摘要： 3月19日，在GTC 2025全球大会上，群核科技重磅宣布开源其空间理解模型SpatialLM。这一基于大语言模型的3D场景语义生成框架，旨在突破传统大语言模型在物理世界几何与空间关系理解上的局限，赋予机器类似人类的空间认知和解析能力。SpatialLM的开源，为具身智能领域提供了一个基础的空间理解训练框架，企业可以通过针对特定场景对模型进行微调，从而显著降低具身智能的训练门槛。更令人瞩目的是，该模型仅需一段视频，即可生成物理上精确的3D场景布局，为机器人训练构建了无限可能的“数字道场”。
关键词： SpatialLM，群核科技，开源，具身智能，3D场景生成，大语言模型，机器人训练，数字道场，GTC 2025，空间理解，SpatialVerse
引言：具身智能的“奇点”与数据瓶颈
人工智能正在经历一场深刻的变革，从传统的算法驱动走向更加注重与物理世界交互的具身智能。具身智能，顾名思义，是指具备身体，能够感知环境、进行决策并执行动作的智能系统。它被视为人工智能的下一个重要发展方向，有望在机器人、自动驾驶、智能家居等领域带来颠覆性的创新。
然而，具身智能的发展并非一帆风顺。其中一个关键的挑战在于如何让机器能够像人类一样理解和适应复杂多变的环境。这需要机器具备强大的空间认知能力，能够准确地感知周围世界的几何结构、物体关系以及语义信息。
传统的大语言模型（LLM）在文本理解和生成方面取得了显著的进展，但在处理物理世界的空间信息方面却存在明显的局限性。它们缺乏对物理世界几何和空间关系的深入理解，难以胜任具身智能对环境感知和理解的需求。
此外，具身智能的训练需要海量的数据。真实世界的数据获取成本高昂，且往往难以覆盖各种场景和情况。如何有效地利用有限的数据，训练出鲁棒性强的具身智能系统，是摆在研究人员面前的一道难题。
群核科技此次开源的SpatialLM模型，正是为了解决上述挑战而诞生的。它试图通过结合大语言模型和3D场景生成技术，为具身智能提供一个强大的空间理解训练框架，并利用合成数据技术，构建无限可能的“数字道场”，从而加速具身智能的发展进程。
SpatialLM：突破空间理解的壁垒
SpatialLM的核心在于其能够从一段视频中生成物理上精确的3D场景布局。这听起来似乎有些不可思议，但其背后蕴含着精妙的技术原理。
首先，SpatialLM利用计算机视觉技术，从视频中提取点云数据。点云数据是一种三维空间中的点集合，能够反映物体的几何形状和空间位置。
其次，SpatialLM基于大语言模型，对提取的点云数据进行分析和理解。它能够识别场景中的各种物体，例如桌子、椅子、墙壁等，并理解它们之间的空间关系，例如物体的位置、方向、距离等。
更重要的是，SpatialLM能够理解场景的语义信息。它不仅知道场景中有什么物体，还知道这些物体的功能和用途。例如，它能够识别出一个房间是卧室还是客厅，一张桌子是用来吃饭还是办公的。
通过对几何、空间和语义信息的综合理解，SpatialLM能够生成一个物理上精确的3D场景布局。这意味着生成的3D场景不仅在视觉上逼真，而且在物理上也是合理的。例如，物体不会悬浮在空中，也不会相互穿透。
SpatialLM的这一突破，打破了传统大语言模型在空间理解方面的局限性，赋予了机器类似人类的空间认知和解析能力。这为具身智能的发展奠定了坚实的基础。
开源：构建具身智能的生态系统
群核科技选择开源SpatialLM模型，体现了其开放合作的姿态和推动具身智能发展的决心。
开源意味着SpatialLM的代码和数据将向全球开发者开放。开发者可以免费使用、修改和分发SpatialLM，并将其应用于各种具身智能应用中。
通过开源，群核科技希望能够吸引更多的研究人员和开发者参与到SpatialLM的开发和改进中来，共同构建一个繁荣的具身智能生态系统。
此外，开源还有助于促进技术的交流和传播。开发者可以通过阅读和学习SpatialLM的代码，了解其技术原理和实现方法，从而提升自己的技术水平。
目前，SpatialLM已在HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源。这些平台汇聚了大量的AI开发者和研究人员，为SpatialLM的推广和应用提供了良好的渠道。
群核科技相关技术负责人表示，此次开源仅仅是开始，接下来SpatialLM模型将继续迭代，例如增加自然语言和场景交互等功能。这意味着SpatialLM将不断进化，变得更加强大和易用。
SpatialVerse：打造无限可能的“数字道场”
除了SpatialLM模型，群核科技还推出了空间智能解决方案SpatialVerse。SpatialVerse是一个合成数据引擎，能够为机器人搭建最接近物理真实的“数字道场”，实现机器人在仿真环境中的行动交互训练。
SpatialVerse与SpatialLM模型之间存在着紧密的联系，它们共同构建了一个“现实 – 虚拟 – 现实”的闭环路径。
SpatialLM模型通过从视频到结构化场景的转化，将现实世界的数据转化为虚拟环境中的丰富场景。而基于SpatialVerse的合成数据引擎，一个结构化场景又可泛化生成亿万级新场景。
这意味着，现实世界将成为SpatialVerse“数字道场”的原料来源。通过SpatialLM的转化和SpatialVerse的泛化，具身智能系统可以在无限可能的虚拟场景中进行训练，从而提高其鲁棒性和适应性。
例如，一个机器人需要在厨房中学习如何烹饪。利用SpatialLM，我们可以将厨房的视频转化为3D场景。然后，利用SpatialVerse，我们可以生成各种不同的厨房场景，例如不同大小、不同布局、不同风格的厨房。机器人可以在这些虚拟厨房中反复练习烹饪，直到掌握各种技巧。
SpatialVerse的出现，解决了具身智能训练数据不足的问题。它为具身智能提供了一个低成本、高效率的训练平台，加速了具身智能的发展进程。
具身智能的未来：算力、算法、工程和数据协同进化
群核科技董事长黄晓煌表示：“我相信全球很快会迎来具身智能机器人的爆发性发展，在具身智能背后，是算力、算法、工程和训练数据四个板块的协同进化，这需要全行业合力推动。群核科技希望通过空间模型和数据开源一起推动技术基座建设，为这个技术奇点的来临贡献一份力量。”
黄晓煌的观点深刻地揭示了具身智能发展的关键要素。
算力： 具身智能需要强大的算力来处理复杂的感知、决策和控制任务。随着硬件技术的不断进步，算力已经不再是制约具身智能发展的瓶颈。
算法： 具身智能需要先进的算法来实现对环境的理解、对任务的规划和对动作的执行。近年来，深度学习等人工智能算法取得了显著的进展，为具身智能的发展提供了强大的技术支撑。
工程： 具身智能需要精密的工程设计来实现硬件和软件的集成。这涉及到机器人、传感器、执行器等多个领域的专业知识。
数据： 具身智能需要海量的数据来进行训练和优化。数据的获取和处理是具身智能发展面临的一个重要挑战。
只有当算力、算法、工程和数据四个板块协同进化，具身智能才能真正实现突破。
群核科技通过开源SpatialLM模型和推出SpatialVerse解决方案，正是希望能够推动数据板块的发展，为具身智能的训练提供更加丰富和高效的数据来源。
行业合作：共筑具身智能的未来
据悉，在空间和具身智能训练上，目前群核科技已与硅谷头部科技企业等在内的一批国内外具身智能企业达成合作。
这些合作表明，群核科技的技术和产品得到了行业的认可。通过与各方合作，群核科技希望能够共同推动具身智能的发展，加速其在各个领域的应用。
具身智能的发展需要全行业的共同努力。只有通过开放合作，才能实现技术的共享和创新，才能构建一个繁荣的具身智能生态系统。
结论：开启具身智能的“数字道场”时代
群核科技开源SpatialLM模型，并推出SpatialVerse解决方案，为具身智能的发展注入了新的动力。
SpatialLM模型突破了传统大语言模型在空间理解方面的局限性，赋予了机器类似人类的空间认知和解析能力。SpatialVerse解决方案为具身智能提供了一个低成本、高效率的训练平台，加速了具身智能的发展进程。
通过开源和合作，群核科技希望能够与各方共同推动具身智能的发展，开启具身智能的“数字道场”时代。
具身智能的未来充满着无限的可能。随着技术的不断进步和应用的不断拓展，具身智能将深刻地改变我们的生活和工作方式。
参考文献：
- 群核科技官方网站：https://www.qunhekeji.com/
- 机器之心相关报道：https://www.jiqizhixin.com/
- Hugging Face SpatialLM 模型页面：https://huggingface.co/ (需替换为实际页面链接)
- GitHub SpatialLM 模型代码仓库：https://github.com/ (需替换为实际代码仓库链接)
- 魔搭社区 SpatialLM 模型页面：https://modelscope.cn/ (需替换为实际页面链接)
Views: 0