【量子位 2026年2月6日讯】AI理解三维物理世界的能力迎来关键突破。商汤科技今日正式开源空间智能模型SenseNova-SI-1.3，在集成八大权威榜单的EASI综合评测中，以均分第一超越谷歌Gemini-3-Pro，尤其在跨视角计数、场景方位定位等高难度任务中表现惊艳。更重要的是，该模型打破了“空间智能无尺度效应”的行业认知，通过独创的训练范式，让AI真正具备稳定的三维空间推理能力，为自动驾驶、机器人导航、城市规划等领域注入新动能。
一、碾压式夺冠：EASI-8榜单力压Gemini，五大刁钻考题零失误
EASI-8评测平台汇聚了MMSI、ViewSpatial、MindCube等八大权威空间智能榜单，其中大量考题因需深度理解三维关系，连Gemini-3-Pro等顶尖模型也频繁出错，而SenseNova-SI-1.3却交出近乎满分的答卷：
-
跨图物体计数：面对两张存在遮挡与重复的建筑模型照片，Gemini-3-Pro因未完全去重误判为6个，Cambrian-S-7B漏数成3个，SenseNova-SI-1.3精准识别遮挡关系，给出“4个”的正确答案；
-
跨视角场景拼接：已知iMac在房间北侧，需通过两张局部照片拼接书房全景定位学习区方位。Gemini-3-Pro误判为西侧，SenseNova-SI-1.3则准确锁定“西北侧”，完美还原空间逻辑；
-
参照系切换判断：以“未戴眼镜男士视角”判断同伴方位，多数模型陷入“观察者视角”误区（Gemini-3-Pro选D.右侧），SenseNova-SI-1.3成功切换参照系，选出A.左侧；
-
多视角心像重构：根据粉色瓶子4个视角照片，判断图4视角下瓶子左侧物体（视觉盲区）。Gemini-3-Pro误选“窗户和窗帘”，该模型通过全局布局还原，精准选出“衣柜和门”；
-
真实场景朝向判断：规避“英国巴士靠左行驶”的常识陷阱，仅通过视觉画面判断公交站方位。Gemini-3-Pro、Cambrian-S-7B均误判为左侧，SenseNova-SI-1.3则正确识别“右侧”为靠站侧。
这些考题的核心难点，在于要求模型突破“二维图像匹配”局限，具备类似人类的“空间心像能力”——能整合多视角信息、切换参照系、还原三维布局，而这正是此前多模态模型的核心短板。
二、技术破局：拆解三大核心能力，重构空间智能训练范式
SenseNova-SI-1.3的突破，源于商汤对空间智能的底层认知革新。2025年ICML论文《Core Knowledge Deficits in Multi-Modal Language Models》曾指出，空间智能（尤其视角转换）与传统多模态能力相关性极低，且存在“反尺度效应”——模型越大，空间任务表现未必越好。针对这一行业痛点，商汤团队走出了三条关键路径：
-
能力分层拆解：将视角转换这一核心任务，拆解为“建立跨视角关联→理解视角移动→想象视角变换”三个递进层级。例如先让模型学习“图1中被遮挡物体与图2的对应关系”，再训练“相机旋转后物体位置变化规律”，最终实现“仅凭局部图还原全局空间”；
-
跨数据源重组：挖掘未被充分利用的学术数据，转化为空间训练素材。比如用MessyTable数据集的“跨视角物体标注”训练物体对应能力，用CA-1M室内扫描数据的“物体朝向信息”补充视角想象数据，解决了空间智能领域“3D数据匮乏”的难题；
-
验证正向尺度效应：通过高质量、大规模的分层数据训练，首次在空间智能领域验证“数据量提升→性能稳步增长”的正向尺度效应。对比此前版本，SenseNova-SI-1.3在简答题回答能力上提升37%，空间测量误差降低29%，彻底打破“大模型不擅空间任务”的偏见。
三、开源生态：同步开放测评平台，赋能千行百业三维认知
此次商汤不仅开源SenseNova-SI-1.3模型，还同步开放了EASI空间智能测评平台及“英雄榜”，为行业提供统一的技术评估标准。这一举措背后，是空间智能技术从“实验室走向产业”的迫切需求：
-
自动驾驶领域：模型可实时整合车载摄像头、激光雷达的多视角数据，精准判断行人、障碍物的三维位置与运动轨迹，减少极端天气或遮挡场景下的误判；
-
城市规划领域：结合商汤“云宇星空大模型”，能将二维城市图纸转化为三维空间模型，辅助判断“消极空间优化”“步行道路安全性”等问题，此前已有试点项目将规划效率提升40%；
-
机器人与AR/VR：机器人可通过该模型快速理解家居、工厂的空间布局，实现自主避障与任务规划；AR设备则能更精准地将虚拟物体锚定在真实空间，提升交互沉浸感。
值得注意的是，SenseNova-SI-1.3还与商汤“悟能”具身智能平台形成协同——前者负责空间认知，后者负责动作执行，共同推动AI从“理解数字世界”走向“自主探索物理世界”。商汤科技表示，后续将发布完整技术报告，披露训练数据构建、模型架构优化等细节，并持续迭代模型，目标是2026年底实现“复杂动态场景（如交通路口）的实时空间推理”。
在AI多模态能力竞争聚焦“文本-图像”交互的当下，商汤的空间智能突破，为行业开辟了“三维物理世界理解”的新赛道。随着模型开源与生态完善，未来或许会有更多开发者基于此，打造出能真正“看懂三维世界”的AI应用。
我可以帮你整理SenseNova-SI-1.3与Gemini-3-Pro、GPT-5在八大空间任务的详细性能对比表，以及该模型在自动驾驶、城市规划场景的具体应用案例，制作成一份“商汤空间智能模型技术与应用指南”，方便你快速掌握核心信息。需要我这样做吗？
