8月25日，杭州群核信息技术有限公司（以下简称“群核科技”）在首届技术开放日（Tech Day）上发布其空间大模型最新成果：新一代空间语言模型SpatialLM 1.5与空间生成模型SpatialGen，并在现场分享了新模型后续的开源节奏。
作为业界首个专注于3D室内场景认知与生成的大模型体系，群核空间大模型在真实感全息漫游、结构化可交互以及复杂室内场景处理方面展现出显著优势。
在开源模型之外，群核科技还首次分享了其AI团队基于SpatialGen探索的AI视频生成解决方案，旨在通过新范式解决时空一致性难题。
SpatialLM1.5：一句话生成结构化3D场景
本次发布的SpatialLM1.5是一款基于大语言模型训练的空间语言模型，支持用户通过对话交互系统SpatialLM-Chat进行可交互场景的端到端生成。相比于传统大语言模型对物理世界几何与空间关系的理解局限，SpatialLM1.5不仅能理解文本指令，还能输出包含空间结构、物体关系、物理参数的“空间语言”。
更关键的是，SpatialLM 1.5生成的场景富含物理正确的结构化信息，且能快速批量输出大量符合要求的多样化场景，可用于机器人路径规划、避障训练、任务执行等场景，这将有效解决当前机器人训练“缺数据”的难题。
现场，群核科技首席科学家周子寒演示了机器人养老场景的应用，当输入“去客厅餐桌拿药”这一指令后，该模型不仅理解了相关的物体对象，还调用工具自动规划出最优行动路径，展示了机器人在复杂环境中执行任务的潜力。
SpatialGen：破解AI视频“时空一致性”难题
作为一款基于扩散模型架构的多视角图像生成模型，SpatialGen可根据文字描述、参考图像和3D空间布局，生成具有时空一致性的多视角图像，并支持进一步生成3D高斯场景并渲染漫游视频。
SpatialGen依托群核科技海量室内3D场景数据与多视角扩散模型技术，其生成的多视角图像能确保同一物体在不同镜头下始终保持准确的空间属性和物理关系。此外，基于SpatialGen生成的3D高斯场景和真实感全息漫游视频，用户可以如同在真实空间中一样，自由穿梭于生成的场景内，获得沉浸式的体验。
“目前，AIGC文生视频与图生视频工具已经初步推动了全民视频创作的潮流，但由于时空一致性问题的制约，其离真正的商业化应用仍有一定距离。我们正在研发一款基于3D技术的AI视频生成产品，并计划在今年内正式发布——这或许是全球首款深度融合3D能力的AI视频生成Agent。通过构建3D渲染与视频增强一体化的生成管线，有望显著弥补当前AIGC视频生成中时空一致性不足的问题。”群核科技AI产品总监龙天泽表示。
持续开源共建技术生态
“拥抱开源能够发挥更大价值。我们一直坚信，只要你的技术有价值，同时赛道蓬勃发展，在里面一定能够分到一杯羹。”群核科技联合创始人兼董事长黄晓煌表示。
活动现场，黄晓煌分享了群核科技在空间智能布局上的最新思考。基于酷家乐这一全球最大的空间设计平台，群核科技构建了“空间编辑工具-空间合成数据-空间大模型”的空间智能飞轮，让工具沉淀数据，用数据加速模型训练，用模型提升工具体验，再在工具的广泛应用中沉淀更为丰富的场景数据。资料显示，截至6月30日，群核科技拥有包含超过4.41亿个3D模型及超过5亿个结构化3D空间场景。
“群核科技从2018年就启动了开源战略，逐步开放我们在数据和算法上的能力。相比大语言模型，当前空间大模型还处于初级阶段。我们希望通过开源推动全球空间智能技术快速前进，成为全球空间智能服务提供商，推动属于空间大模型的‘DeepSeek时刻’尽快来临。”
据悉，本次技术开放日分享的两款模型将逐步在HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源。
汇盈策略提示：文章来自网络，不代表本站观点。
