发布时间：2026-09-07 19:22:18 点击量：
当人工智能从识别图片、生成视频，进一步走向机器人、自动驾驶和真实世界交互，数据问题正在被重新定义。模型不仅需要知道“画面里有什么”，还要理解物体处在什么位置、空间如何变化、动作会产生什么结果，以及这些变化是否符合现实世界的物理规律。
2026年8月29日，在第二届中国空间智能大会（ChinaSI 2026）上，影溯科技联合20余家高校团队及产业机构启动大规模空间智能3D数据开放计划（Large-Scale Spatial Intelligence 3D Data Open Initiative，后文简称“SIDO”）。与一次性发布数据包不同，SIDO将数据生产、开放共享、任务验证、统一评测和应用反馈纳入长期建设机制，目标是为正在进入三维物理世界的人工智能提供可持续的数据基础设施。
文本、图片和视频能够为模型提供丰富的语义与视觉信息，却难以完整表达三维几何、遮挡关系、相机位姿、物体尺度和可交互属性。二维画面中的一个物体看起来位置合理，并不意味着模型已经理解其真实深度；一段生成视频足够逼真，也不代表其中的运动轨迹、空间结构和接触关系能够支持机器人执行任务。
空间智能所需的3D/4D数据，不仅要呈现场景外观，还需要尽可能保留几何结构、时间变化、物体关系、语义信息、物理属性与交互过程。这使数据的采集、重建、生成、标注和质量审核都比二维数据更为复杂。
影溯创始人、浙江大学教授章国锋在发布会上指出，空间智能正从单点算法验证走向大模型训练和产业落地，数据开始决定技术能力的上限。但与互联网中大量存在的语言、图像和视频不同，原生高质量3D数据依然稀缺，现有数据还普遍存在规模有限、场景单一、动态信息不足和标准不统一等问题。
发布会上，厦门大学教授王程从基础设施角度解释了SIDO与ImageNet的联系。两者的共同点，是为人工智能模型训练、评价与反馈提供公共基础，使模型能力能够在相对统一的条件下被比较和迭代。
二者面对的数据对象和技术难度则明显不同。ImageNet主要建立在二维图片及语义标注之上，而空间智能数据需要描述三维乃至三维加时间的四维世界。除语义信Kaiyun中国大陆官方网站息外，还涉及遮挡、光照、动作、动态变化与物体交互等复杂维度。
因此，“3D时代的ImageNet”更适合作为对空间智能数据基础设施的形象解释，而不是简单复制ImageNet的规模或分类方式。行业真正缺少的，是一套能够持续扩展、支持复杂任务并与统一评测结合的数据体系。
真实采集、互联网内容升维与仿线D数据的结构性缺口，SIDO提出三条互补路径：通过激光雷达、多视角影像、机器人和其他传感器采集线D重建与生成技术，将互联网中长期积累的图片和视频转化为空间一致的3D/4D表达；通过仿真与合成补充现实中成本高、风险高、难以重复采集的特殊和长尾场景。
三类数据并不是三选一。互联网内容有助于扩展规模与场景多样性，真实采集提供现实噪声、几何精度和物理可信度，仿真合成则能够精确控制变量，构造罕见或高风险情境。只有将三者结合，才可能同时兼顾真实性、规模、精度和可控性。
百万级是SIDO的长期总体目标，但计划并不以“收集多少就发布多少”为推进方式。发布会现场提出，数据需要经过模型训练和真实任务验证，再根据评测结果判断哪些数据真正有助于能力提升，并据此反向调整采集、生成、清洗和标注策略。
这意味着数据生产将从单向供给转向闭环：模型和应用需求先定义数据规范，数据进入训练与评测后暴露失败案例，失败案例再成为下一轮数据建设的依据。数据规模固然重要，但数据是否覆盖关键问题、能否Kaiyun中国大陆官方网站被稳定复用，以及能否改善模型在真实任务中的表现，同样决定其价值。
如果缺少统一任务和评测体系，数据很难真正成为行业可复用的基础设施。不同团队使用不同数据、任务定义和评价口径，即使模型成绩不断提高，也难以判断进步来自真实能力提升，还是针对特定数据与指标的优化。
SIDO因此将数据集与评测基准（Benchmark）同步推进，围绕3D重建与生成、检测与分割、空间推理、场景理解、动态预测、具身交互与规划等方向，逐步建立统一协议、标准指标、自动化评测和可视化分析能力。
评测的重点也不应停留在“看起来是否逼真”。对于机器人和世界模型而言，更关键的问题是模型能否保持空间结构、遵循物理规律、准确预测动作结果，并在新的场景和长尾任务中保持可用。Benchmark既是比较模型的标尺，也应成为发现数据缺口、修正模型路线和验证产业价值的反馈系统。
当数据来自不同设备、机构和场景，如果缺少统一格式、质量规范和许可边界，大规模数据很容易重新变成彼此割裂的“数据孤岛”。中国电子技术标准化研究院数字中心应用技术研究部主任潘榕在发布会上表示，标准化不仅关系到数据格式和采集设备，也关系到数据质量评价、安全伦理、知识产权与后续应用。
按照计划，SIDO将根据质量、版权、隐私和场景安全要求分阶段开放数据。每批数据需明确来源、权利链和许可范围，并根据公开展示、科研使用和商业使用等需求划分相应权限；涉及个人隐私、关键设施或敏感场景的信息，则需要进行脱敏或必要处理。
从更长周期看，数据规范、Benchmark和应用反馈需要共同演进。只有让不同来源的数据能够被理解、比较和复用，让评测结果可以复现并接受持续检验，空间智能的数据基础设施才可能真正服务于机器人、自动驾驶、工业制造、AR/VR、影视和游戏等产业。
从二维内容理解走向三维物理世界，人工智能面临的不再只是模型参数和算力问题。数据是否足够真实、丰富和可评测，将直接影响模型能否理解空间、预测变化并完成行动。
SIDO希望通过开放共建，将高校的研究能力、产业伙伴的数据与工具、应用企业的真实任务和标准化机构的治理能力连接起来，使数据、模型、评测和应用形成持续迭代的闭环。对空间智能而言，这套基础设施的意义，不只是让模型在榜单上获得更高分数，而是帮助行业更准确地判断：模型究竟学会了什么，距离进入真实世界还有多远。
