杭州 「六小龙」 之一的群核科技近日在 GTC2025 全球大会上低调开源了一款空间理解模型 SpatialLM。
SpatialLM 是一个基于大语言模型的 3D 场景语义生成框架。通过一段视频输入，就能准确认知和理解此视频对应的空间点云数据，并对点云数据进行推理和场景描述，最终将提取的信息以自然语言的形式呈现。
SpatialLM 运行原理
这款中国公司低调开源的模型一经推出，在国外 LinkedIn、Twitter 和技术圈受到热捧。在最新 HuggingFace 趋势榜上，群核科技 SpatialLM 登上趋势榜第二位，有意思的是趋势榜前三家均是杭州公司，分别为 Deepseek、群核科技 SpatialLM、通义千问 Qwen2.5-Omni，领先于英伟达、谷歌等公司模型。
HuggingFace 趋势榜
群核科技创始人黄晓煌接受国际媒体彭博社采访时直言：「开源是为了推动具身智能技术奇点到来。」
海外平台用户对 SpatialLM 的自发分享
不同于传统大语言模型，SpatialLM 突破了对物理世界几何与空间关系的理解局限，赋予机器类人的空间认知和解析能力。
目前，SpatialLM 已在 HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源。
虽然行业已有对图像、视频进行参数化描述模型，比如 Meta 此前发布的 SceneScript 模型。但 SpatialLM 的独特之处在于：
1、相比 Meta 需要依赖其眼镜的定制化模式，SpatialLM 设定于面向普通相机、手机的视频作为输入，因此更具通用性。
2、不同于传感器对物理世界的感知，SpatialLM 使用大语言模型，最终输出是对 3D 场景的自然语言描述，未来还将支持原生自然语言与场景数据交互。
3、更重要的是，SpatialLM 支持对物理世界中空间信息的认知理解，和结构化描述。群核科技本身便专注于物理空间模拟的技术场景，过去十余年中积累了海量的三维数据和空间认知数据；基于此数据训练的模型，亦具备创建物理正确的空间场景的能力。
SpatialLM 模型开源后，将为像具身智能领域的企业或机构科研团队提供一个空间认知理解的基础训练框架。尤其是对那些不具备模型开发能力的具身智能企业，可以基于 SpatialLM 模型进行微调，降低具身智能训练门槛。
同时，SpatialLM 模型与去年群核科技发布的空间智能解决方案 SpatialVerse 之间，形成从空间认知理解到空间行动交互的具身智能训练闭环。SpatialLM 模型负责空间认知理解上的基础训练，SpatialVerse 负责机器人在仿真环境中的行动交互训练。
另一方面，SpatialLM 模型使 SpatialVerse 的数据来源更开放。通过从视频到结构化场景的转化，将现实世界的数据转化为虚拟环境中的丰富场景。而基于 SpatialVerse 的合成数据引擎，这些基于 SpatialLM 模型生成的一个个结构化场景又可泛化生成亿万级新场景。相当于形成一条 "现实 - 虚拟 - 现实" 的闭环路径，让现实世界成为 「数字道场」 的原料来源，这不仅让 SpatialVerse 的数据更多样，同时还能缩小仿真与现实之间的 「差距」。
钛媒体 App 此前报道过，这家目前备受关注的空间智能公司，今年 2 月向港交所提交了上市申请，联席保荐人为摩根大通、建银国际。招股书显示，群核科技营业收入由 2022 年的 6 亿元增加 10.5% 至 2023 年的 6.64 亿元；2024 年前 9 个月经调整净亏损为 9361 万元。
更早 4 个月前，群核科技对外公开两大技术引擎：群核科技启真 （渲染） 引擎和群核矩阵 （CAD） 引擎，并首次介绍其技术底层核心：基于 GPU 高性能计算的物理世界模拟器。现场，群核科技还推出了群核空间智能平台 SpatialVerse，面向 AIGC、具身智能、AR/VR 等企业开放物理正确的 3D 空间数据资产、空间认知解决方案以及空间智能训练相关服务。
据悉，目前该平台拥有全球最大的室内场景认知深度学习数据集，此前还与英特尔、慕尼黑工业大学推出全球首个高视觉与物理逼真度环境数据合成与训练仿真平台 SPEAR SIM。
群核科技联合创始人兼 CEO 陈航表示，群核科技是一家以 GPU 集群和 AI 技术为底座的科技公司，在过去数年的技术沉淀中构建了一套物理正确的世界模拟器，并将之运用在基于空间的实时设计渲染、工业生产制造，以及虚拟物理世界训练等场景中。据悉，2024 年群核科技全平台平均月活跃访客数为 8630 万名，旗下酷家乐是全球最大的空间设计平台，在十年发展中沉淀了超过 3.6 亿的 3D 模型。（本文首发于钛媒体 APP，作者 | 秦聪慧）
