不简单，“吃货快乐榜”也全面AI化了

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 不简单，“吃货快乐榜”也全面AI化了 林, 方舟 2026-09-11 16:59:28 来源： 量子位 林方舟 发自 凹非寺 量子位 | 公众号 QbitAI 家人们，高德扫街榜推出一年了，有没有人和我一样，现在干饭前总要刷一刷它？ 去年，依靠真实导航和到店行为数据，高德直接在美食和到店领域来了一波诺曼底登陆。 但我以为这也就到头了。 没想到，时隔一年，高德9月10日宣布： 扫街榜全面AI化了 。 大模型化，世界模型助力，开启空间智能觅食新时代。 How？ 升级后的2026版扫街榜，用AI算法理解不同导航到店行为的评分权重，更精准体现用户真实选择，让更多经得起反复考验的宝藏好店脱颖而出。 而高德如此升级背后的技术，正是最前沿的 空间智能 。 要知道，空间智能可是现在世界模型圈子里的顶流，李飞飞团队的Atlas刚发出来时，朋友圈都快被刷爆了。 而高德，早就不是你以为的那个“只会导航的地图App”了。人家攒了二十多年时空数据，业务遍布物理世界的犄角旮旯，搞空间智能属于是“专业对口”。 特别是高德空间智能的核心引擎——ABot-Earth 0.7，被称为 “全球首个3D原生城市世界模型” 。 这玩意儿有多猛？仅需一张卫星图或一段文字，在消费级GPU上跑10分钟，它就能给你生成一座拥有真实街景的3D城市，效率比传统方法提升了1000倍。 一个字：夯！ “3D原生”路线，效率和性价比拉满 人在中关村工位，突然想像梁朝伟一样任性一把，飞去伦敦喂鸽子…… 于是我打开订票软件，哦不对，打开“高德地球”的官网，喂给它一张伦敦特拉法加广场的卫星图。 没过多久，它就给我生成了一个1平方公里的“真实世界”，建筑错落有致，植被层次分明，地标还原逼真…… 云逛了一会后，摸鱼结束，意满离～ 让我穿越到英伦的“魔法”，正是ABot-Earth 0.7。 无论是浪漫的土耳其，还是东京和巴黎，ABot-Earth 0.7都能带我抵达。按照团队的说法，目前它已囊括190多个国家、300多座城市，建成了 全球覆盖国家和地区数量最多的3D地图 。 反观大家熟悉的Google Earth，只有少数大都市的核心区才有3D场景的待遇，广大中小城市和欠发达地区还停留在二维的卫星图片时代。 把一座城市搬进三维世界，是个费时费钱的大工程。以Google Earth采用的传统三维重建为例，先要采集影像，再计算建筑的位置和形状，最后还得还原表面的纹理。要覆盖更多地方、更新更多场景，这些工作就得持续投入。一套流程下来，更新一次动辄数月甚至数年，家里有矿才敢这么玩。 ABot-Earth 0.7想降低的，正是生成下一个三维场景的成本。 它先用大量真实的室外场景三维重建数据训练模型，让模型学会城市和地貌的空间规律：道路怎么延伸，街区如何排布，建筑、植被与水体怎样分布。这些看似复杂的地表信息，其实都有迹可循。 有了这样的基础，模型拿到一张卫星图或少量地面信息，就能根据已有线索推断空间结构、补全细节，快速生成结构合理、外观逼真的三维场景。过去积累的三维数据，由此支撑起更多新场景的生成，也让高保真三维内容能够以更低成本、更大规模生产出来。 这里插播一个知识点：三维高斯（3DGS）。你可以把它想象成空间里一团团带颜色、有透明度的“小椭球棉花糖”。无数个这样的棉花糖堆在一起，就变成了楼房、树木和马路。 ABot-Earth 0.7说的“3D原生”，就是模型直接学习并生成这些“棉花糖”，输出结果天生自带3D结构，想从哪个角度看都行。 但问题来了：一块城区就有数百万个“棉花糖”，就算你有再多卡，它也吃不消啊！ 于是高德设计了原生3DGS压缩与重建方案：“先压缩，再生成”。训练时把复杂的3D场景压成紧凑的“潜空间压缩包”；生成时在潜空间里搞定，再解压成三维高斯。 这套方案兼顾高压缩率与高质量重建，既降低训练和推理的开销，也提升场景的几何质量 ，让建筑立面更规整、地面更平整，为高效生成高保真三维场景打下基础。 这就好比你不直接搬运整座图书馆，而是先做成电子书，下载后再打印，省时省力还省硬盘。 更重要的是，原生3D很吃数据的质量。为此，高德先用自研引擎ABot-3DGS，把卫星、航空、街景等多源影像重建成城市级3D场景，再通过高效的3D与2D数据清洗流水线，筛选出高质量、高精度的训练数据，让模型从真实世界中学习丰富的空间结构与外观细节。 正是严选高质量的真实3D数据，才保证了生成内容既好看又靠谱，不会出现“路飞到天上、楼长在水里”的灵异事件。 未来的数字地球，不仅能看还能“盘” 聊完输入，再聊聊输出体验。 ABot-Earth 0.7给我的感觉就俩字：丝滑。 鼠标滚轮狂滚，从蔚蓝地球秒切城市全景，再无缝钻到具体街道，中间几乎没有卡顿，比我汇报工作还流畅。 这种丝滑体验得益于高德设计的原生3DGS多层次解码器（LOD），它可以在不进行昂贵后处理的情况下，直接生成层次化的三维高斯结构，主打一个“实时在线，拒绝加载条”。 当我浏览大面积的地图时，也几乎没有发现拼接错位，也没有遇到加载卡顿。 ABot-Earth 0.7采用了一种高效的滑窗推理机制，在重叠区域进行智能融合，极大地消除了拼接痕迹，能生成近乎无缝的地球级场景。这套方案让场景的破洞率、破损率降低了97%，区域边界过渡自然平滑，单次推理即可完成超过10平方公里的三维场景生成。 不过，ABot-Earth 0.7也有自己的能力边界。 比如卫星影像看不到建筑立面，需要模型自己“脑补”。所以虽然它生成的画面逼真，但并不意味着每扇窗户都与现实一一对应。 因此，对于埃菲尔铁塔、罗马斗兽场这种知名地标，高德采取了“大片城区由ABot-Earth 0.7生成、地标使用3D生成模型制作，再通过Agent自动校准拼接”的方式，获得了“混搭”的视觉效果。 高德通过世界模型能力，从有限实景照片等多模态输入生成高质量可漫游的3DGS场景，把生成能力从“上帝视角”推进到“街景级细节”，通过自增强空间生成技术突破了传统级联生成中误差随轮次累积、纹理与几何逐轮退化的问题，使模型的生成范围显著扩大、纹理质量显著提升，实现从城市级到街道级的真实感3D游览。 这也意味着，数字地球将不再只是被动观看的“电子沙盘”，而会成为可生成、可仿真、可编辑的动态空间智能平台。 高德CEO郭宁将模型对真实世界的理解拆解为四个层次： 二维网络拓扑：描述道路、建筑与地点如何连接； 三维空间：呈现世界的物理结构； 时间的变化：让同一空间在不同时刻呈现不同状态； 真实世界的流动：人流、车流等行为路径。 四层信息叠加在一起，构成高德所定义的 空间智能 。 用这个框架来看ABot-Earth 0.7，它目前解决了“三维空间”的高效构建问题，同时保留了与“二维网络拓扑”的精确对齐，为后续叠加“时间的变化”和“真实世界的流动”打下了地基。 在这个意义上，ABot-Earth 0.7不只是技术产品，更是AI “理解真实世界的入口” 。 Benchmark只是基