邵岭博士在人工智能领域有着数十年的前沿探索经验。

据IPO早知道消息，特斯联国际总裁、特斯联首席科学家、AI Lab负责人邵岭博士日前分享了其对空间智能及衍生话题的看法。

邵岭博士在人工智能领域有着数十年的前沿探索经验。他认为，空间智能和World Model（世界模型）并不是同一概念，但它们之间是紧密相关的。空间智能提供的强大的空间感知和理解能力，是构建准确、全面的World Model（世界模型）的必要前提。

在邵岭博士看来，空间智能可看作是计算机视觉的高级呈现及延伸，它需要机器具有能够感知、理解、推理并与三维物理世界交互的能力。空间智能不仅仅是简单的物体识别，更重要的是理解物体之间的空间关系、环境的上下文以及这些信息对交互行为的影响。

空间智能是继语言智能（LLMs）后人工智能发展的下一个关键步骤，它能够弥合“感知”和“行动”之间的差距。当前的人工智能在感知方面表现出色，但往往难以将感知转化为现实世界中的有效行动。空间智能则能够成为克服这一局限性的关键。

另一方面，World Model（世界模型）是对环境和物理世界的一种内部表征，它能够预测环境未来的状态并支持规划。世界模型能够学习现实世界的物理规律、空间属性和因果关系。空间智能和World Model（世界模型）并不是同一概念，但它们之间是紧密相关的。

邵岭博士表示，空间智能提供的强大的空间感知和理解能力，是构建准确、全面的World Model（世界模型）的必要前提。人工智能系统需要通过空间智能来感知环境、识别物体及其关系，并将这些信息整合到其内部的世界表征中；World Model通过预测行为后果和规划，使得人工智能能够将感知到的空间信息转化为有效的行动。 

对于空间智能的主流实现路径，邵岭博士说，“实现空间智能并非只有单一路径，除了备受关注的LWM（大世界模型），还存在多种不同的、互补的技术路径。”

这些技术路径在核心技术和解决问题的思路上有所不同，它们在特定场景下具有各自不同的优势。例如，基于显式知识与推理的技术路线，侧重于结构化知识和逻辑推理；基于多模态融合的方案，强调整合不同感官信息以提升感知能力；基于具身智能的探索与学习方案，关注通过与环境互动自主获取知识。随着技术的发展，未来会出现多种技术的融合方法，例如将知识图谱融入大模型以增强其推理能力，或利用具身智能进行更有效的数据收集。

特斯联目前采用空间数据知识、领域模型工具，AI智能体以及空间感知模型技术相融合的方案，利用构建的知识库和系统工具，增强模型的空间感知能力。探索这些多样化的技术路径，能够更全面地推动空间智能的发展，使其在各种复杂和动态的环境中发挥更强大的作用。