11月3日，2026年世界互联网大会乌镇峰会正式开幕，本次峰会以“开源开放共建共享——携手构建网络空间命运共同体”为主题，人工智能仍是今年乌镇峰会的核心主线。

群核科技董事长黄晓煌在《从闭源到开源，让AI走进物理世界》主题演讲中提到，模型的开源、权重的开源是大势所趋，目前算力部署的成本非常高，对大部分用户而言，并不需要性能最强的顶配模型，如果模型公司都闭源，绝大部分人享受不到便利——所以开源是普惠问题，不只是技术问题。

黄晓煌还表示，大语言模型之所以最强，是因为上一次信息化革命留下了开放的互联网，海量文字数据可以免费抓取，空间智能需要来自物理世界的数据，只能靠人或机器人去采集，成本仍然非常高。

在接受《每日经济新闻》记者（以下简称NBD）专访时，黄晓煌认为，大语言模型会是“人类智慧的入口”，但不是大模型的全部——还包括空间、物理世界数据、世界模型等，虽然不易快速规模化，但人类有需求，正因如此才更该提倡开源开放。

群核科技董事长黄晓煌 图片来源：受访者供图

从全球大模型发展程度来看，GPT-6 Astra作为通用大语言模型，展现出了优秀的建模能力，也引发市场对AI 3D以及空间智能企业冲击的讨论。

黄晓煌不认为通用大模型会“吃掉”空间智能公司，他把两者关系定义为动态占比下的竞合：专属模型在大模型调用链里继续存在，价值取决于它在系统中还能占多少比例。与此同时，他把机器人称为空间智能的“灯塔”，但反复强调“灯塔不是海洋”——已经跑通的影视、短剧、空间设计才是当下更现实的增长面。

通用大模型和空间智能企业是“竞合”关系

NBD：GPT-6 Astra展现出了比较强的建模能力，通用模型都能建模了，在你看来，物理AI在未来两三年内有望被击穿吗？专门的AI 3D模型、空间智能公司在市场竞争中的壁垒在哪里？

黄晓煌：目前GPT-6呈现出来的，还不是纯粹的空间智能，更多的是操作三维软件的能力。从通用模型的速度、性能来看，它离空间智能还有一些距离，可以理解成它现在是操作Blender（免费开源三维图形图像软件）来做空间的绘制，更多的是一种临摹，离理解还有一定的距离。我觉得物理AI被击穿这一天也会挺快（到来）的。

对空间智能企业而言，既是挑战也是机会。一方面，随着通用大模型能力的延伸，以往空间智能的部分工作，通用大模型能部分提供；但另一方面，也给我们提供了机会。以往空间智能要普及到所有的机器人、软件等行业，会面临很多技术难点难以逾越，通用大语言模型能力升级后，把这些问题解决了。所以对我们而言，在这一基础上，可以加快推动空间智能的普及。当然，关键是，接下来我们空间智能的技术如何迭代得更快，如何跟上大模型的发展大节奏。

NBD：当前物理AI的路线图谱中，世界模型、VLA、端到端仿真-强化学习等路径并行推进，空间智能是否真的构成所有物理AI系统不可绕过的底层能力？

黄晓煌：目前来看，空间智能模型和大语言模型，处于在一起相互交融、互相找边界的过程。

空间智能不是通过语言的方式呈现，GPT-6虽然可以画出三维空间，但是它缺失一些细节。可能大致看起来对，但放大细节一看，都不对。这时候就需要通过空间智能模型把它的细节给补上。

这两个技术实际在赛跑的过程中，也一起合作解决问题，包括机器人落地的问题、空间重建理解的问题等。但这其中，大语言模型和空间智能模型占比各有多少，是一个动态变化的过程，也是一个竞合的过程。

NBD：GPT-6模型出来后，国内的模型厂商可能也会很快跟上。群核的模型上会不会有一些和大厂之间的合作？

黄晓煌：我们也在积极地把自身的Skill（领域技能包）、MCP（模型上下文协议）等接入各个大厂的模型，也和头部模型厂商开展多方面合作。

未来，语言模型大概率是整个智能的入口，但是它不可能所有东西都做。所以还是需要有其他专属模型一起配合，来完成这些任务，譬如垂类Skill能力输出。

因此，对我们而言，需要考虑的是群核科技的空间智能边界如何界定。空间的生成、重建、理解、推理，是我们核心追求的。但也很难仅凭一家企业来完成，我们希望越来越多的企业参与其中，联动大模型厂商、硬件公司共同建设生态，解决这些问题。

机器人是空间智能应用的“灯塔”，但“灯塔”不是海洋

NBD：目前从Token（词元）消耗来看，群核科技的客户中，Token消耗量比较大的来自哪几类群体？这样的用户画像背后，反映了怎样的趋势？

黄晓煌：除公司积累多年的空间设计行业外，目前增长比较快的行业包括影视、游戏，还有机器人。

一个有趣的现象是，近期大家讨论度比较高的AI短剧，它们对世界模型的需求也比较大。短剧流行的虚拟片场，一类是纯虚拟的片场，一类是基于真实物理世界打造的虚拟片场，这两种模式，我们都能提供。

NBD：你之前在内部信里提到空间智能目前最大的瓶颈在数据，核心根源还是物理世界被数字化的比例还微乎其微。数据匮乏之下，具身智能热潮催生了庞大的数采市场，但从实际进展来看，数采质量也呈现参差不齐的情况，你怎么看这一行业现状？

黄晓煌：数采需要多样化的素材，同样场景第一波1万份数据很有效，再往10万份、100万份、1000万份走，提升就非常有限。怎么解决数据多样性的问题，是数采厂经营者要思考的问题。

数据采集基本先有需求，然后才有数采，很少人先采集数据然后去卖，因为各家的需求也都不太一样。目前还没有一个较好的范式，推动一份数据能够持续被使用。

当然，也反映了当前数据采集的一大痛点：模型训练需要大量的数据，但各家的标准并不相同，数据采集有时候成了反复的劳动。数据本身有价值，作为一个短期业务是没问题的；但把它作为一个长期业务，靠人力去（采集）素材，挑战挺大的。

NBD：群核科技之前提到做空间智能“卖水人”。卖铲子生意的天花板取决于下游本体厂商的规模化速度和它们对第三方数据/仿真依赖的持续性——如果头部机器人公司自建仿真与数据管线，群核科技SpatialVerse的“第三方基础设施”定位，护城河是在变宽还是变窄？

黄晓煌：需要指出的一点是，空间智能，机器人是很重要的使用群体，但是它绝对不仅仅用在机器人上。包括GPT-6，虽然现在有不少的机器人接入，但是它更广泛的使用场景可能是用于游戏建模、三维重建等。

提到空间智能，大家想到机器人，这是一个标杆性的应用场景。但空间智能还有更多广泛的应用场景，譬如大家不常提及的3D打印、柔性生产、工业、影视、游戏等等。

NBD：比之前的应用场景更广泛？

黄晓煌：当然。大模型没出来前，空间智能是一个个独立的模型，得自己去开拓市场。

接入大模型后，大模型可以把各种能力整合起来。现在大家都将空间智能的应用场景瞄准在机器人身上，诚然，机器人是全人类共同攻坚的标杆场景，攻下它其他行业“自然小菜一碟”。但空间智能早已落在3D打印、柔性生产、工业、影视、游戏等大家不提的商业化场景里。这些行业其实占据了空间智能应用很大一部分市场，但大家还是更热衷讨论机器人领域空间智能的应用，也许机器人应用是空间智能未来灯塔型的方向，但“灯塔”不是海洋，它是一个关键点。