大家好啊，我是金禧。
很多朋友追 AI 赛道追了大半年，一句话说透真相：算力大模型能侃大山，但解决不了出门办事的难题。
当下市场里，资金扎堆涌入算力、光模块这些热门分支。
不少行业研报轮番吹捧大模型参数竞赛，仿佛参数量越大，AI 的天花板就越高。
但很多朋友忽略了一个关键问题：会聊天的 AI，本质只是停留在文字世界里。
想要 AI 走进现实生活，就得看懂真实、随时在变化的物理世界。这一块，才是物理 AI 赛道真正的蓝海。
不知道大家有没有踩过这种坑。

让 AI 帮你推荐聚餐的餐馆，它可以快速列出一堆高分门店，人均消费、招牌菜品一应俱全。
可 AI 只管推荐店铺，根本不会考虑路上堵不堵、停车场好不好进，甚至门店当天有没有正常营业。
就像财经报道里的真实故事，北京一位朋友打算约饭，用 AI 搜了朝阳区川菜馆。
AI 很快挑好了合适的店，等他动身才傻眼。晚高峰单程就要一小时，停车场入口藏在辅路，需要提前两个路口变道。
好不容易开到楼下，单单找车位就耗费 15 分钟。
店铺推荐没有问题，但 AI 只完成了一半任务：只告诉你去哪，路上所有麻烦事，全都要自己挨个解决。
这就是当下所有大模型共同的短板。
大模型学习海量网络文本，文字问答得心应手。但它没办法感知动态的现实世界。
道路临时施工、门店临时调整营业时间、停车场剩余车位，这些实时变化的信息，单纯依靠互联网文本语料根本覆盖不全。
简单直白地讲，文本大模型擅长信息检索，没办法独立完成现实世界里完整的任务闭环。
9 月 10 日，高德扫街榜完成新一轮 AI 产品升级，这项产品还拿到吉尼斯世界纪录认证。
这个上线满一年，累计服务超 8.8 亿用户的产品，核心突破就是打通选店、出发、路上、到店整套信息链路。
这条消息出来之后，大部分朋友只当成地图 App 普通版本更新。
很少有人意识到，这次升级，背后代表物理 AI 底层基础设施的重要突破。
01 对话之外，横在 AI 面前的现实鸿沟随口一句 “顺路找家好吃的”，听着简单，背后系统要一次性处理多重任务。
听懂用户的需求，筛选沿途匹配的门店，规划路线，预判路上拥堵情况。
只要其中一环衔接不上，最终体验就大打折扣。
美食评价在一个平台，路况数据保存在另一个软件，停车场出入口这种细节，
大多只能翻零散的用户评论一点点拼凑。
普通人想要顺利出行，就得手动整合一堆碎片化信息。
市面上绝大多数 AI 模型，依托网络文字素材，只能做到筛选店铺，从出发到抵达的落地环节，基本处于空白。
这也是物理 AI 和传统文本 AI 最核心的差别。
海外科技巨头很早就盯上这条赛道，重金投入世界模型研发。
谷歌 DeepMind 的 Genie 系列通用世界模型，输入文字或者图片，就能生成可以交互的虚拟场景。
用户在虚拟环境里移动，画面实时生成，长时间还能维持场景连贯不崩坏。
这套技术的重点，不在于地图数据有多详尽。核心是用户做出动作，虚拟世界随之做出反馈。
可以用来做游戏原型开发、机器人仿真训练，也能实现线上虚拟探店。
空间智能领域代表人物李飞飞创办的 World Labs，在 2025 年推出 3D 生成模型 Marble。
一张照片、一段视频，就能转化成可多角度查看、可编辑的三维场景。
转换视角建筑不会变形，走进房间画面不会穿模，相当于一台复刻现实世界的 “空间复印机”。
两家机构的研发方向各有长处。Genie 主打实时交互、物理场景推演；Marble 擅长三维场景重建与编辑。
但二者都绕不开同一个痛点，没办法解决普通人出门最关心的现实问题。
这条路今天有没有围挡施工？这家店今晚会不会提前关门？停车场入口在主路还是辅路？
这些绑定特定时间、特定地点的动态信息，纯虚拟世界模型很难持续更新维护。
一位资深地图技术从业者在采访中，点破物理 AI 入口的核心壁垒。
出行场景下，比拼的不是模型参数量大小。真正的门槛，是路网、点位 POI、实时交通数据，
能否持续更新、精准标注，并且能够直接被 AI 智能体调用。
高德扫街榜 2026 的升级，给出一套完整落地思路：三维场景、实时路况、长期用户到店行为，
全部接入单次出行任务当中。
拿镇江大华面馆举例，这家藏在老城小巷的小店，凌晨吊汤，下午五点开门，几乎没有付费营销。
高德统计数据显示，过去一年，以这家面馆为目的地，产生的导航里程接近 22 万公里。
扫街榜更新之后，用户搜索这家面馆，扫街锦囊会通过专程打卡、回头客、本地食客数据，
帮大家判断，专门跑这一趟到底值不值得。
飞行街景 2.0 可以从高空直接切入小巷，直观展示门店门头、进店动线，还有周边停车位置，
出门之前就能看清楚门店好不好找。
配套避雷指南整合营业时间、排队热度、道路施工、停车风险，一次性给出出行参考。
路线按照实时路况计算预估抵达时间，临近目的地，导航 Live 可以将店名、招牌菜品叠加到实景门头。
选店、实景预览、风险排查、路线规划、目的地识别，整套流程形成闭环。
当 AI 开始承接出门探店这类完整任务，高德的定位就不再只是一款导航软件。
它把散落全网的动态空间信息，串联成一套可供 AI 智能体调用的完整系统。
02 空间智能最难的关卡：跟上持续变化的真实世界很多朋友会有疑问，就算信息整合在一起，能不能跟上现实世界瞬息万变的状态？
绝大多数同类系统，都卡在这一关。
不少人都遇到过导航经典尴尬场面：导航提示已经抵达目的地，人却还在辅路绕圈。
大楼地址本身没错，但是停车场入口不在主路，必须提前两个路口变道。
步行导航带你到正门，开车却需要绕到建筑北侧入口。定位坐标没问题，
问题就出在大楼定位点，和真正能够进门的位置，中间还隔着一段距离。
除了空间位置，时间变量更加复杂。
早高峰和深夜的路况完全不同。道路一旦临时施工，原有路线直接失效。
门店更改营业时间，过去积累的好评，不能代表门店当天正常营业。
大语言模型轻松调取店铺评分、人均消费信息，但是想要保障顺利抵达，
系统必须掌握一栋建筑有几个出入口，每个出入口连通哪条道路，驾车和步行分别从哪边进入。
这些细碎的底层信息，决定出行最后一百米能不能顺畅落地。
高德把出入口属性、车道关系、不同出行方式通行规则全部打通。
道路调整单向通行、小区更换出入口、商户搬迁地址，商场车库只开放东入口，上下客只能走南门。
这些底层数据沉淀，平时使用的时候几乎感受不到。
只有遇到对应场景，价值才会显现。AI 帮你挑选好门店，导航直接引导至停车场入口，
不用原地掉头反复寻找。缺少这套底层数据，用户很可能停在马路对面，对着导航一脸茫然。
高德将整套技术能力拆解成三大协同模块：动态感知、时空推演、三维表达。
动态感知，就是实时捕捉当下状态：路段拥堵情况、门店营业状态、停车场剩余车位。
时空推演，预判后续变化：拥堵会不会蔓延，预估到达时刻的路况水平。
三维表达，还原场地实景：门头位置、周边参照物，远距离也可以快速识别。
扫街榜 2026，就是这套技术面向普通 C 端用户的落地载体。飞行街景 2.0 就是三维表达的生活化应用，
依托高德自研世界模型，在店铺详情页实现俯瞰视角和店内场景还原。
商家只用手机拍摄几段店内视频、几张门头照片，就能生成沉浸式三维场景。
本次发布会亮相的 ABot-Earth 0.7，代表高德三维表达技术的最新成果。
ABot-Earth 定位 3D 原生城市世界模型，核心功能是重建城市空间，生成可以连续浏览、自由切换视角的数据底座。
它输出的不是画质更精美的地图图片，而是让环境识别变成可计算的数据。街区布局、门头朝向，
从高空转到街景再进入店内，整套场景连贯统一。
一句话总结，空间智能的核心，不是渲染华丽的虚拟城市画面。
而是把世界模型、实时路况、用户到店行为、商户信息，纳入同一个任务流程。
用户修改出发时间，路线就要重新计算；路线变动，预估抵达时间同步更新；
抵达时间发生变化，原本推荐店铺的合理性，也需要重新评估。
整套环节不能单独拆分，必须在同一个系统内协同运算。
想要搭建这套体系，长期路网测绘、持续实地信息采集、用户到店行为沉淀、到达时间校验闭环，缺一不可，任何一环缺失都会出错。
让 AI 看懂现实世界不算难题，难的是让 AI 持续跟上不停变化的现实世界。从实时交通体系，到本次扫街榜 2026 升级，高德正在走出一条差异化的空间智能路线。
03 物理 AI 赛道，会不会是通往 AGI 的全新路径？简单和大家讲清楚 AGI，也就是通用人工智能。
通俗来说，就是 AI 拥有自主学习泛化能力，可以在复杂动态环境当中，主动规划并且独立完成任务。
近期行业大佬，对于 AGI 的看法分歧巨大。
2026 年 9 月 4 日，OpenAI 总裁布罗克曼在 GPT-6 Astra 发布会上直接表态，人类已经迈入 AGI 时代。
但 OpenAI 的 CEO 奥特曼，在 9 月 1 日的采访中提出，AGI 这个概念定义模糊，很大程度上偏向营销概念。
李飞飞早在 2025 年 11 月的播客节目中，也表达相近观点，AGI 更偏向营销词汇，并非严谨的科学术语。
海外巨头在大模型赛道持续内卷，国内厂商选择走出差异化路线。
早在 2025 年 8 月，高德推出 “AMAP-AI Inside” 战略。核心思路，开放长期沉淀的路网、位置、用户到店行为能力，对外供给其他产品。
高德开放平台依托 MCP 协议对外输出整套能力。开发者不用重复编写接口，AI 智能体能够自主调用地点检索、路径规划、天气查询等各类服务。
一句自然语言需求，后台自动拆分成多轮工具调用，输出结果还能继续参与下一轮任务计算。
这套架构，让地图相关能力，从供人类阅读，转变为可以直接被机器调用。
这套能力能不能大规模普及，取决于终端厂商是否愿意接入。终端选择接入的前提，这项能力能够解决真实场景痛点。
不同终端对应的场景完全不同。
智能眼镜场景，核心是边走边看。用户在路上，想快速了解周边商户、行进路线、门店位置，不用掏出手机。
2026 年 3 月，千问 AI 眼镜接入高德空间智能能力，上线智慧生活功能。用户视野直接叠加商户信息、AR 导航。
扫街榜从手机端榜单，升级为第一视角决策工具。眼镜厂商不用自建完整地图体系，高德在后台完成全部信息处理。
汽车场景，核心是出行决策。坐在车内，用户想判断目的地值不值得前往，停车难度、路上拥堵情况。
9 月 10 日发布会，高德官宣奔驰成为扫街榜全球首个汽车合作伙伴。双方合作方向，在车机座舱内，协助用户挖掘目的地，打通店铺推荐和整套出行链路。
车机接入地图能力之后，终端可以直接调用整套空间决策体系。奔驰不用从零搭建整套到店决策系统，直接拿到经过市场验证的成熟方案。
智能眼镜、车载座舱两个案例，指向同一个产业趋势：高德正在对外输出整套空间智能基础设施。
眼镜用户不用打开高德 App，奔驰车主不用手动输入地址，高德能力在后台默默运行。
各类终端直接获得开箱即用的空间决策能力，高德借助各类终端覆盖步行、驾车，后续还可以拓展骑行、公共交通、即时配送等大量场景。
每一类终端接入，都是对物理 AI 入口价值的验证。
如果无法在 AR 眼镜帮用户找店，无法在车机里面规划完整出行链路，就算不上合格物理 AI 入口。
当眼镜、车企选择接入，而不是投入巨额成本自建地图底层，足以证明它的价值，早已超越一款导航 App。
市场里绝大多数朋友，依旧简单把高德归类为地图工具。
但是它已经把空间数据、实时状态、AI 工具调用整合为基础设施。业务真实价值，和市场普遍认知之间巨大落差，这就是它被低估的核心原因。
当然这条路挑战不小。终端接入仅仅是起步，更大考验在于，这套能力适配不同终端交互逻辑。
眼镜依靠语音、视线交互；车机依靠语音加触控；手机依靠手势触摸。
同样是地点检索，不同终端，交互节奏、信息展示方式，完全不一样。
高德需要保住底层数据深度，同时保证多终端体验流畅好用，不只是勉强能用。
伴随 AR 眼镜、车载终端大规模调用，整套能力输出稳定性、响应延迟，会变成绕不开的硬性门槛。
不管大家称呼物理 AI，还是通用人工智能，名词本身没有那么玄乎。
本质就是，把现实世界空间规则、实时状态，转化成 AI 可以调用、校验、复盘的服务。能不能做好这件事，决定企业在物理 AI 赛道能走多远。
海外厂商主攻虚拟世界模型，国内这条物理 AI 落地路线，走出完全不同的方向。
04 产业前景：区分短期情绪炒作与中长期产业迭代机会聊到这里，很多朋友关心物理 AI 赛道的机会，一定要把短期市场情绪，和中长期产业迭代分开判断，不能混为一谈。
短期维度，本次产品发布会，属于产品落地、生态签约带来的消息催化。
板块容易伴随利好消息出现情绪脉冲，这类热度，来自资金短期博弈。
单次产品发布，很难立刻带动相关企业业绩大幅释放，千万不要把短期题材热度等同于长期产业兑现。
从中长期产业迭代维度看，物理 AI、空间智能是 AI 产业发展的必然方向。
前几年 AI 产业重心集中在文本对话、内容生成。未来 AI 智能体想要落地现实场景，
必须拥有感知物理世界的能力。
人形机器人、AR 眼镜、智能座舱、无人配送设备，所有硬件终端想要真正智能化，
都离不开空间定位、环境识别、动态路况这套底层能力。
这就是这项技术的复用价值。
这套城市世界模型、动态路网、点位实时更新体系，不只是服务普通人探店出行。
后续还能延伸到自动驾驶感知辅助、室内外一体化 AR、城市数字孪生、机器人导航、低空出行配套空间底座等场景。
文字大模型比拼语言认知能力，物理 AI 比拼和真实世界交互的能力。
未来 AI 赛道的竞争，不再只局限于大模型参数比拼，谁掌握动态更新的真实空间数据底座，谁就握住物理 AI 的入口。
当下市场资金的注意力，大量集中在算力、光模块这类热门赛道。
空间智能、物理 AI 入口这条主线，市场认知还没有充分打开，属于认知差较大的方向。
产业落地不会一蹴而就，生态建设、多终端适配、持续的数据采集维护，都需要长时间持续投入。
赛道长期空间可观，但产业化落地节奏循序渐进，不会一夜爆发。
你觉得未来 AI 智能体，是文字大模型率先跑出规模化成果，还是空间物理 AI 先落地改变普通人的日常生活？
欢迎在评论区分享你的观点与后市看法，一起交流客观行情思路。
免责声明
本文仅为行业信息梳理与客观市场分析，内容基于公开可查信息整理，不构成任何投资建议、操作指导及个股推荐。股市有风险，投资需谨慎，所有交易决策请投资者结合自身风险承受能力独立判断，自行承担投资风险。