我們生活在一個由空間構(gòu)成的世界中。從每天在家居、辦公環(huán)境或城市街道中的移動，到規(guī)劃一次跨越山海的旅行，乃至科學(xué)家們研究氣候變遷的地理模式、城市擴(kuò)張的復(fù)雜格局，這一切都深刻地依賴于我們對空間的感知、理解和運(yùn)用能力。這種核心能力，我們稱之為“空間智能”。

長久以來，人類憑借自身的感官系統(tǒng)和發(fā)達(dá)的大腦，不斷地探索、適應(yīng)并改造著周遭的空間環(huán)境，演化出了獨(dú)特的空間認(rèn)知機(jī)制。而今，隨著人工智能（AI）技術(shù)的日新月異，特別是大語言模型（LLMs）的橫空出世，機(jī)器也開始顯露出令人矚目的空間智能潛力。這場由大模型引領(lǐng)的技術(shù)浪潮，正以前所未有的深度和廣度，滲透到從微觀尺度的機(jī)器人導(dǎo)航，到中觀尺度的城市規(guī)劃管理，再到宏觀尺度的地球科學(xué)研究等諸多領(lǐng)域。

這部報告由清華大學(xué)和芬蘭赫爾辛基大學(xué)共同發(fā)布，將帶領(lǐng)讀者一同深入探究，大模型是如何被賦予“空間感”的？它們在跨越不同尺度的空間智能任務(wù)中扮演著怎樣日益重要的角色？以及在邁向更高級空間智能的征途上，我們還面臨哪些挑戰(zhàn)與無限可能？

第一節(jié)：空間智能的基石——大模型如何“理解”空間？

要讓機(jī)器具備真正意義上的空間智能，首要任務(wù)是讓它們能夠像人類一樣去“理解”空間。這并非易事，其核心在于構(gòu)建兩大基礎(chǔ)能力：有效的空間記憶與知識儲備，以及靈活的抽象空間推理能力。

空間記憶與知識：大模型腦中的“世界地圖”

我們每個人在探索環(huán)境的過程中，都會在腦海中構(gòu)建一幅內(nèi)在的“認(rèn)知地圖”。這幅地圖并非嚴(yán)格精確的物理復(fù)制品，而是我們對環(huán)境空間布局、地標(biāo)、路徑等信息的個性化、有時甚至是略帶主觀扭曲的內(nèi)部表征。正是這幅認(rèn)知地圖，引導(dǎo)著我們的日常導(dǎo)航行為，幫助我們回憶起曾經(jīng)走過的路。神經(jīng)科學(xué)的研究揭示了其生物學(xué)基礎(chǔ)，大腦中的海馬體和內(nèi)嗅皮層等區(qū)域，特別是其中的“位置細(xì)胞”（當(dāng)我們處于特定地點(diǎn)時激活）和“網(wǎng)格細(xì)胞”（提供類似坐標(biāo)系的度量信息），在構(gòu)建和維護(hù)這幅內(nèi)在地圖中發(fā)揮著至關(guān)重要的作用。

更進(jìn)一步，人類還能超越具體環(huán)境，形成更為抽象的“空間圖式”。這是一種從大量相似經(jīng)驗中提煉出來的、關(guān)于空間組織方式的通用知識結(jié)構(gòu)，比如我們對“典型現(xiàn)代城市街道網(wǎng)絡(luò)”或“標(biāo)準(zhǔn)公寓房間布局”會有一種大致的預(yù)期和理解。

那么，計算模型，尤其是大語言模型，是如何學(xué)習(xí)和存儲類似的空間記憶與知識的呢？它們獲取空間信息的方式主要有兩種。其一，通過“內(nèi)化吸收”。在預(yù)訓(xùn)練階段，大模型會接觸并處理包含海量文本和（對于多模態(tài)模型而言還包括）圖像的數(shù)據(jù)。這些數(shù)據(jù)中蘊(yùn)藏著豐富的地理名稱、地點(diǎn)描述、空間關(guān)系（如“A在B旁邊”）、物體外觀、地圖圖片等等。模型在學(xué)習(xí)語言模式的同時，也將這些空間相關(guān)的信息以某種復(fù)雜的方式編碼、壓縮并存儲在其龐大的內(nèi)部參數(shù)網(wǎng)絡(luò)中，形成了一個隱性的、內(nèi)化的空間知識庫。

例如，模型通過閱讀大量文章可能“知道”了倫敦是英國的首都，泰晤士河流經(jīng)倫敦，并通過觀看圖片“認(rèn)識”了大本鐘的樣貌。研究證實，現(xiàn)有的大模型確實能夠回憶起這些空間實體、屬性及其相互關(guān)系。其二，是“外部調(diào)用”。當(dāng)模型自身的內(nèi)部知識不足、過時或需要處理非常具體、實時的空間信息（如某條道路當(dāng)前的擁堵狀況）時，它們可以通過設(shè)計的接口，主動查詢外部的專業(yè)數(shù)據(jù)庫、地理信息系統(tǒng)（GIS）、知識圖譜或者實時傳感器數(shù)據(jù)流，從而獲取所需的、外化的空間知識。

然而，必須承認(rèn)，大模型在空間記憶和知識方面遠(yuǎn)非完美。一個突出的問題是“幻覺”現(xiàn)象，即模型可能會生成看似合理但實際上不符合事實的空間信息，比如憑空捏造一個地點(diǎn)，或者錯誤地描述兩個地點(diǎn)的相對位置。這無疑會影響其在實際應(yīng)用中的可靠性。另一個嚴(yán)峻的挑戰(zhàn)是知識的動態(tài)更新。真實世界的空間環(huán)境是不斷變化的：新的建筑拔地而起，舊的商鋪關(guān)門歇業(yè)，交通網(wǎng)絡(luò)持續(xù)調(diào)整。如何讓模型內(nèi)部存儲的知識能夠及時、高效、準(zhǔn)確地反映這些變化，即進(jìn)行有效的“知識編輯”，是一個亟待解決的技術(shù)難題。

抽象空間推理：超越“死記硬背”的邏輯能力

僅僅記住關(guān)于空間的事實是遠(yuǎn)遠(yuǎn)不夠的。真正的空間智能核心在于推理能力——基于已知信息推導(dǎo)出新知識、解決新問題的能力。抽象空間推理特指將紛繁復(fù)雜的現(xiàn)實空間環(huán)境簡化為易于操作的心智模型，并在此模型上進(jìn)行邏輯思考、規(guī)劃和決策的能力。這就像我們不僅能在地圖上找到目的地，還能規(guī)劃出一條最佳路線；不僅認(rèn)識一個物體，還能想象它從不同角度觀察或旋轉(zhuǎn)后的樣子。

當(dāng)前，研究人員對大模型抽象空間推理能力的評估和提升，主要圍繞幾個關(guān)鍵方向展開。其一是定性空間推理，這考察模型理解和運(yùn)用基于語言描述的空間關(guān)系（如“在…上方”、“朝…方向”、“介于…之間”）進(jìn)行邏輯推斷的能力。實驗表明，雖然大模型能處理簡單的單步關(guān)系判斷，但在涉及多步驟、傳遞性的復(fù)雜推理鏈條時（例如，“A在B北面，B在C西面，問A在C的哪個方向？”），其準(zhǔn)確率會顯著下降。不過，研究也發(fā)現(xiàn)，引導(dǎo)模型采用結(jié)構(gòu)化的思考方式，比如逐步分析問題，有助于改善其表現(xiàn)。

其二是幾何推理，這聚焦于模型對基礎(chǔ)數(shù)學(xué)幾何概念（例如形狀、大小、角度、距離、對稱性、拓?fù)潢P(guān)系等）的理解程度，以及運(yùn)用這些概念解決空間問題的能力。相關(guān)的基準(zhǔn)測試顯示，大模型和視覺語言模型在處理需要深度幾何邏輯推演的問題時，相比于簡單檢索存儲的幾何知識，表現(xiàn)要遜色得多，尤其是在需要從結(jié)果反推條件的逆向推理任務(wù)上。

其三是圖論推理?，F(xiàn)實世界中的許多空間關(guān)系，特別是網(wǎng)絡(luò)結(jié)構(gòu)（如道路網(wǎng)、地鐵線路、社交網(wǎng)絡(luò)中的地理分布），可以很自然地抽象為圖的形式，其中節(jié)點(diǎn)代表地點(diǎn)或?qū)嶓w，邊代表它們之間的連接或關(guān)系。圖論推理評估模型理解和操作這種圖結(jié)構(gòu)的能力，例如尋找兩個節(jié)點(diǎn)間的最短路徑、判斷網(wǎng)絡(luò)的連通性、識別特定的子圖模式等。評測結(jié)果指出，大模型在執(zhí)行復(fù)雜的圖算法（如計算最小生成樹、尋找哈密頓回路）方面仍存在明顯不足，但通過設(shè)計針對性的訓(xùn)練方法，例如強(qiáng)調(diào)中間計算步驟的學(xué)習(xí)，可以一定程度上彌補(bǔ)這些缺陷。

總體來看，一個普遍的認(rèn)識是，當(dāng)前的大語言模型在處理抽象空間問題時，很大程度上仍然是利用其強(qiáng)大的語言建模能力來“模仿”或“轉(zhuǎn)譯”空間任務(wù)，而非真正擁有了與人類相似的、基于非語言表征的深層空間認(rèn)知與推理機(jī)制。如何彌合語言理解與真正空間認(rèn)知之間的鴻溝，讓模型不僅僅是“說”得像，更能“想”得對，是該領(lǐng)域面臨的核心挑戰(zhàn)和未來研究的關(guān)鍵方向。結(jié)構(gòu)化推理框架的設(shè)計、引入外部知識的引導(dǎo)、以及對模型內(nèi)部推理過程的監(jiān)督學(xué)習(xí)，都被認(rèn)為是具有潛力的改進(jìn)途徑。

第二節(jié)：從微觀到宏觀——大模型驅(qū)動的多尺度空間智能應(yīng)用

當(dāng)大模型具備了初步的空間記憶、知識和推理能力后，它們便開始在真實世界的各種空間智能任務(wù)中扮演起越來越重要的角色。這些應(yīng)用場景跨越了巨大的尺度范圍：從個體機(jī)器人所處的幾米見方的微觀環(huán)境，到人類社會活動密集展開的城市空間，再到覆蓋整個地球、關(guān)乎全球生態(tài)與發(fā)展的宏觀系統(tǒng)。在每一個尺度上，大模型都帶來了新的視角和強(qiáng)大的賦能。

具身智能（Embodied Intelligence）：讓機(jī)器人更懂空間、更會行動

具身智能研究的核心，是如何讓智能體（通常是機(jī)器人）能夠在物理世界中有效地感知環(huán)境、理解指令、與物體交互并自主導(dǎo)航。這與空間智能的概念密不可分。想象一下未來的家庭服務(wù)機(jī)器人，它需要精確理解家中的三維布局，識別沙發(fā)、桌子、杯子等物品的位置和狀態(tài)，聽懂主人“去客廳茶幾上幫我拿一下遙控器”這樣的自然語言指令，然后自主規(guī)劃出一條安全高效的路徑，靈巧地避開障礙物，最終完成任務(wù)。整個過程可以看作是空間智能在微觀尺度上的集中體現(xiàn)，大致包含兩個相互關(guān)聯(lián)的關(guān)鍵階段。

首先是空間感知與理解。這是智能體通過其傳感器（如攝像頭、激光雷達(dá)、觸覺傳感器等）收集環(huán)境信息，并將其處理、融合成對周圍空間狀態(tài)的內(nèi)部表征的過程。近年來，多模態(tài)大語言模型（MLLMs）的發(fā)展極大地推動了這一領(lǐng)域。研究者們致力于讓模型能夠融合來自不同模態(tài)的數(shù)據(jù)流，例如結(jié)合視覺圖像（RGB）、深度信息（提供距離感）以及自然語言描述，來實現(xiàn)更精準(zhǔn)的三維物體定位、空間關(guān)系判斷（例如，“杯子在桌子上面靠近邊緣的地方”）以及場景語義理解（例如，識別出這是一個廚房環(huán)境）。

進(jìn)一步地，模型還需要具備處理動態(tài)場景的能力，能夠整合來自不同時間點(diǎn)、不同視角的觀測信息，形成對環(huán)境（如一個房間或一個樓層）隨時間變化的連貫認(rèn)知。為了支持機(jī)器人在未知環(huán)境中進(jìn)行長期探索或執(zhí)行復(fù)雜任務(wù)，研究者還借鑒了人類的記憶機(jī)制，開發(fā)了讓智能體能夠記錄已探索區(qū)域地圖、識別未知邊界、并基于記憶進(jìn)行高效探索規(guī)劃的系統(tǒng)。

其次是空間交互與導(dǎo)航。在對環(huán)境有了充分理解之后，智能體需要基于任務(wù)目標(biāo)和當(dāng)前狀態(tài)，做出決策并執(zhí)行相應(yīng)的物理動作。這可以小到控制機(jī)械臂以合適的姿態(tài)和力度抓取一個特定物體，也可以大到規(guī)劃機(jī)器人在復(fù)雜環(huán)境中的移動路徑。

一些研究工作嘗試?yán)妙A(yù)訓(xùn)練好的大模型（特別是視覺語言模型）直接輸出動作指令，將高級任務(wù)分解為底層的控制信號。而在更具挑戰(zhàn)性的、開放式的環(huán)境中，僅僅依靠感知和簡單映射是不夠的，模型還需要展現(xiàn)出更強(qiáng)的推理和規(guī)劃能力。

例如，有工作利用大模型生成環(huán)境的三維空間表征，并在此基礎(chǔ)上規(guī)劃出復(fù)雜的、多步驟的操作序列來完成任務(wù)。另一些工作則利用圖神經(jīng)網(wǎng)絡(luò)等結(jié)構(gòu)來顯式地建模環(huán)境中的障礙物布局和物體間關(guān)系，以輔助機(jī)器人做出更安全、更合理的動作決策。在導(dǎo)航任務(wù)方面，大模型同樣發(fā)揮著核心作用。一種思路是將環(huán)境的視覺或其他傳感信息實時地轉(zhuǎn)化為文本描述，然后輸入給大語言模型，利用其強(qiáng)大的常識推理和規(guī)劃能力來決定下一步的行動方向。另一種思路則更直接地利用多模態(tài)大模型，讓其同時處理視覺輸入（如第一人稱視角的圖像或鳥瞰圖）和任務(wù)指令，并結(jié)合對空間布局的理解，直接輸出導(dǎo)航?jīng)Q策或路徑規(guī)劃。

盡管進(jìn)展令人興奮，但要讓機(jī)器人達(dá)到真正流暢、魯棒、智能的空間交互水平，仍有許多難題待解。例如，如何更高效地融合異構(gòu)的多模態(tài)信息？如何提升模型在復(fù)雜、動態(tài)、非結(jié)構(gòu)化環(huán)境下的細(xì)粒度空間推理能力？如何讓機(jī)器人的空間認(rèn)知和行為模式更接近人類的直覺，更具可解釋性？這些都是具身智能領(lǐng)域持續(xù)探索的重要方向。

城市空間智能（Urban Spatial Intelligence）：賦能更智慧、更宜居的城市

當(dāng)我們將研究的視野從機(jī)器人所處的室內(nèi)或局部環(huán)境，擴(kuò)展到廣闊而復(fù)雜的城市空間時，空間智能的內(nèi)涵和挑戰(zhàn)也隨之發(fā)生了深刻的變化。在城市這個宏大的尺度下，單個智能體（無論是人類個體還是自動駕駛汽車）的物理尺寸相對于整個環(huán)境來說變得微不足道。智能系統(tǒng)需要處理的是遠(yuǎn)超個體直接感知范圍的、更加抽象和符號化的空間信息。

這要求模型具備構(gòu)建大規(guī)模認(rèn)知地圖、進(jìn)行高效路徑規(guī)劃與交通流優(yōu)化、理解城市功能分區(qū)與土地利用模式、模擬人群活動規(guī)律、甚至輔助進(jìn)行空間規(guī)劃與設(shè)計等一系列高級能力。城市，作為人類社會活動最集中、空間結(jié)構(gòu)最復(fù)雜的人造系統(tǒng)，天然地成為了檢驗和發(fā)展宏觀尺度空間智能的最佳試驗場。它融合了物理的基礎(chǔ)設(shè)施網(wǎng)絡(luò)（道路、建筑、管線）、功能性的區(qū)域劃分（商業(yè)區(qū)、住宅區(qū)、工業(yè)區(qū)）、以及動態(tài)的社會經(jīng)濟(jì)活動流（人流、車流、信息流），為空間智能研究提供了豐富的數(shù)據(jù)和極具價值的應(yīng)用場景。

大模型在城市空間智能領(lǐng)域的應(yīng)用探索，正呈現(xiàn)出蓬勃發(fā)展的態(tài)勢，可以大致歸納為以下幾個關(guān)鍵方面。

其一是空間理解與記憶。這關(guān)乎模型如何編碼、存儲、檢索和理解關(guān)于城市的海量空間信息。大模型在預(yù)訓(xùn)練過程中，已經(jīng)從文本數(shù)據(jù)中學(xué)習(xí)到了大量的地理先驗知識，例如城市名稱、地標(biāo)建筑、行政區(qū)劃邊界等。

研究者們進(jìn)一步探索如何結(jié)合更多元的城市數(shù)據(jù)源，如高分辨率的衛(wèi)星影像、覆蓋全城的街景圖片、包含各類場所信息的興趣點(diǎn)（POI）數(shù)據(jù)、甚至是社交媒體上用戶分享的帶有地理標(biāo)簽的內(nèi)容，來讓模型更深入地理解城市區(qū)域的功能特征（例如，判斷一個街區(qū)是繁華的商業(yè)中心還是寧靜的居民區(qū)）、評估其建成環(huán)境質(zhì)量、甚至預(yù)測其社會經(jīng)濟(jì)發(fā)展水平。

同時，利用大模型輔助構(gòu)建結(jié)構(gòu)化的“城市知識圖譜”，能夠系統(tǒng)地存儲城市中各種空間實體（如道路、建筑、區(qū)域）及其之間的復(fù)雜關(guān)系（如鄰近、包含、連通、功能相似性等），為后續(xù)更復(fù)雜的空間推理和應(yīng)用奠定堅實的數(shù)據(jù)基礎(chǔ)。實現(xiàn)這些目標(biāo)的技術(shù)路徑多種多樣，包括通過精心設(shè)計的提示語（Prompt Engineering）來有效激發(fā)和提取模型內(nèi)部蘊(yùn)含的先驗知識、發(fā)展多模態(tài)融合技術(shù)來對齊和關(guān)聯(lián)來自不同數(shù)據(jù)源的區(qū)域特征信息、以及利用大模型自動生成標(biāo)注數(shù)據(jù)或提供指導(dǎo)信號來輔助訓(xùn)練下游的城市分析任務(wù)模型等。

其二是空間推理與智能。這更側(cè)重于利用已有的城市空間數(shù)據(jù)和知識，通過邏輯推理來挖掘隱含信息、預(yù)測未來發(fā)展趨勢、并最終支持更優(yōu)的城市管理和決策。例如，有研究利用大模型結(jié)合街景圖像進(jìn)行高精度的地理定位推理。在理解和預(yù)測人類在城市空間中的移動行為方面，大模型被用來學(xué)習(xí)和模擬個體的出行習(xí)慣與模式，分析人群的時空聚集特征，這對于優(yōu)化交通系統(tǒng)、規(guī)劃公共服務(wù)設(shè)施、進(jìn)行商業(yè)智能分析等都具有重要的應(yīng)用價值。

在更宏觀的城市管理和規(guī)劃決策層面，大模型也開始展現(xiàn)出其潛力。例如，有研究探索利用大模型構(gòu)建多智能體系統(tǒng)，來模擬不同利益相關(guān)方（如居民、規(guī)劃師、開發(fā)者）在城市規(guī)劃過程中的互動與協(xié)商。還有工作嘗試?yán)么竽Ｐ偷膶崟r推理能力，根據(jù)動態(tài)變化的交通流量數(shù)據(jù)，來智能地調(diào)整交叉口的信號燈配時方案，以提升整個路網(wǎng)的通行效率。在與我們?nèi)粘Ｉ钕⑾⑾嚓P(guān)的城市導(dǎo)航任務(wù)中，模型需要整合地圖信息、實時路況、用戶偏好等多方面因素，進(jìn)行端到端的路徑規(guī)劃和導(dǎo)航?jīng)Q策，確保用戶能夠安全、高效、舒適地抵達(dá)目的地。

當(dāng)然，將大模型應(yīng)用于復(fù)雜的城市空間智能任務(wù)，也面臨著獨(dú)特的挑戰(zhàn)。城市數(shù)據(jù)的來源極其多樣化（傳感器、文本、圖像、矢量地圖等），如何有效地融合這些異構(gòu)數(shù)據(jù)，形成統(tǒng)一而全面的空間表征，是一個基礎(chǔ)性難題。城市環(huán)境本身是高度動態(tài)變化的（交通擁堵、天氣變化、突發(fā)事件等），如何讓模型能夠?qū)崟r捕捉這些變化并做出快速適應(yīng)性的響應(yīng)，而非僅僅依賴于靜態(tài)的訓(xùn)練數(shù)據(jù)，是提升模型實用性的關(guān)鍵。

此外，大模型在進(jìn)行空間推理和決策時的“黑箱”特性，也帶來了可解釋性和可信度的問題。如何確保模型的決策過程符合空間邏輯和因果關(guān)系，而非僅僅基于數(shù)據(jù)中的統(tǒng)計關(guān)聯(lián)？如何避免模型因為訓(xùn)練數(shù)據(jù)中存在的偏見而產(chǎn)生不公平的規(guī)劃建議或資源分配方案？這些問題都需要在未來的研究中得到重點(diǎn)關(guān)注和解決。發(fā)展更強(qiáng)大的動態(tài)空間建模能力、構(gòu)建具備因果推理能力的空間智能框架、以及建立完善的算法偏見審計與緩解機(jī)制，將是推動城市空間智能走向成熟和負(fù)責(zé)任應(yīng)用的重要方向。

地球空間智能（Earth Spatial Intelligence, ESI）：以AI之眼洞察我們的藍(lán)色星球

當(dāng)我們將空間智能的尺度再次放大，直至覆蓋我們賴以生存的整個地球時，便進(jìn)入了地球空間智能（ESI）的范疇。這是一個新興的交叉學(xué)科領(lǐng)域，旨在利用人工智能，特別是大模型的能力，來處理和分析源自地球觀測（如衛(wèi)星遙感、地面?zhèn)鞲衅骶W(wǎng)絡(luò)）、模擬計算以及其他途徑的海量、多模態(tài)、時空關(guān)聯(lián)的地球科學(xué)數(shù)據(jù)。其目標(biāo)是應(yīng)對諸如氣候變化預(yù)測與適應(yīng)、自然資源可持續(xù)管理、生態(tài)環(huán)境保護(hù)、地質(zhì)災(zāi)害防治等一系列關(guān)乎人類命運(yùn)和地球健康的全球性重大挑戰(zhàn)。

大語言模型（LLMs）和多模態(tài)大語言模型（MLLMs）憑借其強(qiáng)大的信息處理、模式識別和知識整合能力，正在為地球空間智能注入新的活力。

首先，在全球尺度的空間編碼方面，如何讓模型有效地理解和表征地球表面上的任意位置，是一個基礎(chǔ)且關(guān)鍵的問題。雖然在許多基于LLM的應(yīng)用中，簡單地使用經(jīng)緯度坐標(biāo)作為位置輸入是常見的做法，但在更專業(yè)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)應(yīng)用中，研究者們已經(jīng)開發(fā)并評估了多種更精密的地理空間表示方法。這些方法包括基于離散網(wǎng)格瓦片ID的編碼、利用周期性函數(shù)（如正弦和余弦）來編碼連續(xù)地理坐標(biāo)的方案、基于核函數(shù)的技術(shù)，以及能夠更好保留地球球面幾何特性和點(diǎn)對之間相對順序關(guān)系的三維球面嵌入方法（例如Sphere2Vec）。

雖然一些基準(zhǔn)測試表明，針對特定空間任務(wù)設(shè)計的專門編碼方法，其性能可能優(yōu)于直接將位置信息輸入給通用的大型視覺語言模型，但這并不意味著大模型在此領(lǐng)域無用武之地。恰恰相反，大模型在融合多源異構(gòu)信息（例如結(jié)合位置坐標(biāo)、地名、衛(wèi)星圖像、地形數(shù)據(jù)等）、進(jìn)行零樣本或少樣本學(xué)習(xí)（即在缺乏大量標(biāo)注數(shù)據(jù)的情況下進(jìn)行預(yù)測）以及理解自然語言形式的地理空間指令等方面，展現(xiàn)出了獨(dú)特的優(yōu)勢和靈活性。

其次，在氣候科學(xué)領(lǐng)域，氣候現(xiàn)象（如溫度、降水、氣壓、風(fēng)場等）本身就具有強(qiáng)烈的時空依賴性和復(fù)雜的相互作用關(guān)系，這恰好是大模型（尤其是基于Transformer架構(gòu)的模型）擅長捕捉和建模的模式類型。因此，研究者們開始嘗試?yán)么竽Ｐ蛠硖嵘鞖忸A(yù)報（特別是中長期預(yù)報和極端天氣事件，如強(qiáng)降雨、干旱、熱浪的預(yù)警）的精度和時效性。例如，有工作將預(yù)訓(xùn)練大語言模型中的Transformer模塊“凍結(jié)”并嵌入到氣象預(yù)測模型（如降水臨近預(yù)報的擴(kuò)散模型）中，希望借助其強(qiáng)大的序列建模能力來更好地捕捉長期的時間依賴關(guān)系和動態(tài)演變趨勢。

還有研究利用大模型和多模態(tài)模型來對齊和理解氣象雷達(dá)/衛(wèi)星觀測的柵格數(shù)據(jù)與對應(yīng)的天氣事件描述信息，通過在這種聯(lián)合數(shù)據(jù)上進(jìn)行訓(xùn)練，使模型能夠基于輸入的觀測數(shù)據(jù)更準(zhǔn)確地預(yù)測未來的氣候事件。值得注意的是，在氣候科學(xué)領(lǐng)域，除了直接應(yīng)用通用LLM之外，一些專門為天氣預(yù)報設(shè)計的大型AI模型（如盤古氣象、風(fēng)烏、羲和、NowcastNet等）也取得了突破性進(jìn)展。它們通過在海量歷史氣象再分析數(shù)據(jù)上進(jìn)行大規(guī)模訓(xùn)練，學(xué)習(xí)地球大氣系統(tǒng)的復(fù)雜動力學(xué)規(guī)律，已經(jīng)在全球中期天氣預(yù)報等任務(wù)上展現(xiàn)出超越傳統(tǒng)數(shù)值預(yù)報模型的潛力，這進(jìn)一步驗證了利用大規(guī)模數(shù)據(jù)驅(qū)動方法來提升地球系統(tǒng)預(yù)測能力的巨大前景。

再次，在地理學(xué)領(lǐng)域，大模型所蘊(yùn)含的豐富的世界知識中，天然包含了大量的地理信息。這使得它們可以直接被應(yīng)用于各種與地理相關(guān)的任務(wù)，例如回答關(guān)于特定地點(diǎn)的問題（“某某山脈的最高峰是什么？”）、從文本描述或圖像中識別出地點(diǎn)（地理定位）、分析區(qū)域的社會經(jīng)濟(jì)特征等。然而，簡單的直接查詢或應(yīng)用也暴露出一些局限性。

評測發(fā)現(xiàn)，雖然大模型在基于記憶的任務(wù)（如識別著名地標(biāo)）上表現(xiàn)不錯，但在需要更深層次推理的任務(wù)（如基于復(fù)雜上下文的地理推斷、進(jìn)行專業(yè)的地理空間分析）上則面臨顯著挑戰(zhàn)。為了克服這些限制，研究者們提出了一些創(chuàng)新的解決方案。

一種思路是構(gòu)建框架，將大模型的自然語言理解和任務(wù)規(guī)劃能力，與成熟的傳統(tǒng)地理信息系統(tǒng)（GIS）工具的專業(yè)空間分析能力相結(jié)合，讓大模型扮演“指揮官”的角色，自動調(diào)用合適的GIS工具來完成用戶提出的地理空間任務(wù)。另一種思路則是通過改進(jìn)模型本身或其訓(xùn)練方式來增強(qiáng)其地理空間推理能力，例如，引入能夠感知地理鄰近性的對比學(xué)習(xí)損失函數(shù)，使得模型學(xué)習(xí)到的地理實體表征能夠反映其空間關(guān)系；或者設(shè)計能夠根據(jù)具體任務(wù)自動選擇和整合多種信息源（如地圖、人口統(tǒng)計數(shù)據(jù)、經(jīng)濟(jì)指標(biāo)等）的智能信息收集模塊。

最后，大模型的空間智能潛力也正被積極探索應(yīng)用于其他地球科學(xué)相關(guān)學(xué)科，如海洋學(xué)、地質(zhì)學(xué)、生態(tài)學(xué)等。這些領(lǐng)域往往面臨數(shù)據(jù)稀疏性（例如深海觀測數(shù)據(jù)遠(yuǎn)少于陸地）、環(huán)境復(fù)雜性以及決策過程高度依賴專家知識等挑戰(zhàn)，而大模型的自然語言理解、知識整合、泛化學(xué)習(xí)和推理能力，恰好為應(yīng)對這些挑戰(zhàn)提供了新的可能性。例如，在海洋科學(xué)中，有研究利用大模型通過自然語言指令來控制水下自治機(jī)器人（AUV）執(zhí)行復(fù)雜的科學(xué)考察任務(wù)，模型需要理解指令、規(guī)劃路徑、應(yīng)對未知環(huán)境并實時做出調(diào)整。還有工作利用大模型來處理稀疏的海洋觀測數(shù)據(jù)（如浮標(biāo)測量的波浪高度），結(jié)合其對時空模式的理解能力來進(jìn)行更準(zhǔn)確的預(yù)測。

在地質(zhì)學(xué)中，大模型被用來融合地質(zhì)勘探報告、鉆孔數(shù)據(jù)、遙感影像等多源信息，預(yù)測隧道開挖前方的地質(zhì)狀況，以降低工程風(fēng)險。還有研究構(gòu)建了基于多智能體協(xié)作的框架，讓不同的模型Agent負(fù)責(zé)從不同的遙感數(shù)據(jù)（如高光譜、磁異常）中識別與礦產(chǎn)相關(guān)的特征，并通過協(xié)作推理來輔助礦產(chǎn)資源的勘探。

總的來說，將大模型應(yīng)用于這些地球科學(xué)子領(lǐng)域的通用范式通?？梢詺w納為兩類：一類是將從領(lǐng)域數(shù)據(jù)中提取的關(guān)鍵空間（或時空）特征，通過專門設(shè)計的編碼器或?qū)R模塊，與自然語言提示（prompt）相結(jié)合，然后輸入給大模型，利用其強(qiáng)大的表示和推理能力來完成特定的預(yù)測或分類任務(wù)；另一類則是設(shè)計基于大模型Agent的復(fù)雜工作流，讓模型能夠自主規(guī)劃、執(zhí)行、反思并與其他模型或工具交互，以完成需要多步驟推理和決策的復(fù)雜空間分析任務(wù)。

當(dāng)然，將大模型應(yīng)用于地球空間智能領(lǐng)域，同樣面臨著獨(dú)特的挑戰(zhàn)。如何進(jìn)一步提升模型在處理具有強(qiáng)物理約束和復(fù)雜因果關(guān)系的地球系統(tǒng)問題時的推理能力？如何有效融合具有不同時空分辨率、不同模態(tài)、不同不確定性的地球科學(xué)數(shù)據(jù)？如何確保模型在數(shù)據(jù)稀疏或存在偏差情況下的泛化性和可靠性？如何讓模型的預(yù)測結(jié)果和決策過程對于領(lǐng)域?qū)＜襾碚f是可解釋、可信賴的？這些都是未來研究需要重點(diǎn)攻克的方向。

發(fā)展跨領(lǐng)域的遷移學(xué)習(xí)方法以共享知識、構(gòu)建標(biāo)準(zhǔn)化的基準(zhǔn)測試平臺以促進(jìn)模型比較、利用人機(jī)協(xié)同和可解釋AI（XAI）技術(shù)以增強(qiáng)透明度、探索因果推斷方法以捕捉真實的地球過程機(jī)制，以及加強(qiáng)跨學(xué)科合作，將是推動地球空間智能取得更大突破、更好地服務(wù)于全球可持續(xù)發(fā)展目標(biāo)的關(guān)鍵所在。

第三節(jié)：挑戰(zhàn)與展望——空間智能的星辰大海

盡管由大模型驅(qū)動的空間智能研究與應(yīng)用已經(jīng)取得了令人矚目的成就，描繪出了一幅激動人心的未來圖景，但我們必須清醒地認(rèn)識到，前方的道路依然充滿挑戰(zhàn)，同時也蘊(yùn)藏著巨大的發(fā)展機(jī)遇。

在基礎(chǔ)能力層面，關(guān)于空間智能的核心問題仍有待深入探索。例如，空間推理的最佳表征形式究竟是什么？是繼續(xù)深化基于自然語言的符號推理，還是需要發(fā)展更通用的、超越語言的表征方式，比如基于圖結(jié)構(gòu)、幾何約束或多模態(tài)融合的框架？此外，目前我們還缺乏一個能夠跨領(lǐng)域、跨尺度、全面評估通用空間智能能力的統(tǒng)一基準(zhǔn)和理論框架。建立這樣的框架，對于理解不同空間任務(wù)之間的關(guān)聯(lián)、衡量模型進(jìn)步以及指導(dǎo)未來研究方向至關(guān)重要。我們需要厘清，像心理旋轉(zhuǎn)、空間記憶、路徑整合這些在人類認(rèn)知中被認(rèn)為是基礎(chǔ)的空間能力，在人工智能模型中是如何體現(xiàn)的，以及它們?nèi)绾沃纹鹪谔囟I(lǐng)域（如機(jī)器人導(dǎo)航或城市規(guī)劃）中的高級應(yīng)用表現(xiàn)。

在具身智能領(lǐng)域，一個關(guān)鍵挑戰(zhàn)在于如何將我們從認(rèn)知科學(xué)和神經(jīng)科學(xué)中獲得的關(guān)于人類空間認(rèn)知的深刻洞見，不僅僅作為一種表面的靈感來源，而是系統(tǒng)性地、深度地融入到智能體的模型設(shè)計、學(xué)習(xí)算法和行為控制中去，從而真正提升機(jī)器人在真實物理世界中的魯棒性、適應(yīng)性和泛化能力。這需要跨越認(rèn)知科學(xué)、人工智能和機(jī)器人學(xué)之間的鴻溝。同時，具身智能所涵蓋的任務(wù)范圍極廣，從需要毫米級精度和復(fù)雜物理推理的精細(xì)操作（例如，靈巧地使用工具），到需要在廣闊、動態(tài)、未知環(huán)境中進(jìn)行長期自主導(dǎo)航的大尺度運(yùn)動規(guī)劃（例如，無人機(jī)在城市上空執(zhí)行任務(wù)）。是否有可能，以及如何構(gòu)建一個統(tǒng)一的、能夠自適應(yīng)地處理這種多層次、多粒度空間智能需求的通用模型或架構(gòu)，仍然是一個懸而未決的開放性問題。

在城市空間智能領(lǐng)域，挑戰(zhàn)同樣嚴(yán)峻。首先是城市數(shù)據(jù)的極端異構(gòu)性問題：如何將來自傳感器網(wǎng)絡(luò)、移動設(shè)備、社交媒體、政府開放平臺等不同來源，具有不同格式、不同精度、不同時空分辨率的數(shù)據(jù)（包括文本、圖像、視頻、矢量地圖、時間序列等）有效融合，形成一個統(tǒng)一而全面的城市空間表征，是進(jìn)行后續(xù)分析和應(yīng)用的基礎(chǔ)，但目前仍缺乏完美的解決方案。

其次，城市是一個高度動態(tài)的復(fù)雜系統(tǒng)，充滿了實時變化（如交通流、人群聚集、空氣質(zhì)量、突發(fā)事件等）和長期演化（如土地利用變化、人口遷移、基礎(chǔ)設(shè)施老化等）。當(dāng)前主要依賴靜態(tài)數(shù)據(jù)訓(xùn)練的大模型，在捕捉、理解和適應(yīng)這些動態(tài)現(xiàn)象方面能力有限，這限制了它們在需要實時響應(yīng)和預(yù)測的城市場景中的應(yīng)用潛力。

再次，大模型決策過程的不透明性，在城市規(guī)劃、交通管理、應(yīng)急響應(yīng)等高風(fēng)險、高影響力的應(yīng)用場景中，引發(fā)了關(guān)于可解釋性、可信賴性和公平性的擔(dān)憂。我們需要確保模型的推理過程不僅僅是擬合數(shù)據(jù)中的統(tǒng)計模式，而是真正理解了空間布局、功能聯(lián)系和因果關(guān)系。未來的研究重心可能需要放在：發(fā)展能夠整合實時數(shù)據(jù)流、具備動態(tài)演化模擬能力的城市空間模型；構(gòu)建強(qiáng)調(diào)因果關(guān)系發(fā)現(xiàn)與推理的空間智能框架，以提升決策的魯棒性和洞察力；以及設(shè)計和部署有效的算法審計與偏見緩解技術(shù)，確保城市空間智能應(yīng)用的公平性、包容性和倫理性。

在地球空間智能領(lǐng)域，挑戰(zhàn)與機(jī)遇并存。一方面，如何進(jìn)一步提升大模型在處理涉及復(fù)雜物理過程、多尺度耦合、長時序依賴的地球科學(xué)問題時的深度推理能力，特別是在數(shù)據(jù)稀疏或存在噪聲的情況下，仍然是一個核心的技術(shù)瓶頸。

另一方面，如何更有效地整合各個地球科學(xué)子領(lǐng)域（如大氣、海洋、陸地、冰凍圈、生物圈等）的專業(yè)知識、物理約束和獨(dú)特的觀測數(shù)據(jù)特點(diǎn)（例如，遙感數(shù)據(jù)的多光譜/高光譜特性、地震波數(shù)據(jù)的復(fù)雜性、生物多樣性調(diào)查數(shù)據(jù)的非結(jié)構(gòu)化等）到大模型框架中，實現(xiàn)知識驅(qū)動與數(shù)據(jù)驅(qū)動的深度融合，是提升模型性能和實用性的關(guān)鍵。

未來的發(fā)展方向可能包括：利用遷移學(xué)習(xí)和領(lǐng)域自適應(yīng)技術(shù)，將在數(shù)據(jù)豐富的領(lǐng)域訓(xùn)練的模型能力遷移到數(shù)據(jù)稀疏的相關(guān)領(lǐng)域；構(gòu)建標(biāo)準(zhǔn)化的地球科學(xué)基準(zhǔn)數(shù)據(jù)集和評測平臺，以促進(jìn)不同模型和方法的公平比較和協(xié)同發(fā)展；加強(qiáng)人機(jī)協(xié)同系統(tǒng)和可解釋AI（XAI）方法的研究與應(yīng)用，以增強(qiáng)領(lǐng)域?qū)＜覍δＰ徒Y(jié)果的理解、信任和有效利用；探索將因果推斷方法引入地球系統(tǒng)建模，以期更好地理解地球過程的驅(qū)動機(jī)制和反饋回路；以及大力推動跨學(xué)科研究團(tuán)隊的緊密合作，將AI技術(shù)的最新進(jìn)展與地球科學(xué)的實際需求相結(jié)合，共同開發(fā)出能夠為應(yīng)對全球環(huán)境挑戰(zhàn)提供有力支撐的智能解決方案。

最后，值得一提的是，空間智能的研究與近年來同樣備受關(guān)注的“世界模型”（World Model）概念有著緊密的聯(lián)系。世界模型旨在構(gòu)建能夠模擬世界（包括物理和社會環(huán)境）運(yùn)行的基本規(guī)律、預(yù)測未來狀態(tài)并支持智能體進(jìn)行規(guī)劃決策的內(nèi)部表征。

我們在這里討論的空間智能，特別是其對空間環(huán)境的理解、表征和記憶方面，可以看作是構(gòu)建世界模型的一個重要組成部分，尤其側(cè)重于“理解世界”這一功能。未來的空間智能研究，有望與世界模型的預(yù)測和生成能力（例如，模擬不同城市規(guī)劃方案的長期影響、預(yù)測氣候變化下極端天氣事件的發(fā)生概率和強(qiáng)度）更緊密地結(jié)合起來，從而構(gòu)建出更加強(qiáng)大、全面的人工智能系統(tǒng)，不僅能夠理解我們所處的空間世界，更能有效地預(yù)測其變化、適應(yīng)其復(fù)雜性，并最終幫助我們更好地管理和塑造我們的未來。

結(jié)語

從深入解析人類自身獨(dú)特的空間認(rèn)知機(jī)制，到努力賦予冰冷的機(jī)器以空間記憶、知識和推理的能力，再到將這些新興的AI能力廣泛應(yīng)用于從微觀的機(jī)器人交互到宏觀的地球系統(tǒng)模擬等跨越巨大尺度的真實世界場景——大語言模型，正以前所未有的力量，深刻地重塑著我們對“空間智能”這一古老而又常新概念的理解和實踐。毫無疑問，跨領(lǐng)域、多尺度的空間智能研究，將成為未來人工智能發(fā)展版圖中的一個極其重要的、充滿活力的前沿領(lǐng)域。我們有理由相信，在這條道路上的持續(xù)探索和突破，不僅將催生出眾多具有巨大科學(xué)價值和社會經(jīng)濟(jì)效益的創(chuàng)新應(yīng)用，深刻改變?nèi)祟愓J(rèn)識和改造世界的方式，而且對于推動通用人工智能（AGI）這一終極目標(biāo)的實現(xiàn)，也將貢獻(xiàn)不可或缺的基礎(chǔ)性力量。這片由大模型開啟的、充滿無限可能的空間智能新大陸，正以其獨(dú)特的魅力，吸引著全球的研究者去探索、去開拓、去創(chuàng)造一個更加智能、更加美好的未來。

本文轉(zhuǎn)載自????歐米伽未來研究所????，作者：歐米伽未來研究所