过去两年，AI领域最热的方向之一，是让机器理解真实世界。

大模型已经能写出流畅的文章、生成逼真的图像、剪辑生动的视频，但这些能力大多停留在数字空间。当AI需要回答“这家店值不值得专程去一趟”“这个时间出发会不会堵在路上”“目的地的环境适不适合带孩子”，这些涉及位置、距离、时间、人流、空间的复合判断时，它依然有些纸上谈兵。具身智能、自动驾驶、空间智能，所有前沿方向都在攻克同一个难题：如何让AI从处理符号进化到推演物理世界。

高德选择的切口是一张榜单。2025年9月，扫街榜上线，首创基于真实导航与到店行为排名的机制，不接受付费上榜。2026年9月10日，高德地图正式发布高德扫街榜2026，并且宣布扫街榜全面AI化。

（图）高德CEO郭宁

在发布会现场，这份榜单获得吉尼斯世界纪录认证。上线一年，它累计服务超过8.8亿用户；截至今年8月，上榜商家的总导航里程达366亿公里。

在颇为壮观的里程数之外，更值得追问的问题或许是，高德扫街榜的野心到底是什么？一个投入了三维飞行街景功能的地图显然不仅仅想成为一个具有公信力、权威性的本地生活榜单。

把这个问题放进更大的坐标，它其实是AI产业的一个切面。2025年，国家数据局《数据要素×行动计划》明确“激活空间数据要素价值”；2026年，科技部《“人工智能+”行动三年计划》将空间智能列为AI规模化应用的重点方向。近年来，空间智能在时代浪潮里的位置更加突出。

用AI来重构空间数据，进而让AI真正地理解物理世界的深度、距离、重力与逻辑，实现从看见到理解再到推演与决策的跨越是大模型科技公司的共识。

从看见到理解，再到推演与决策

这种共识正在演变为各个公司实际行动。

9月，李飞飞的World Labs发布空间智能世界模型Atlas，利用手机拍摄的少量照片或视频，能够识别相机位置、推断场景深度和三维结构，并将不同视角放进同一个空间坐标系。更进一步，它还能预测机器人移动到新位置后会看到什么，为真实环境中的导航训练提供视觉与深度信息。这意味着AI处理的不再只是一组平面画面，而是画面背后彼此关联的空间。

另一条路径指向行动。今年4月，Google DeepMind发布Gemini Robotics-ER 1.6，让机器人通过真实场景的图片和视频判断物体的位置、空间关系及任务状态。

例如，面对一张摆满物品的桌面，它可以判断为了给笔记本腾出空间应当移走什么，也可以规划将一支笔放入收纳盒的连续动作。AI由此从识别“这是什么”，进一步回答“它在哪里、与周围是什么关系，以及下一步应该怎么做”。

World Labs从影像中重建空间，Google让机器人基于空间关系采取行动。技术路径不同，指向的都是同一件事：AI不仅要生成一个看起来真实的世界，还要把真实世界转化为可以理解、推演和决策的模型。

从“实时拥堵”到“重构扫街榜”

空间智能的本质是“让AI理解和预测真实世界的复杂性”，一条路什么时候开通、什么时候拥堵，一家餐厅是否值得去，看似简单的决策，背后都是对真实世界的感知与推演。

高德最为大众所熟悉的空间智能感知能力是实时拥堵功能，在此次发布会上，高德把这套空间智能能力迁移到生活消费场景：感知的对象从车流变成人流，回答的问题变成“值不值得去、会不会踩坑”。正如高德CEO郭宁在发布会上所讲，“大模型能把行程排进同一个晚上，但不能理解它们之间环环相扣的关系。”

与World Labs和Google不同，高德的空间智能建立在广泛而独有的真实世界数据基础之上，分为实时而连续的动态感知、精准而稳定的时空推演预测、鲜活而立体的三维空间表达三层能力。

高德可以预测时间冲突与否、排不排队、天气、行车、路况。例如，此次发布的避雷指南，其15个维度正是对这套推演能力的完美执行：从营业时间、行程节奏、到达延误率、天气条件、预算费用，再到顺路规划、停车提示、拥挤预测，出行体验的风险被拆解成了可以验证的变量。

三维空间表达指向一个更远的图景。高德的飞行街景建立在自研世界模型的基础上：该模型基于多源感知数据，通过跨模态统一表征，联合建模并预测场景的视觉外观与三维几何，把物理世界映射为一个连续的、可计算的、几何高度一致的数字世界。

对用户而言，它的意义是把"目的地的空间环境"变成出发前就能自由探索的对象——想看哪里、飞多高、什么角度，都可以自己定义。对商家而言，飞行街景非常实用，只需用智能手机拍摄并上传店内视频与门头照片，就能免费生成专属飞行街景。水木锦堂市场总监陈瑞在体验后决定让所有门店都上线这个功能，“这个东西确实更真实”——更真实的门店呈现，意味着更低的决策成本与更高的到店转化。

或许，高德想证明的不是“榜单更好”，而是以榜单为媒介，让空间智能真正重构线下消费的信任链条——从看见真实，到验证真实，再到陪伴真实。

在AI时代，生成一张图片、一段文字、一份攻略的成本越来越低，但“看起来真实”并不等于真实。一个答案能否经得起现实世界的验证，取决于AI是否真正理解现实中的位置、道路、建筑、人流、时间，以及人与空间的关系。高德的路径，是把AI的理解能力从“语言”延伸到“空间”。

高德的差异在于，它的数字世界不是一次建模的静态成果，而是由亿万次真实导航持续校准、能够实时回应每一次查询的“活系统”，实时回应每一个人。

空间智能的下一年

有人曾用人类的左右脑作比AI领域的应用：当前语言大模型（LLM、VLM）所扮演的角色类似人类的左脑——负责语言、文字、图像的处理，属于想象空间的范畴，人类右脑所负责的空间推理和对现实世界的操控却是当前AI领域的缺失之处。

要想实现空间推理和对现实世界的操控，所需要的是真实的位置、时间、道路、人流，以及亿万次真实的搜索、导航与到达——这些广泛而稠密的多模态数据，是AI无法从语料中获得的。这正是高德空间智能不可复制的基础：多年的实时路况积累，让它率先拥有了感知真实世界的能力；8.8亿用户与366亿公里的导航行为，构成了高德空间智能数据的规模底座。

如何将海量空间数据融合，也是让一众公司头疼的难题。每一条道路、每一个十字路口的交通设施等详细信息汇总，即使是单个城市也有上百万栋建筑，延伸到每一层、每一户，数据量可达几千万甚至上亿条，且需整合过去、现在的相关数据，并实现了未来场景的推演，同时要实现数据与人的融合，难度尤其大。但是对于高德而言，是过去二十年地图导航业务的习以为常，这也是为什么“空间智能”这个听起来属于AI公司的词语，最早却长在高德这家公司身上。

理解世界之前，要先拥有世界的坐标，因为壁垒不在模型，在数据和处理数据的能力。对行业而言，模型可以追赶，数据与场景的闭环很难复制——这可能是空间智能赛道目前最清晰的壁垒。而扫街榜，是高德这套能力在本地生活场景里的一次集中释放。