2026 年，空间智能已成为 AI 领域公认的核心前沿方向，产业布局、资本投入与评测体系迭代同步提速，推动该领域从理论探索迈入产业化初期。自李飞飞 2024 年创办 World Labs 以来，空间智能概念迅速席卷业界，相关研究与落地应用持续涌现。但当前学界对空间智能的探索多分散于不同任务场景，或聚焦智能体架构、或单独探讨空间领域问题，未能将智能体能力与空间任务形成统一整合。要让 AI Agent 真正实现从 “感知” 到 “行动” 的跨越，还需针对性补足关键能力短板。
空间智能热潮下的产业与研究现状
空间智能的崛起并非偶然，而是技术积累与产业需求共同推动的结果。从产业布局到学术探索，该领域已呈现出多点突破、全面提速的发展态势。
1. 产业端：World Labs 引领，巨头争相布局
李飞飞创办的 World Labs 无疑是空间智能领域的 “风向标”，成立仅 16 个月就累计完成约 13 亿美元融资，2026 年 2 月的新一轮融资规模达 10 亿美元，投资方涵盖英伟达、AMD、Autodesk 等产业巨头及 a16z 等顶级投资机构，足见行业对该方向的高度认可。
在技术落地层面，World Labs 持续输出重磅成果：2025 年 11 月至 2026 年 1 月，先后发布 Marble 多模态世界模型和 World API。其中，Marble 可基于文本、图像、视频及粗粒度 3D 布局，完成 3D 世界的生成、编辑与导出；World API 则将可漫游 3D 世界的能力转化为标准化接口，大幅降低了空间智能的落地应用门槛，让更多企业和开发者能够快速接入空间智能技术。
2. 学术端：多方向齐头并进，聚焦核心难题
在 World Labs 的带动下，学界对空间智能的研究热情持续高涨，涌现出一系列覆盖不同核心方向的研究成果，逐步完善空间智能的理论体系：
-
空间超感知：2025 年 11 月，Yann LeCun、李飞飞、Rob Fergus 等顶尖学者联合提出 “空间超感知” 概念，通过对时空特征的细粒度建模，实现视频中动态场景的空间结构、运动轨迹与物理约束的一体化理解，为空间智能提供了全新的理论范式；
-
具身空间推理：2026 年 3 月，李飞飞与贾佳俊团队联合提出 Reflective Test-Time Planning 框架，让具身智能体具备类人反思能力 —— 通过行动前的模拟预判与行动后的复盘优化，显著提升智能体在空间任务中的决策效率与容错能力；
-
空间表征：2025 年 11 月，上海 AI Lab 等机构提出 G²VLM 系统，该系统创新性地融合视觉感知、几何推理与语言理解模块，能够同时完成 3D 空间重建和高级空间推理，有效解决了传统模型在空间任务中 “感知与推理脱节” 的核心问题，实现对 3D 场景的细粒度分析与语义交互。
关键瓶颈：Spatial AI Agent 的 “能力缺口” 何在？
尽管空间智能领域成果颇丰，但当前的 Spatial AI Agent 距离实现真正的自主主动行动仍有差距。2026 年 2 月，空间智能公司 AtlasPro AI 发布的《From Perception to Action: Spatial AI Agents and World Models》研究（梳理 2018—2026 年 2000 余篇相关文献，引用 742 篇核心论文）指出，Spatial AI Agent 可划分为 Spatial Task（空间任务）、Agentic Capability（智能体能力）和 Spatial Scale（空间尺度）三个维度，而当前研究的核心短板，正是未能在这三个维度上形成统一整合，导致智能体在空间任务中难以顺畅落地行动。
具体来看，要实现从 “感知” 到 “行动” 的跨越，Spatial AI Agent 还需补足三大核心能力：
1. 层级化记忆体系：支撑复杂空间任务的 “长期记忆”
空间任务往往具有多步骤、长周期的特点，需要智能体能够持续存储、调用不同类型的空间信息，而当前多数智能体的记忆系统缺乏层级划分，难以满足复杂空间行动的需求。理想的层级记忆体系应包含：
-
瞬时记忆：存储当前空间场景的实时感知信息，如物体位置、环境变化等，支撑即时决策；
-
短期记忆：记录近期行动轨迹与任务进度，帮助智能体衔接多步骤操作，避免重复或遗漏；
-
长期记忆：沉淀空间常识、任务模板、环境特征等稳定信息，如 “房间布局的常见规律”“特定物体的使用场景”，助力智能体快速适应新的空间环境，提升决策效率。
缺乏这样的层级记忆体系，智能体容易在复杂空间任务中 “健忘”，无法形成连贯的行动逻辑，难以完成需要长期规划的任务。
2. GNN-LLM 集成推理：打破 “感知与推理脱节” 的壁垒
空间任务不仅需要智能体 “看懂” 空间场景（感知），更需要 “想明白” 行动逻辑（推理），而传统模型往往存在感知与推理割裂的问题 —— 要么擅长空间特征提取但缺乏逻辑推理能力，要么具备强推理能力但无法精准理解空间结构。
GNN（图神经网络）在处理空间拓扑关系、几何结构上具有天然优势，能够高效建模物体间的空间关联；而 LLM（大语言模型）则擅长逻辑推理、任务规划与语义理解。将二者深度集成，可让智能体同时具备精准的空间感知能力和强大的逻辑推理能力，实现 “看懂空间 + 想清逻辑” 的统一，进而规划出合理、可行的行动路径。当前相关研究尚处于起步阶段，如何实现二者的无缝协同，是突破空间推理瓶颈的关键。
3. 精准世界模型：预判行动后果，降低试错成本
自主行动的核心是 “能够预判行动带来的结果”，而这离不开高质量的世界模型支持。世界模型的核心作用，是让智能体基于当前空间状态，模拟不同行动方案可能产生的后果，从而选择最优解，避免盲目行动带来的风险与试错成本。
当前部分世界模型虽能实现 3D 场景生成，但在行动后果预测的精准度上仍有不足 —— 难以准确模拟物理规律（如物体碰撞、受力变化）、环境动态变化（如他人行动影响）等复杂因素。提升世界模型对行动后果的预测精度，让智能体 “未行动先预判”，是其实现安全、高效自主行动的重要前提。
总结：从分散探索到统一整合，空间智能的下一征程
2026 年，空间智能已从概念炒作迈入产业化初期，产业端的资本布局与学术端的技术突破形成良性互动，推动领域快速发展。但要让 Spatial AI Agent 真正实现自主行动，关键在于打破当前 “分散探索” 的格局，在 Spatial Task、Agentic Capability 和 Spatial Scale 三个维度上形成统一整合。
层级化记忆体系、GNN-LLM 集成推理、精准世界模型，这三大核心能力的补足，将成为空间智能突破的关键方向。未来，随着这些技术瓶颈的逐步攻克，Spatial AI Agent 有望在机器人导航、智能家居控制、虚拟空间交互、工业场景操作等多个领域实现规模化落地，真正让 AI 从 “感知世界” 走向 “改造世界”。
对于行业参与者而言，无论是聚焦技术研发的企业与科研机构，还是布局应用场景的开发者，把握这三大核心方向，将成为在空间智能赛道抢占先机的关键。空间智能的下一征程，既是技术整合的征程，也是 AI 从 “被动响应” 到 “主动行动” 的跨越征程。