全攻略普及“炸 金花房卡代理步骤”房卡使用教程

　　作者：是地理空间 AI 公司 Niantic Spatial 创始人兼 CEO ，在科技与地图交叉领域深耕 25 年
，主导开发了《宝可梦 GO》 、谷歌地图
、谷歌地球及 Keyhole 地球查看器等产品
。

　　四年前，元宇宙概念正流行时 ，我曾发文称它是一场反乌托邦噩梦。我当时主张
，与其沉浸虚拟世界，我们更应多与身边的现实世界联结 。

　　时间会证明元宇宙最终能否成真 ，但 2024 和 2025 年，全球商务与休闲旅行、线下活动参与度均已超过疫情前水平
，这很明显说明：人类本就不该活在头显设备里。

　　转眼到今天，有人正试图打造这样一个世界：内容越来越不来自朋友 ，甚至不来自人类网红
，而是直接由 AI 模型生成 —— 一种经过工程化制造的像素与波形，只为抓住你的注意力 ，直到下一条广告出现
。

　　短短几年前
，先进 AI 刚崭露头角时，人们对未来充满热情：一个人类繁荣的未来 ，医疗 、材料
、制造、机器人技术的突破性进步将让世界变得更好
，提升地球上所有人的生活质量。

　　我认为现在有理由问一句：我们真的在朝这个方向走吗？我们对 AI 的巨额投资中，有多少会真正用于改善人类生存状况 ，又有多少会被用来制造更精巧的娱乐与分心手段？

　　为什么这件事现在至关重要

　　我们都清楚
，大语言模型已成为科技史上最具颠覆性的创新之一，我们正进入一个意义重大的时代 。它正在颠覆科技市场的方方面面：从初创公司到老牌企业 ，从芯片到软件 、数据中心，甚至发电行业
。

　　自 OpenAI 成立
、现代 AI 产业崛起以来
，全球已投入约 1 万亿美元，且这一数字还在每天增长 ，其中很大一部分正流向基础设施：芯片、服务器 、数据中心和电力
，为未来大规模高利润应用做准备。分析师认为，到 2030 年 ，AI 总投资可能达到10 万亿美元 。即便与同期预计超过 150 万亿美元的全球 GDP 相比
，这也是一笔天文数字
。

　　或许更重要的是，建设这些基础设施正在消耗大量自然资源 ，包括石油
、天然气和宝贵的淡水。外界越来越要求证明投资回报
，而随着这些巨额杠杆投资不断累积，这种压力只会越来越大 。

　　这些回报将从哪里来？是否存在一条路径 ，既能产生所需的经济回报
，又能真正为人类建设更美好的未来？

　　答案之一，就在现实世界里

　　线上商品与服务约占全球经济的20%
。当然 ，AI 会让线上广告、社交网络 、游戏变得更优质、更赚钱，也会优化软件工程
、客服、营销 、法律
、医疗等白领工作。

　　但全球经济另外 80% 在这个范畴之外
，就在现实世界里：能源、农业 、制造业
、建筑、交通与物流等行业 。换句话说，是那些开采 、提炼
、种植、组装 、合成
、运输 “实物
” 的活动 —— 这些东西为我们供暖、遮风挡雨 、提供食物 ，支撑人类的基本生活
。这些才是人类最核心的需求
，而不是聊天机器人。

　　要证明 AI 领域的巨额投入合理，就必须相信：AI 不仅能改造线上 20% 的经济 ，更能改造线下 80% 的经济 。如果我们能让 AI 在这部分经济中释放力量 —— 并假设我们能妥善处理人类与机器协同工作的转型（这并非小事）—— 那么我们就真的有望迎来一个全人类生活水平共同提升的未来。这才值得为 AI 投入数万亿美元
，更值得消耗电力、水资源等宝贵资源
。

　　问题在于，AI 在很多层面上被困在屏幕里。它对互联网海量文本提炼出的概念了如指掌 ，却对数据中心门外的世界一无所知
，更不用说工厂车间
、农田、建筑工地 、炼油厂和我们生活的城市 。要让 AI 在这片庞大的经济领域释放力量，我们必须给 AI关于世界的知识
、与世界交互的能力、以及能在物理世界行动的载体
。它需要一颗适应现实世界的 “大脑” ，和一副能在现实中移动的 “身体 ”。

　　只有大语言模型和世界模型还不够

　　这正是当下的机遇 。这也是为什么 AI 行业对所谓物理 AI 、世界模型
、空间智能充满期待
。这也是英伟达黄仁勋对人形机器人如此兴奋的原因
，他称其为 “下一个数万亿美元级产业
”。我们可以让 AI 适应物理世界，提升生产力 ，完成真实而有意义的工作 —— 往往是人类不愿做或危险的工作 。

　　只靠大语言模型不足以实现这一愿景
。物理 AI 模型（通过视频等数据训练以控制机器人动作）、世界模型（试图模拟环境如何运行与演变，常生成场景的合成 3D 模拟） 、空间模型（捕捉并重建物理世界）
，都将在实现这一愿景中扮演角色。

　　在物理 AI 领域，模拟与迁移学习的突破正让机器人实现流畅动作 ，以操控现实世界物体的新技能惊艳众人 。世界模型则让模拟训练更简单
、更真实
，创造出无限多样的合成训练环境
。

　　这些都是必要的进步，但还不足以让 AI 完全走进现实世界。

　　构建大型地理空间模型

　　在 Niantic Spatial ，我们专注于最后一块缺失的拼图：空间智能 。要让 AI 对现实世界的问题进行推理、规划和行动
，它必须先 “认识” 世界。但 AI 缺乏人类狩猎采集者天然具备的直觉性空间理解能力，而它们训练所用的文本数据 ，也几乎无法让它连贯 、准确地掌握物理世界的结构
、形态、内容与拓扑关系
。

　　过去几年
，我们一直在构建一个大型地理空间模型，它就像一张活的 、会呼吸的世界地图 ，一张为机器人和 AI 原生设计的地图。

　　不同于我以往开发的产品
，这张地图不是为人而建，而是为机器而建—— 帮助机器人导航与任务规划 ，帮助 AI 完成需要基于现实数据的任务与问答 。这张地图可以帮机器人规划穿过城市迷宫的最安全路线，在崎岖地形中将物资运送到偏远目的地
，或在工地、工厂内移动并在不同地点作业
。这类地图还能帮助 AI 智能体解决复杂现实问题，比如计算郊区火灾风险 ，或优化城市以提升生活质量。

　　我们在为人类构建地图（谷歌地图
、地球、本地 、街景）的所有经验之上继续前进
，同时在一个以AI 理解为核心目标的世界里重新想象它 。正如谷歌地图成为 Web 2.0 的关键基石，我们希望让 Niantic 地理空间模型成为未来 AI 的基石之一 ，与 Physical Intelligence
、Skild AI、Flexion Robotics 等公司的物理 AI 模型
，以及 World Labs 、General Intuition
、英伟达等公司的世界模型协同工作
。这一切都在形成一个蓬勃发展的生态系统，其中还包括波士顿动力、Agility Robotics 、Apptronik 等机器人公司 ，以及一大批为制造
、农业、医疗等行业打造专用移动机器人的企业。

　　我们接下来的方向

　　这是一个令人兴奋的领域
，多项创新同步推进 。未来两个月，我们将发布新版模型 ，能够以人类可交互的方式重建现实
，并让机器以毫米级精度“看见 ” 与导航
。未来版本还将加入更深层次理解 、规划与解决问题所需的语义信息。

　　AI 确实拥有巨大潜力 。但能否把这笔巨额投资引向真正改善现实的技术，而不只是娱乐与分心工具 ，取决于我们每一个人
。我相信，这才是值得我们所有人为之兴奋的事。