行业发展趋势 - 空间智能软件在地理空间感知、可视化、设计、决策等方面实现质的飞跃，提升软件服务能力和智能化水平，拓展行业应用，重塑产业发展格局 [1] - 地理信息产业面临关键技术创新、应用场景突破、生态可持续发展等多重挑战，需打造创新引擎、聚焦应用突破、深化信创赋能 [1] - 测绘地理信息作为支撑数字世界的"空间基座"，战略性地位愈发凸显，需以国家政策为指引、市场需求为导向、技术创新为动力推动行业发展 [1] 技术创新与合作 - "空间智能创新联合体及联合创新中心"正式启动，聚焦AI GIS关键技术研发与应用推广，涵盖AI大模型、空间数据库、通用数据库、基础算力环境等核心领域 [2] - 联合体由10家单位共同发起，覆盖技术研发、学术研究与应用实践等领域，形成多元互补的创新生态 [2] - 联合体将面向自然资源、水利水资源、应急管理等关键行业部门，提供智能化、高效能的创新解决方案 [2] 产品发布 - 超图软件发布SuperMap GIS 2025产品体系，推出超图空间智能体服务平台、跨平台空间数据转换处理软件两款新产品 [2]

AI 的人机交互、单一设备 VS 多元设备 - 凯文·凯利预测智能眼镜将在25年后取代智能手机成为个人计算中心设备，但需攻克储能技术等五项关键突破 [5][6] - 镜像世界的构建不依赖眼镜，特斯拉自动驾驶汽车和TikTok等已在扫描真实世界训练AI的空间智能 [6][7] - 技术发展呈现钟摆效应，未来设备可能回归专业化，但智能手机是例外，AR眼镜或成为通用平台连接专业化应用 [7][8][9] AI 的路线之争、通用智能 VS 专用智能 - 技术路线呈现从专用模型向通用模型统一趋势，大语言模型已统一文本任务，但应用层面专用AI更实用 [10] - AI发展路径存在巨大不确定性，分为"扩展派"（持续扩大模型规模）和"专业化派"（终端小模型、领域专用AI） [11][12] - 凯文·凯利个人倾向专业化路线，认为需为不同场景做好准备，避免垄断生态 [12] AI 哲学思辨、"异人智能"与人类智能 - AI智能与人类智能本质不同，AI意识将是"异人意识"，其智能构成和演进环境（人类需求）决定差异 [13][14][16] - 人类价值在于责任承担能力，未来工作核心是管理AI并为其决策担责，人性本身成为稀缺资产 [15][16] AI 的创新 VS 人类的创新 - AI创造力分为日常创新（当前可实现）和颠覆式创新（25年内或部分实现），后者将开辟全新领域 [17][18] - AI创新呈现"异人"特质，如AlphaGo第37手，但社会消化现有AI技术仍需10年，重大突破尚需时间 [17][19] Agent 的生态与入口之争 - Agent生态将推动互联网从"信息网络"升级为"行动网络"，入口之争涉及超级AI助理、操作系统或新型设备 [20] - 智能眼镜可能成为Agent交互界面，需支持多模态交互（语音、手势、表情），苹果等公司正探索相关设备 [20][21] AI 时代的操作系统 - AIOS需定义自然语言交互标准，实现跨Agent协作，开源属性可避免垄断，责任是规范人机交互协议 [23] AI 变革内容创作与内容消费 - 未来内容向3D/4D沉浸式体验迁移，AI将具备情绪反应能力，引发人机情感联结革命 [24][25] - AI成为内容主要消费者，催生为AI创作的新模式，如传记专供AI阅读，重塑互联网商业模式 [26][27] AI 时代的创业公司与巨头竞争 - 科技巨头面临创新者窘境，OpenAI等创业公司更可能主导AI变革，因巨头难以冒险投入高风险新业务 [28][29] - 突破窘境需强决断力领导者，如盖茨和乔布斯，但成功概率极低 [29][30] 人形机器人 VS 专用机器人 - 绝大多数机器人非人形但适配人类尺寸基础设施，仅家用机器人可能拟人化，工作场景优先普及 [31][32][33] AI 时代的组织变革 - 小公司AI应用速度快于大公司，因需重构组织而非简单添加AI工具，亚马逊要求15万员工强制实验AI [34] - 成功关键为持续试错（容忍10次失败）、量化评估人机协同效果，中层管理者受影响最大 [34][35] 行业活动与趋势 - 《AI进化论》系列直播吸引超50万人观看，聚焦DeepSeek等前沿技术，构建高信噪比思想策源地 [1][37]

高精度定位技术演进 - 全迹科技UWB车载监测系统实现量产上车，标志定位技术从"工具"进化为"有温度空间智能"基础设施[2] - 高精度定位解决室内外复杂场景中"最后一米"盲区，需具备三维坐标、Hz级刷新率和抗干扰能力[4][6] - 技术核心指标包括亚米级/厘米级精度、3D定位、实时响应(10-100Hz)、环境稳定性和成本可行性[7][8][9][11][12][13] 主流技术路线对比 - UWB技术：精度10-30cm，工业场景主导但成本高(基站￥2000-8000)，功耗大(标签寿命3-6个月)[16][17] - 蓝牙AoA：精度1-3m，适合养老/零售场景，受人体遮挡影响精度下降40%[18][19] - 5G定位：理论亚米级，实际3-5m，依赖基站密度，毫米波穿墙衰减达30dB[20][21][22] - 融合方案：UWB+IMU组合精度达5-20cm，抖动降低60%，但终端成本极高(￥300+)[24][26] 国产化突破进展 - 国产UWB芯片出货量三年增长400%，单价从280元降至95元，但射频前端仍依赖进口(69%)[37][38] - 22nm双模SoC研发成功，功耗降低40%，动态环境算法将定位抖动从±35cm优化至±8cm[39][40] - 工业案例显示融合方案使建设成本降35%，焊接错误率下降52%，设备寻回效率提升70%[41][43] 市场空间与场景 - 中国市场规模2028年预计达1263亿元，CAGR35%，全球占比超25%[46][47] - 工业领域需求10-30cm精度，仓储物流需亚米级，消费领域1-3m精度即可[49][50] - 新兴场景包括地下空间导航(3-10m精度)、无人机室内定位、毫米级形变监测[53] 投融资动态 - 2023年行业融资超20笔，头部企业单笔融资金额达数千万至亿元级[56] - 产业资本占比45%，UWB与音频定位技术合计占70%融资份额[57][58] - 投资逻辑转向场景化能力，工业/车载场景溢价最高，生态绑定成估值核心[60][61] 竞争维度分析 - 技术窗口期缩短至12-18个月，场景绑定与生态独占性构成持久壁垒[63] - 标杆企业实现标签成本1.5美元(行业平均5美元)，交付周期压缩至30天[62][64] - 差异化机会在于AIGC融合、低空经济衔接和医疗耗材化等垂直场景[65][66]

空间智能与World Model的关系 - 空间智能和World Model不是同一概念但紧密相关 空间智能提供空间感知和理解能力 是构建准确全面World Model的必要前提 [2][4] - 空间智能是计算机视觉的高级呈现 需要机器具备感知、理解、推理并与三维物理世界交互的能力 重点在于理解物体间空间关系及环境上下文 [2] - World Model是对环境的内部表征 能预测未来状态并支持规划 需依赖空间智能感知的信息整合 [4] 空间智能的技术价值 - 空间智能是继语言智能后AI发展的关键步骤 能弥合"感知"与"行动"的差距 解决当前AI难以将感知转化为有效行动的问题 [3] - 通过空间智能 人工智能系统可感知环境、识别物体关系 并将信息整合到内部表征 World Model则帮助将空间信息转化为行动 [4] 空间智能的实现路径 - 实现路径多样化 包括LWM大世界模型、显式知识推理、多模态融合、具身智能探索等 不同技术路径在特定场景各有优势 [5] - 未来技术将趋向融合 如知识图谱融入大模型增强推理 或利用具身智能优化数据收集 特斯联采用空间数据知识、领域模型工具、AI智能体等多技术融合方案 [5] 特斯联的技术应用 - 特斯联通过构建知识库和系统工具 结合空间感知模型技术 增强模型的空间感知能力 推动空间智能在复杂环境中的应用 [5] - 公司研究成果聚焦3D场景理解 空间智能战略体系升级 并在阿联酋图书馆等场景实现具身智能全场景服务 [10]

空间智能技术发展 - 大模型技术通过架构革新与多模态融合重构空间智能底层逻辑，推动其从实验室走向产业化应用[2] - 空间智能旨在处理物理世界多样性、复杂性导致的细致空间推理，使机器以类人方式与3D环境互动[2] - 深度学习模型在计算机视觉任务表现突出，但集成多数据类型与执行复杂任务仍面临挑战[2] 特斯联技术布局 - 公司研发多模态融合空间智能大模型，结合预训练与强化学习技术，打造类人思考、长期记忆的AI智能体[4] - 技术实现依赖计算机视觉、三维表示学习、视觉-语言模型(VLMs)、强化学习及环境模拟等算法[4][6] - 已部署AIoT端侧设备采集数十种模态数据（文本、视觉、声音、环境参数等），解决数据不足问题[7] - 采用动态自适应时序同步技术实现多模态数据语义空间对齐[7] 应用场景与研发规划 - 短期目标为移动终端（智能可穿戴设备、机器人）开发具备个性化能力的AI智能体HALI[8] - 长期方向从专用智能体向通用智能体发展，探索高维空间智能、自主学习及多智能体技术[8] - 海外市场聚焦智慧建筑、智慧园区和智慧能源领域，增强中国技术全球竞争力[7] 行业竞争优势 - AIoT基因使公司在多模态数据采集、软硬件一体化及场景理解方面具备先发优势[6] - 覆盖多区域的设备网络可获取多样化实时数据，提升模型鲁棒性与泛化性[7] - 技术已应用于多个项目与产品，形成行业数据理解与处理经验壁垒[6]

空间智能技术发展 - 大模型技术通过架构革新与多模态融合重构空间智能底层逻辑，推动其从实验室走向产业化应用 [2] - 空间智能使机器以类人方式与3D环境互动，解决物理世界多样性、复杂性带来的空间推理挑战 [2] - 深度学习在计算机视觉表现突出，但集成多数据类型与执行复杂任务仍是关键挑战 [2] 特斯联技术布局 - 公司研发多模态融合空间智能大模型，统一模态数据至同一语义空间，结合预训练与强化学习技术 [4][7] - 技术覆盖计算机视觉、深度学习、视觉-语言模型、强化学习、3D仿真等领域，已应用于多个项目 [7] - 动态自适应时序同步技术实现多模态数据对齐，增强模型鲁棒性与泛化性 [8] 空间智能技术实现路径 - 感知能力依赖计算机视觉与深度学习，理解能力需三维表示学习处理几何拓扑结构 [4] - 推理能力通过视觉-语言模型与强化学习实现，执行能力依托具身智能与环境模拟 [4] - 部分技术已成熟，部分仍需学术界与产业界共同突破 [5] 数据与场景优势 - AIoT端侧设备采集数十种模态数据（文本、视觉、声音、环境参数等），解决数据不足问题 [8] - 多场景设备部署提供多样化数据，支撑空间智能模型开发 [8] - AIoT基因带来多模态数据采集、软硬件一体化、场景理解的先发优势 [7] 未来研发方向 - 短期目标：开发移动终端智能体HALI，赋予类人思考、长期记忆、个性化能力 [9] - 长期目标：从专用智能体向通用智能体演进，探索高维空间智能、自主学习技术 [9] - 聚焦中东及海外市场，提升中国技术在全球产业链的竞争力 [9]

公司背景与业务模式 - 友达数位科技服务（苏州）有限公司为友达光电旗下子公司，专注于智能制造和数字化转型解决方案，已为10余个国家的1000多家制造业企业提供服务，覆盖电子、医疗、汽车等34个行业 [1] - 公司核心策略包括输出友达光电的制造管理经验，并通过双循环模式反哺自身技术升级，同时践行ESG理念 [2] - 业务模式从咨询服务升级为"数字人"技术应用，结合大模型能力解决专家资源稀缺问题，并推出nuva女娲数字底座平台实现模块化解决方案 [3][4] 数字化转型方法论 - 提出"最小要素数字化"理念，将复杂场景解耦为通用模块（如员工训练、岗位管理），通过"数字积木"组合满足个性化需求并降低成本 [1][3][4] - 研发投入5年打造nuva女娲平台，支持客户按需选取功能模块，快速实现经验复制 [4] - 客户分层服务策略：0-10亿元营收企业采用托管模式，10-50亿元提供护航服务，50-200亿元补充升级，200亿元以上共创未来工厂 [5] 未来工厂技术架构 - 定义未来工厂需具备三大智能要素：自主智能（人机协同）、具身智能（AI赋能的机器对话）、空间智能（隐性能力显性化） [6] - 关键技术能力包括知识模型、数字模型和嵌入式模型，形成AI时代工厂的核心支撑 [6] - 目标客户需具备三大特质：海量专家资源、具身智能应用能力、流程改造能力，且需企业高层深度参与创新 [6] 行业应用与案例数据 - 服务覆盖全球34个行业，典型案例显示数字化改造可提升生产效率并降低人力成本 [1][2] - 通过"数字人"技术实现24小时无间断服务，突破物理和语言限制，已应用于多国企业 [3]

中国科技企业出海 - 特斯联与阿联酋穆罕默德·本·拉希德图书馆的合作成为中国科技企业出海的典型代表之一 [2] - 合作始于2022年，旨在将智能机器人投入图书馆日常运营，提供自动化储藏、图书检索、递送、巡控、火灾探测等服务 [2] 特斯联智能机器人技术 - 依托自研计算机视觉算法，机器人具有定位误差小、响应速度快的特点，能精准完成导引、检索、递送任务 [5] - 通过多模态交互系统串联电梯、书架等40余类设备，为读者提供多样化服务 [5] - 大语言模型能力的突破推动智能机器人从"知识提供者"向"自主行动者"进化，弥补大模型在空间智能中的局限性 [5] 特斯联过往合作案例 - 作为2020迪拜世博会官方首席合作伙伴，提供超150台智能机器人，打造机器人协作系统 [5] - 为约1250万名访客提升接待、出行和配送体验，累计服务超84,000小时，进行超650,000次对话，行程超322,000公里 [5] 大模型技术与空间智能 - 大模型技术通过多模态融合、生成式智能等能力重塑空间智能技术范式，推动从单一感知向多维度智能决策演进 [6] - 中国科技企业发挥场景、应用层优势，加速技术出海，搭建跨国协作平台，构建空间智能的中国路径 [6]

2024年以来，基础模型能力的不断跃迁，使得作为第三代AI核心方向的"空间智能"加速涌现。 空间智能意指在动态三维世界中理解、推理、生成和行动的统一能力 ， 在特斯联的视角中，其能力 主要通过 "空间要素"、"空间模型"、"空间智能体" 三大核心要素实现，亦即：基于对物理空间内 空间要素的感知、理解和处理，以空间大模型作为核心计算与推理引擎，使空间智能体具备自主决 策、执行以及交互的智能能力，从而建立物理世界与数字世界的无缝链接和融合，进而实现万物互 联、跨越虚实、空间觉知的AI能力。 空间智能实现的三大核心要素：空间要素、空间大模型、空间智能体 近日，特斯联正式发布完整空间智能战略，构建以空间智能大模型（Space-Aware LM）为核心驱 动的空间智能体（Space-Aware Agent），以实现空间智能落地实践，升级在大模型时代的全新空 间智能体验。 空间智能体还可以通过自然语言和人交互，精准理解人的意图，提供空间信息数据和分析，同时执行 和操作物理设备，实现物理世界的反馈，实现从物理世界到数字世界再到物理世界的任务执行闭环。 随着数据积累和行为变化，空间智能体将进行周期性的强化学习，提高空间理解的 ...

创业初心与空间智能 - 李飞飞创立World Labs的核心动机是开发具备空间智能的AI，认为3D世界建模是AI领域最困难的问题之一[5][6] - 空间智能定义为理解、推理、交互和生成3D世界的能力，对人类和动物进化至关重要[5][7] - 公司专注于构建3D生成基础模型，目标是解锁设计、创作、导航、AR/VR等领域的应用[6][17] 技术挑战与创新方向 - 3D领域面临数据获取与合成的挑战，缺乏像语言模型那样丰富的互联网数据源[20] - 触觉数据集成被低估，多模态系统对机器人操作至关重要[9][16] - 情感智能是未被解决的重大领域，可能需等待AGI实现[10] 机器人形态与未来应用 - 机器人形态将多样化，非人形设计更符合能源效率原则（如鱼形水下机器人）[16] - 近期商业应用聚焦创造力领域，包括3D艺术、游戏开发、元宇宙内容创作[17] - 世界模型是实现通用智能体的关键，强化学习适用于3D设计优化场景[19] 数据驱动的AI发展历程 - ImageNet包含1500万标注图像，推动深度学习革命（AlexNet突破）[25][26][27] - 早期Caltech-101数据集创建过程体现数据工程重要性，需手工清洗图像[23][24] - 语言与图像融合研究（如视觉描述生成）标志AI跨模态进步[28][29] 团队构建与行业展望 - 招聘策略强调思维多样性，需计算机图形学、优化、生成式AI等多领域人才[32][33] - 医疗保健是AI赋能重点领域，涵盖药物发现、精准医疗、心理健康等未解决问题[34][35] - 学术界应保持"无所畏惧"精神，平衡理性与野心以突破技术边界[30][31]