今年云栖大会，一批人们已经相当熟悉的硬件仍然吸引了大量的目光。在高德开放平台展台上，智能眼镜、智能手表，以及小牛、九号、雅迪等智能两轮车前排起了体验长队。吸引人们驻足的，是这些设备里多出来的能力：戴上眼镜，导航可以融入第一人称的实景视野；抬起手腕，一句话就能发起叫车；骑上两轮车，车道级导航和超视距预警也进入了日常骑行。

把视线移向整个云栖大会，会发现另一个高频出现的关键词：世界模型。本届大会上，密集亮相的世界模型，与眼前这些形态各异的智能终端，看起来处在技术链条的两端，却在回答同一个问题——AI如何理解真实世界，并在其中发挥作用？

这股热潮也与全球科技界的探索呼应。无论是Yann LeCun主张在隐空间预测环境状态，李飞飞团队对空间智能与三维世界的探索，还是英伟达用虚拟世界训练机器人，关注点都在从语言延伸到空间、运动和物理规律。AI不仅要理解人们如何描述世界，还要理解世界如何运转。

从模型研究到终端应用，AI的能力边界正在从处理信息延伸到理解真实空间。对企业而言，这种变化正在落到更具体的经营问题上。

零售、物流和智能硬件企业对真实空间的需求十分具体：这条路现在能不能走，入口究竟在哪，十五分钟配送圈覆盖了哪些楼栋，海外用户输入的地址能否被准确找到。

要回答这些问题，企业不仅需要行业经验，还需要持续更新的空间数据、时空计算和工程能力。这类能力通常需要长期投入，也难以在一次建设后持续适配真实世界的变化。

高德正在尝试把长期积累的空间数据、计算与工程能力，转化为企业和终端都能调用的服务。

把复杂能力封装起来，让企业更快用起来

实体企业并不缺行业经验。零售商知道一家店应该开在人流与租金的平衡点上，物流企业知道履约时效如何影响成本，网约车平台知道不同时间、不同区域的供需差异，两轮车厂商也知道骑行者真正担心什么。问题在于，这些业务规则一旦与真实空间结合，事情就会迅速变重。

一份门店选址报告，表面上只是判断“哪里适合开店”，背后却要处理商圈边界、道路、人口与消费热度、竞品分布、时间变化等多种信息。过去，这往往意味着GIS团队、数据团队和业务团队反复对齐，几天后才能拿到结果。这道门槛足够劝退大部分企业。

高德的解题思路，是承担理解真实世界的复杂工作，让企业专注经营。

高德理解真实世界所依托的空间智能包括三层：三维空间表达——从地球到城市、从道路到建筑、从室外到室内，还原真实世界的细节与层次；动态感知——从车流到人流、从路况到商户、从白天到黑夜，捕捉世界的动态变化；时空推演——从“理解现在”进一步走向“预测下一步动作”。借助这套能力，企业可以快速补齐自身的空间智能能力短板。

在本届云栖大会上，高德推出了千舆空间智能开放平台，将高德空间智能封装成开箱即用的Agent。企业与开发者不必从头建设，只需用自然语言表述需求，就能调用相应的空间智能能力。

作为面向企业和开发者的空间基座，千舆建立在“点、线、面、动态”四类数据之上。点是POI和地址，线是道路，面是建筑、区域、楼栋边界、三维模型与区域热力，动态则包括交通状态等随时间变化的信息。截至2026年8月，高德披露的数据规模包括8000多万个POI、500多万公里道路和超过7500平方千米三维模型。

这些数字体现了数据的覆盖规模，却还不能保证Agent能够灵活地调用这些数据。数据更新频率、错误率和任务成功率，会决定企业是否愿意把真实业务交给它。

千舆更关键的一步，是在空间图谱之上建立“数据—计算—业务”三层推理链。用户提出任务后，Agent会依次锚定时空范围、组织多元数据、完成运算验证，最后输出可执行、可追溯的方案。

按照高德的描述，一个过去需要跨部门协作数天的任务，可以被重新组织成一段对话：在哪里开店、目标客群是谁。Agent把这些业务要求翻译成空间计算，再把计算结果还原成经营建议。

这也是千舆与传统开放平台最不一样的地方。过去，平台交付的是接口，开发者拿到能力后仍要自己拼装；千舆试图交付的是任务结果。API仍然重要，但被收进了自然语言工作流。对企业而言，技术门槛的变化不只是“少写几行代码”，更是让原本只有专业团队能完成的空间分析，有机会进入最日常的工作流。

空间智能，从企业工作流走向终端

如果空间智能只停留在电脑屏幕里，它最多是一套更好用的分析工具。更大的价值，会在它成为终端的“神经元”之后显现。

两轮车是一个典型样本。与汽车相比，两轮车的屏幕更小、算力和功耗更受限制，Android、Linux、OpenHarmony、RTOS等系统又长期并存。要把空间能力做成整车原生体验，不能只是把手机导航投屏到车载屏幕上，还要处理系统适配、实时定位、车道信息和安全提醒之间的协同。

高德目前已与小牛、雅迪、九号、爱玛等品牌展开合作，把车道级导航、红绿灯倒计时等能力接入两轮终端。两轮车版“鹰眼守护”预警系统把空间感知再往前推了一步：它不只告诉骑行者怎么走，还可对追尾、开门、抢道等超视距风险进行识别和提醒。

并且，高德还联合生态伙伴推进“采集—核算—交易—回馈”的碳普惠机制，把绿色出行里程转化为可运营的用户资产。

对传统车企来说，这件事的商业想象力并不小。过去的收入大多在卖车时一次性获得，软件服务、安全能力和碳普惠机制，则有可能提供在用户全生命周期内持续连接用户的新入口。

两轮车之外，智能穿戴设备也在接入空间智能。

手机导航仍要求用户低头看屏幕，智能眼镜可以将信息直接呈现在眼前，手表则提供了抬腕交互的方式。戴上眼镜，用户可以通过语音寻找周边地点，让路径提示直接进入现实画面；抬起手腕，也可以一句话发起叫车。高德披露的合作生态已经包括华为、小米、荣耀、千问眼镜、雷鸟创新和Rokid。

这类产品真正稀缺的，并不是语音助手，而是让助手知道“我在哪里”“我正朝哪个方向走”“眼前是什么”“下一步该怎么行动”的能力。缺少空间上下文，再聪明的模型也只能给出泛化回答；有了持续更新的空间信息，终端才可能从回答问题转向支持行动。

从两轮车到眼镜、手表，终端形态看起来差异很大，背后调用的却是同一种能力——空间智能。这也是高德空间智能成为行业标配的明确信号——它不再绑定某一块屏幕，而是在不同系统、不同算力和不同交互方式之间迁移。

一套空间能力，如何走向行业通用？

一种能力要从单点项目走向行业通用，通常取决于三个条件：是否经过大规模验证，是否足够通用，使用门槛是否足够低。高德的路径可以从这三个方面观察。

首先是经大规模验证的工程基础。依托北斗提供的定位与授时能力，高德在大规模导航服务中积累了空间数据和工程经验。数据显示，高德调用北斗卫星的日定位量已近1万亿次。持续更新路况、计算路线、应对复杂道路环境，这些用户习以为常的服务，背后都是需要长期建设和反复验证的工程能力。

其次是通用性。零售选址、物流履约、网约车调度、两轮安全、眼镜导航，看似是几门不同的生意，底层都在处理“什么在什么地方、何时发生变化、下一步如何行动”。过去，这些问题分散在地图、数据分析、算法和终端系统里；高德正尝试将其中共性的空间数据与计算能力重新组织起来，提供给不同行业的企业和开发者。

第三是使用门槛。能力再强、适用面再广，如果只有专业团队能用，也很难进入更广泛的业务流程。无论是通过自然语言服务开发者，还是为两轮车、智能眼镜和手表提供能力，高德空间智能所指向的都是同一条路线：把复杂能力封装在后端，把更简单的交互留给前端。空间智能最终可以表现为一次调用、一句指令，甚至一次抬腕。

高德空间智能走向“行业标配”的关键，是把一家公司的技术积累，变成更多企业触手可及的经营能力。当这套标配能力继续深入产业，未来的AI将不只是“知道得更多”，也能“做得更多”。