大模型驱动空间智能综述：具身智能体、智慧城市与地球科学的进展

我们生活在一个由空间构成的世界中。从每天在家居、办公环境或城市街道中的移动，到规划一次跨越山海的旅行，乃至科学家们研究气候变迁的地理模式、城市扩张的复杂格局，这一切都深刻地依赖于我们对空间的感知、理解和运用能力。这种核心能力，我们称之为“空间智能”。

长久以来，人类凭借自身的感官系统和发达的大脑，不断地探索、适应并改造着周遭的空间环境，演化出了独特的空间认知机制。而今，随着人工智能（AI）技术的日新月异，特别是大语言模型（LLMs）的横空出世，机器也开始显露出令人瞩目的空间智能潜力。这场由大模型引领的技术浪潮，正以前所未有的深度和广度，渗透到从微观尺度的机器人导航，到中观尺度的城市规划管理，再到宏观尺度的地球科学研究等诸多领域。

这部报告由清华大学和芬兰赫尔辛基大学共同发布，将带领读者一同深入探究，大模型是如何被赋予“空间感”的？它们在跨越不同尺度的空间智能任务中扮演着怎样日益重要的角色？以及在迈向更高级空间智能的征途上，我们还面临哪些挑战与无限可能？

第一节：空间智能的基石——大模型如何“理解”空间？

要让机器具备真正意义上的空间智能，首要任务是让它们能够像人类一样去“理解”空间。这并非易事，其核心在于构建两大基础能力：有效的空间记忆与知识储备，以及灵活的抽象空间推理能力。

空间记忆与知识：大模型脑中的“世界地图”

我们每个人在探索环境的过程中，都会在脑海中构建一幅内在的“认知地图”。这幅地图并非严格精确的物理复制品，而是我们对环境空间布局、地标、路径等信息的个性化、有时甚至是略带主观扭曲的内部表征。正是这幅认知地图，引导着我们的日常导航行为，帮助我们回忆起曾经走过的路。神经科学的研究揭示了其生物学基础，大脑中的海马体和内嗅皮层等区域，特别是其中的“位置细胞”（当我们处于特定地点时激活）和“网格细胞”（提供类似坐标系的度量信息），在构建和维护这幅内在地图中发挥着至关重要的作用。

更进一步，人类还能超越具体环境，形成更为抽象的“空间图式”。这是一种从大量相似经验中提炼出来的、关于空间组织方式的通用知识结构，比如我们对“典型现代城市街道网络”或“标准公寓房间布局”会有一种大致的预期和理解。

那么，计算模型，尤其是大语言模型，是如何学习和存储类似的空间记忆与知识的呢？它们获取空间信息的方式主要有两种。其一，通过“内化吸收”。在预训练阶段，大模型会接触并处理包含海量文本和（对于多模态模型而言还包括）图像的数据。这些数据中蕴藏着丰富的地理名称、地点描述、空间关系（如“A在B旁边”）、物体外观、地图图片等等。模型在学习语言模式的同时，也将这些空间相关的信息以某种复杂的方式编码、压缩并存储在其庞大的内部参数网络中，形成了一个隐性的、内化的空间知识库。

例如，模型通过阅读大量文章可能“知道”了伦敦是英国的首都，泰晤士河流经伦敦，并通过观看图片“认识”了大本钟的样貌。研究证实，现有的大模型确实能够回忆起这些空间实体、属性及其相互关系。其二，是“外部调用”。当模型自身的内部知识不足、过时或需要处理非常具体、实时的空间信息（如某条道路当前的拥堵状况）时，它们可以通过设计的接口，主动查询外部的专业数据库、地理信息系统（GIS）、知识图谱或者实时传感器数据流，从而获取所需的、外化的空间知识。

然而，必须承认，大模型在空间记忆和知识方面远非完美。一个突出的问题是“幻觉”现象，即模型可能会生成看似合理但实际上不符合事实的空间信息，比如凭空捏造一个地点，或者错误地描述两个地点的相对位置。这无疑会影响其在实际应用中的可靠性。另一个严峻的挑战是知识的动态更新。真实世界的空间环境是不断变化的：新的建筑拔地而起，旧的商铺关门歇业，交通网络持续调整。如何让模型内部存储的知识能够及时、高效、准确地反映这些变化，即进行有效的“知识编辑”，是一个亟待解决的技术难题。

抽象空间推理：超越“死记硬背”的逻辑能力

仅仅记住关于空间的事实是远远不够的。真正的空间智能核心在于推理能力——基于已知信息推导出新知识、解决新问题的能力。抽象空间推理特指将纷繁复杂的现实空间环境简化为易于操作的心智模型，并在此模型上进行逻辑思考、规划和决策的能力。这就像我们不仅能在地图上找到目的地，还能规划出一条最佳路线；不仅认识一个物体，还能想象它从不同角度观察或旋转后的样子。

当前，研究人员对大模型抽象空间推理能力的评估和提升，主要围绕几个关键方向展开。其一是定性空间推理，这考察模型理解和运用基于语言描述的空间关系（如“在…上方”、“朝…方向”、“介于…之间”）进行逻辑推断的能力。实验表明，虽然大模型能处理简单的单步关系判断，但在涉及多步骤、传递性的复杂推理链条时（例如，“A在B北面，B在C西面，问A在C的哪个方向？”），其准确率会显著下降。不过，研究也发现，引导模型采用结构化的思考方式，比如逐步分析问题，有助于改善其表现。

其二是几何推理，这聚焦于模型对基础数学几何概念（例如形状、大小、角度、距离、对称性、拓扑关系等）的理解程度，以及运用这些概念解决空间问题的能力。相关的基准测试显示，大模型和视觉语言模型在处理需要深度几何逻辑推演的问题时，相比于简单检索存储的几何知识，表现要逊色得多，尤其是在需要从结果反推条件的逆向推理任务上。

其三是图论推理。现实世界中的许多空间关系，特别是网络结构（如道路网、地铁线路、社交网络中的地理分布），可以很自然地抽象为图的形式，其中节点代表地点或实体，边代表它们之间的连接或关系。图论推理评估模型理解和操作这种图结构的能力，例如寻找两个节点间的最短路径、判断网络的连通性、识别特定的子图模式等。评测结果指出，大模型在执行复杂的图算法（如计算最小生成树、寻找哈密顿回路）方面仍存在明显不足，但通过设计针对性的训练方法，例如强调中间计算步骤的学习，可以一定程度上弥补这些缺陷。

总体来看，一个普遍的认识是，当前的大语言模型在处理抽象空间问题时，很大程度上仍然是利用其强大的语言建模能力来“模仿”或“转译”空间任务，而非真正拥有了与人类相似的、基于非语言表征的深层空间认知与推理机制。如何弥合语言理解与真正空间认知之间的鸿沟，让模型不仅仅是“说”得像，更能“想”得对，是该领域面临的核心挑战和未来研究的关键方向。结构化推理框架的设计、引入外部知识的引导、以及对模型内部推理过程的监督学习，都被认为是具有潜力的改进途径。

第二节：从微观到宏观——大模型驱动的多尺度空间智能应用

当大模型具备了初步的空间记忆、知识和推理能力后，它们便开始在真实世界的各种空间智能任务中扮演起越来越重要的角色。这些应用场景跨越了巨大的尺度范围：从个体机器人所处的几米见方的微观环境，到人类社会活动密集展开的城市空间，再到覆盖整个地球、关乎全球生态与发展的宏观系统。在每一个尺度上，大模型都带来了新的视角和强大的赋能。

具身智能（Embodied Intelligence）：让机器人更懂空间、更会行动

具身智能研究的核心，是如何让智能体（通常是机器人）能够在物理世界中有效地感知环境、理解指令、与物体交互并自主导航。这与空间智能的概念密不可分。想象一下未来的家庭服务机器人，它需要精确理解家中的三维布局，识别沙发、桌子、杯子等物品的位置和状态，听懂主人“去客厅茶几上帮我拿一下遥控器”这样的自然语言指令，然后自主规划出一条安全高效的路径，灵巧地避开障碍物，最终完成任务。整个过程可以看作是空间智能在微观尺度上的集中体现，大致包含两个相互关联的关键阶段。

首先是空间感知与理解。这是智能体通过其传感器（如摄像头、激光雷达、触觉传感器等）收集环境信息，并将其处理、融合成对周围空间状态的内部表征的过程。近年来，多模态大语言模型（MLLMs）的发展极大地推动了这一领域。研究者们致力于让模型能够融合来自不同模态的数据流，例如结合视觉图像（RGB）、深度信息（提供距离感）以及自然语言描述，来实现更精准的三维物体定位、空间关系判断（例如，“杯子在桌子上面靠近边缘的地方”）以及场景语义理解（例如，识别出这是一个厨房环境）。

进一步地，模型还需要具备处理动态场景的能力，能够整合来自不同时间点、不同视角的观测信息，形成对环境（如一个房间或一个楼层）随时间变化的连贯认知。为了支持机器人在未知环境中进行长期探索或执行复杂任务，研究者还借鉴了人类的记忆机制，开发了让智能体能够记录已探索区域地图、识别未知边界、并基于记忆进行高效探索规划的系统。

其次是空间交互与导航。在对环境有了充分理解之后，智能体需要基于任务目标和当前状态，做出决策并执行相应的物理动作。这可以小到控制机械臂以合适的姿态和力度抓取一个特定物体，也可以大到规划机器人在复杂环境中的移动路径。

一些研究工作尝试利用预训练好的大模型（特别是视觉语言模型）直接输出动作指令，将高级任务分解为底层的控制信号。而在更具挑战性的、开放式的环境中，仅仅依靠感知和简单映射是不够的，模型还需要展现出更强的推理和规划能力。

例如，有工作利用大模型生成环境的三维空间表征，并在此基础上规划出复杂的、多步骤的操作序列来完成任务。另一些工作则利用图神经网络等结构来显式地建模环境中的障碍物布局和物体间关系，以辅助机器人做出更安全、更合理的动作决策。在导航任务方面，大模型同样发挥着核心作用。一种思路是将环境的视觉或其他传感信息实时地转化为文本描述，然后输入给大语言模型，利用其强大的常识推理和规划能力来决定下一步的行动方向。另一种思路则更直接地利用多模态大模型，让其同时处理视觉输入（如第一人称视角的图像或鸟瞰图）和任务指令，并结合对空间布局的理解，直接输出导航决策或路径规划。

尽管进展令人兴奋，但要让机器人达到真正流畅、鲁棒、智能的空间交互水平，仍有许多难题待解。例如，如何更高效地融合异构的多模态信息？如何提升模型在复杂、动态、非结构化环境下的细粒度空间推理能力？如何让机器人的空间认知和行为模式更接近人类的直觉，更具可解释性？这些都是具身智能领域持续探索的重要方向。

城市空间智能（Urban Spatial Intelligence）：赋能更智慧、更宜居的城市

当我们将研究的视野从机器人所处的室内或局部环境，扩展到广阔而复杂的城市空间时，空间智能的内涵和挑战也随之发生了深刻的变化。在城市这个宏大的尺度下，单个智能体（无论是人类个体还是自动驾驶汽车）的物理尺寸相对于整个环境来说变得微不足道。智能系统需要处理的是远超个体直接感知范围的、更加抽象和符号化的空间信息。

这要求模型具备构建大规模认知地图、进行高效路径规划与交通流优化、理解城市功能分区与土地利用模式、模拟人群活动规律、甚至辅助进行空间规划与设计等一系列高级能力。城市，作为人类社会活动最集中、空间结构最复杂的人造系统，天然地成为了检验和发展宏观尺度空间智能的最佳试验场。它融合了物理的基础设施网络（道路、建筑、管线）、功能性的区域划分（商业区、住宅区、工业区）、以及动态的社会经济活动流（人流、车流、信息流），为空间智能研究提供了丰富的数据和极具价值的应用场景。

大模型在城市空间智能领域的应用探索，正呈现出蓬勃发展的态势，可以大致归纳为以下几个关键方面。

其一是空间理解与记忆。这关乎模型如何编码、存储、检索和理解关于城市的海量空间信息。大模型在预训练过程中，已经从文本数据中学习到了大量的地理先验知识，例如城市名称、地标建筑、行政区划边界等。

研究者们进一步探索如何结合更多元的城市数据源，如高分辨率的卫星影像、覆盖全城的街景图片、包含各类场所信息的兴趣点（POI）数据、甚至是社交媒体上用户分享的带有地理标签的内容，来让模型更深入地理解城市区域的功能特征（例如，判断一个街区是繁华的商业中心还是宁静的居民区）、评估其建成环境质量、甚至预测其社会经济发展水平。

同时，利用大模型辅助构建结构化的“城市知识图谱”，能够系统地存储城市中各种空间实体（如道路、建筑、区域）及其之间的复杂关系（如邻近、包含、连通、功能相似性等），为后续更复杂的空间推理和应用奠定坚实的数据基础。实现这些目标的技术路径多种多样，包括通过精心设计的提示语（Prompt Engineering）来有效激发和提取模型内部蕴含的先验知识、发展多模态融合技术来对齐和关联来自不同数据源的区域特征信息、以及利用大模型自动生成标注数据或提供指导信号来辅助训练下游的城市分析任务模型等。

其二是空间推理与智能。这更侧重于利用已有的城市空间数据和知识，通过逻辑推理来挖掘隐含信息、预测未来发展趋势、并最终支持更优的城市管理和决策。例如，有研究利用大模型结合街景图像进行高精度的地理定位推理。在理解和预测人类在城市空间中的移动行为方面，大模型被用来学习和模拟个体的出行习惯与模式，分析人群的时空聚集特征，这对于优化交通系统、规划公共服务设施、进行商业智能分析等都具有重要的应用价值。

在更宏观的城市管理和规划决策层面，大模型也开始展现出其潜力。例如，有研究探索利用大模型构建多智能体系统，来模拟不同利益相关方（如居民、规划师、开发者）在城市规划过程中的互动与协商。还有工作尝试利用大模型的实时推理能力，根据动态变化的交通流量数据，来智能地调整交叉口的信号灯配时方案，以提升整个路网的通行效率。在与我们日常生活息息相关的城市导航任务中，模型需要整合地图信息、实时路况、用户偏好等多方面因素，进行端到端的路径规划和导航决策，确保用户能够安全、高效、舒适地抵达目的地。

当然，将大模型应用于复杂的城市空间智能任务，也面临着独特的挑战。城市数据的来源极其多样化（传感器、文本、图像、矢量地图等），如何有效地融合这些异构数据，形成统一而全面的空间表征，是一个基础性难题。城市环境本身是高度动态变化的（交通拥堵、天气变化、突发事件等），如何让模型能够实时捕捉这些变化并做出快速适应性的响应，而非仅仅依赖于静态的训练数据，是提升模型实用性的关键。

此外，大模型在进行空间推理和决策时的“黑箱”特性，也带来了可解释性和可信度的问题。如何确保模型的决策过程符合空间逻辑和因果关系，而非仅仅基于数据中的统计关联？如何避免模型因为训练数据中存在的偏见而产生不公平的规划建议或资源分配方案？这些问题都需要在未来的研究中得到重点关注和解决。发展更强大的动态空间建模能力、构建具备因果推理能力的空间智能框架、以及建立完善的算法偏见审计与缓解机制，将是推动城市空间智能走向成熟和负责任应用的重要方向。

地球空间智能（Earth Spatial Intelligence, ESI）：以AI之眼洞察我们的蓝色星球

当我们将空间智能的尺度再次放大，直至覆盖我们赖以生存的整个地球时，便进入了地球空间智能（ESI）的范畴。这是一个新兴的交叉学科领域，旨在利用人工智能，特别是大模型的能力，来处理和分析源自地球观测（如卫星遥感、地面传感器网络）、模拟计算以及其他途径的海量、多模态、时空关联的地球科学数据。其目标是应对诸如气候变化预测与适应、自然资源可持续管理、生态环境保护、地质灾害防治等一系列关乎人类命运和地球健康的全球性重大挑战。

大语言模型（LLMs）和多模态大语言模型（MLLMs）凭借其强大的信息处理、模式识别和知识整合能力，正在为地球空间智能注入新的活力。

首先，在全球尺度的空间编码方面，如何让模型有效地理解和表征地球表面上的任意位置，是一个基础且关键的问题。虽然在许多基于LLM的应用中，简单地使用经纬度坐标作为位置输入是常见的做法，但在更专业的机器学习和深度学习应用中，研究者们已经开发并评估了多种更精密的地理空间表示方法。这些方法包括基于离散网格瓦片ID的编码、利用周期性函数（如正弦和余弦）来编码连续地理坐标的方案、基于核函数的技术，以及能够更好保留地球球面几何特性和点对之间相对顺序关系的三维球面嵌入方法（例如Sphere2Vec）。

虽然一些基准测试表明，针对特定空间任务设计的专门编码方法，其性能可能优于直接将位置信息输入给通用的大型视觉语言模型，但这并不意味着大模型在此领域无用武之地。恰恰相反，大模型在融合多源异构信息（例如结合位置坐标、地名、卫星图像、地形数据等）、进行零样本或少样本学习（即在缺乏大量标注数据的情况下进行预测）以及理解自然语言形式的地理空间指令等方面，展现出了独特的优势和灵活性。

其次，在气候科学领域，气候现象（如温度、降水、气压、风场等）本身就具有强烈的时空依赖性和复杂的相互作用关系，这恰好是大模型（尤其是基于Transformer架构的模型）擅长捕捉和建模的模式类型。因此，研究者们开始尝试利用大模型来提升天气预报（特别是中长期预报和极端天气事件，如强降雨、干旱、热浪的预警）的精度和时效性。例如，有工作将预训练大语言模型中的Transformer模块“冻结”并嵌入到气象预测模型（如降水临近预报的扩散模型）中，希望借助其强大的序列建模能力来更好地捕捉长期的时间依赖关系和动态演变趋势。

还有研究利用大模型和多模态模型来对齐和理解气象雷达/卫星观测的栅格数据与对应的天气事件描述信息，通过在这种联合数据上进行训练，使模型能够基于输入的观测数据更准确地预测未来的气候事件。值得注意的是，在气候科学领域，除了直接应用通用LLM之外，一些专门为天气预报设计的大型AI模型（如盘古气象、风乌、羲和、NowcastNet等）也取得了突破性进展。它们通过在海量历史气象再分析数据上进行大规模训练，学习地球大气系统的复杂动力学规律，已经在全球中期天气预报等任务上展现出超越传统数值预报模型的潜力，这进一步验证了利用大规模数据驱动方法来提升地球系统预测能力的巨大前景。

再次，在地理学领域，大模型所蕴含的丰富的世界知识中，天然包含了大量的地理信息。这使得它们可以直接被应用于各种与地理相关的任务，例如回答关于特定地点的问题（“某某山脉的最高峰是什么？”）、从文本描述或图像中识别出地点（地理定位）、分析区域的社会经济特征等。然而，简单的直接查询或应用也暴露出一些局限性。

评测发现，虽然大模型在基于记忆的任务（如识别著名地标）上表现不错，但在需要更深层次推理的任务（如基于复杂上下文的地理推断、进行专业的地理空间分析）上则面临显著挑战。为了克服这些限制，研究者们提出了一些创新的解决方案。

一种思路是构建框架，将大模型的自然语言理解和任务规划能力，与成熟的传统地理信息系统（GIS）工具的专业空间分析能力相结合，让大模型扮演“指挥官”的角色，自动调用合适的GIS工具来完成用户提出的地理空间任务。另一种思路则是通过改进模型本身或其训练方式来增强其地理空间推理能力，例如，引入能够感知地理邻近性的对比学习损失函数，使得模型学习到的地理实体表征能够反映其空间关系；或者设计能够根据具体任务自动选择和整合多种信息源（如地图、人口统计数据、经济指标等）的智能信息收集模块。

最后，大模型的空间智能潜力也正被积极探索应用于其他地球科学相关学科，如海洋学、地质学、生态学等。这些领域往往面临数据稀疏性（例如深海观测数据远少于陆地）、环境复杂性以及决策过程高度依赖专家知识等挑战，而大模型的自然语言理解、知识整合、泛化学习和推理能力，恰好为应对这些挑战提供了新的可能性。例如，在海洋科学中，有研究利用大模型通过自然语言指令来控制水下自治机器人（AUV）执行复杂的科学考察任务，模型需要理解指令、规划路径、应对未知环境并实时做出调整。还有工作利用大模型来处理稀疏的海洋观测数据（如浮标测量的波浪高度），结合其对时空模式的理解能力来进行更准确的预测。

在地质学中，大模型被用来融合地质勘探报告、钻孔数据、遥感影像等多源信息，预测隧道开挖前方的地质状况，以降低工程风险。还有研究构建了基于多智能体协作的框架，让不同的模型Agent负责从不同的遥感数据（如高光谱、磁异常）中识别与矿产相关的特征，并通过协作推理来辅助矿产资源的勘探。

总的来说，将大模型应用于这些地球科学子领域的通用范式通常可以归纳为两类：一类是将从领域数据中提取的关键空间（或时空）特征，通过专门设计的编码器或对齐模块，与自然语言提示（prompt）相结合，然后输入给大模型，利用其强大的表示和推理能力来完成特定的预测或分类任务；另一类则是设计基于大模型Agent的复杂工作流，让模型能够自主规划、执行、反思并与其他模型或工具交互，以完成需要多步骤推理和决策的复杂空间分析任务。

当然，将大模型应用于地球空间智能领域，同样面临着独特的挑战。如何进一步提升模型在处理具有强物理约束和复杂因果关系的地球系统问题时的推理能力？如何有效融合具有不同时空分辨率、不同模态、不同不确定性的地球科学数据？如何确保模型在数据稀疏或存在偏差情况下的泛化性和可靠性？如何让模型的预测结果和决策过程对于领域专家来说是可解释、可信赖的？这些都是未来研究需要重点攻克的方向。

发展跨领域的迁移学习方法以共享知识、构建标准化的基准测试平台以促进模型比较、利用人机协同和可解释AI（XAI）技术以增强透明度、探索因果推断方法以捕捉真实的地球过程机制，以及加强跨学科合作，将是推动地球空间智能取得更大突破、更好地服务于全球可持续发展目标的关键所在。

第三节：挑战与展望——空间智能的星辰大海

尽管由大模型驱动的空间智能研究与应用已经取得了令人瞩目的成就，描绘出了一幅激动人心的未来图景，但我们必须清醒地认识到，前方的道路依然充满挑战，同时也蕴藏着巨大的发展机遇。

在基础能力层面，关于空间智能的核心问题仍有待深入探索。例如，空间推理的最佳表征形式究竟是什么？是继续深化基于自然语言的符号推理，还是需要发展更通用的、超越语言的表征方式，比如基于图结构、几何约束或多模态融合的框架？此外，目前我们还缺乏一个能够跨领域、跨尺度、全面评估通用空间智能能力的统一基准和理论框架。建立这样的框架，对于理解不同空间任务之间的关联、衡量模型进步以及指导未来研究方向至关重要。我们需要厘清，像心理旋转、空间记忆、路径整合这些在人类认知中被认为是基础的空间能力，在人工智能模型中是如何体现的，以及它们如何支撑起在特定领域（如机器人导航或城市规划）中的高级应用表现。

在具身智能领域，一个关键挑战在于如何将我们从认知科学和神经科学中获得的关于人类空间认知的深刻洞见，不仅仅作为一种表面的灵感来源，而是系统性地、深度地融入到智能体的模型设计、学习算法和行为控制中去，从而真正提升机器人在真实物理世界中的鲁棒性、适应性和泛化能力。这需要跨越认知科学、人工智能和机器人学之间的鸿沟。同时，具身智能所涵盖的任务范围极广，从需要毫米级精度和复杂物理推理的精细操作（例如，灵巧地使用工具），到需要在广阔、动态、未知环境中进行长期自主导航的大尺度运动规划（例如，无人机在城市上空执行任务）。是否有可能，以及如何构建一个统一的、能够自适应地处理这种多层次、多粒度空间智能需求的通用模型或架构，仍然是一个悬而未决的开放性问题。

在城市空间智能领域，挑战同样严峻。首先是城市数据的极端异构性问题：如何将来自传感器网络、移动设备、社交媒体、政府开放平台等不同来源，具有不同格式、不同精度、不同时空分辨率的数据（包括文本、图像、视频、矢量地图、时间序列等）有效融合，形成一个统一而全面的城市空间表征，是进行后续分析和应用的基础，但目前仍缺乏完美的解决方案。

其次，城市是一个高度动态的复杂系统，充满了实时变化（如交通流、人群聚集、空气质量、突发事件等）和长期演化（如土地利用变化、人口迁移、基础设施老化等）。当前主要依赖静态数据训练的大模型，在捕捉、理解和适应这些动态现象方面能力有限，这限制了它们在需要实时响应和预测的城市场景中的应用潜力。

再次，大模型决策过程的不透明性，在城市规划、交通管理、应急响应等高风险、高影响力的应用场景中，引发了关于可解释性、可信赖性和公平性的担忧。我们需要确保模型的推理过程不仅仅是拟合数据中的统计模式，而是真正理解了空间布局、功能联系和因果关系。未来的研究重心可能需要放在：发展能够整合实时数据流、具备动态演化模拟能力的城市空间模型；构建强调因果关系发现与推理的空间智能框架，以提升决策的鲁棒性和洞察力；以及设计和部署有效的算法审计与偏见缓解技术，确保城市空间智能应用的公平性、包容性和伦理性。

在地球空间智能领域，挑战与机遇并存。一方面，如何进一步提升大模型在处理涉及复杂物理过程、多尺度耦合、长时序依赖的地球科学问题时的深度推理能力，特别是在数据稀疏或存在噪声的情况下，仍然是一个核心的技术瓶颈。

另一方面，如何更有效地整合各个地球科学子领域（如大气、海洋、陆地、冰冻圈、生物圈等）的专业知识、物理约束和独特的观测数据特点（例如，遥感数据的多光谱/高光谱特性、地震波数据的复杂性、生物多样性调查数据的非结构化等）到大模型框架中，实现知识驱动与数据驱动的深度融合，是提升模型性能和实用性的关键。

未来的发展方向可能包括：利用迁移学习和领域自适应技术，将在数据丰富的领域训练的模型能力迁移到数据稀疏的相关领域；构建标准化的地球科学基准数据集和评测平台，以促进不同模型和方法的公平比较和协同发展；加强人机协同系统和可解释AI（XAI）方法的研究与应用，以增强领域专家对模型结果的理解、信任和有效利用；探索将因果推断方法引入地球系统建模，以期更好地理解地球过程的驱动机制和反馈回路；以及大力推动跨学科研究团队的紧密合作，将AI技术的最新进展与地球科学的实际需求相结合，共同开发出能够为应对全球环境挑战提供有力支撑的智能解决方案。

最后，值得一提的是，空间智能的研究与近年来同样备受关注的“世界模型”（World Model）概念有着紧密的联系。世界模型旨在构建能够模拟世界（包括物理和社会环境）运行的基本规律、预测未来状态并支持智能体进行规划决策的内部表征。

我们在这里讨论的空间智能，特别是其对空间环境的理解、表征和记忆方面，可以看作是构建世界模型的一个重要组成部分，尤其侧重于“理解世界”这一功能。未来的空间智能研究，有望与世界模型的预测和生成能力（例如，模拟不同城市规划方案的长期影响、预测气候变化下极端天气事件的发生概率和强度）更紧密地结合起来，从而构建出更加强大、全面的人工智能系统，不仅能够理解我们所处的空间世界，更能有效地预测其变化、适应其复杂性，并最终帮助我们更好地管理和塑造我们的未来。

结语

从深入解析人类自身独特的空间认知机制，到努力赋予冰冷的机器以空间记忆、知识和推理的能力，再到将这些新兴的AI能力广泛应用于从微观的机器人交互到宏观的地球系统模拟等跨越巨大尺度的真实世界场景——大语言模型，正以前所未有的力量，深刻地重塑着我们对“空间智能”这一古老而又常新概念的理解和实践。毫无疑问，跨领域、多尺度的空间智能研究，将成为未来人工智能发展版图中的一个极其重要的、充满活力的前沿领域。我们有理由相信，在这条道路上的持续探索和突破，不仅将催生出众多具有巨大科学价值和社会经济效益的创新应用，深刻改变人类认识和改造世界的方式，而且对于推动通用人工智能（AGI）这一终极目标的实现，也将贡献不可或缺的基础性力量。这片由大模型开启的、充满无限可能的空间智能新大陆，正以其独特的魅力，吸引着全球的研究者去探索、去开拓、去创造一个更加智能、更加美好的未来。

本文转载自​​​​欧米伽未来研究所​​​​，作者：欧米伽未来研究所