型能力遷移到數據稀疏的相關領域；構建標準化的地球科學基準數據集和評測平臺，以促進不同模型和方法的公平比較和協同發展；加強人機協同系統和可解釋AI（XAI）方法的研究與應用，以增強領域專家對模型結果的理解、信任和有效利用；探索將因果推斷方法引入地球系統建模，以期更好地理解地球過程的驅動機制和反饋回路；以及大力推動跨學科研究團隊的緊密合作，將AI技術的最新進展與地球科學的實際需求相結合，共同開發出能夠為應對全球環境挑戰提供有力支撐的智能解決方案。

最后，值得一提的是，空間智能的研究與近年來同樣備受關注的“世界模型”（World Model）概念有著緊密的聯系。世界模型旨在構建能夠模擬世界（包括物理和社會環境）運行的基本規律、預測未來狀態并支持智能體進行規劃決策的內部表征。

我們在這里討論的空間智能，特別是其對空間環境的理解、表征和記憶方面，可以看作是構建世界模型的一個重要組成部分，尤其側重于“理解世界”這一功能。未來的空間智能研究，有望與世界模型的預測和生成能力（例如，模擬不同城市規劃方案的長期影響、預測氣候變化下極端天氣事件的發生概率和強度）更緊密地結合起來，從而構建出更加強大、全面的人工智能系統，不僅能夠理解我們所處的空間世界，更能有效地預測其變化、適應其復雜性，并最終幫助我們更好地管理和塑造我們的未來。

結語

從深入解析人類自身獨特的空間認知機制，到努力賦予冰冷的機器以空間記憶、知識和推理的能力，再到將這些新興的AI能力廣泛應用于從微觀的機器人交互到宏觀的地球系統模擬等跨越巨大尺度的真實世界場景——大語言模型，正以前所未有的力量，深刻地重塑著我們對“空間智能”這一古老而又常新概念的理解和實踐。毫無疑問，跨領域、多尺度的空間智能研究，將成為未來人工智能發展版圖中的一個極其重要的、充滿活力的前沿領域。我們有理由相信，在這條道路上的持續探索和突破，不僅將催生出眾多具有巨大科學價值和社會經濟效益的創新應用，深刻改變人類認識和改造世界的方式，而且對于推動通用人工智能（AGI）這一終極目標的實現，也將貢獻不可或缺的基礎性力量。這片由大模型開啟的、充滿無限可能的空間智能新大陸，正以其獨特的魅力，吸引著全球的研究者去探索、去開拓、去創造一個更加智能、更加美好的未來。

本文轉載自????歐米伽未來研究所????，作者：歐米伽未來研究所