最近看物理 AI 和具身智能，一個明顯變化是：行業(yè)注意力正在從“機器人本體有多強”，轉(zhuǎn)向“機器人到底在哪里訓(xùn)練”。

機器人從 Demo 走向家庭、園區(qū)、工廠和城市后，真正難的不是完成一次展示動作，而是在真實世界里穩(wěn)定完成千百次任務(wù)。這需要足夠多、足夠真實、足夠低成本的訓(xùn)練環(huán)境。今年以來，北京、上海、長三角、常州等地都在推進具身智能訓(xùn)練場、數(shù)據(jù)采集基地和虛實融合訓(xùn)練平臺。訓(xùn)練場熱起來，本質(zhì)上是因為行業(yè)開始重新認識真實空間數(shù)據(jù)的價值。

圖源網(wǎng)絡(luò)

下一階段的機器人訓(xùn)練場，可能不只是固定實驗室，也不只是仿真軟件，而是由真實空間數(shù)據(jù)驅(qū)動的數(shù)字訓(xùn)練場。

這也是我最近重新看如視時，覺得它很有意思的原因。

很多人認識如視，是因為 VR 看房、三維空間重建和數(shù)字孿生。過去十年，如視一直在做空間數(shù)字化：用三維重建和 AI 技術(shù)，把真實空間轉(zhuǎn)化為可展示、可管理、可分析的數(shù)字資產(chǎn)，也因此形成了自己的技術(shù)壁壘。

但放到物理 AI 時代看，這件事有了新的含義。

如視真正沉淀下來的，不只是三維重建能力，也不只是空間智能解決方案，而是一批來自真實世界、高質(zhì)量、可計算、可用于具身智能訓(xùn)練的空間數(shù)據(jù)。

公開信息顯示，截至 2026 年一季度，如視累計采集數(shù)字空間已突破 5800 萬，覆蓋面積超過 48 億平方米。這些空間來自真實世界，覆蓋居住空間、商業(yè)空間、城市空間、產(chǎn)業(yè)園區(qū)等多元場景，天然包含復(fù)雜戶型、真實尺度、遮擋關(guān)系、空間連接和大量長尾環(huán)境。

在具身智能訓(xùn)練的語境下，如視數(shù)據(jù)規(guī)模的價值會被重新放大。

相比人工搭建的有限訓(xùn)練場，如視的真實空間數(shù)據(jù)擁有更大的規(guī)模和更豐富的場景覆蓋；相比純合成仿真數(shù)據(jù)，它又更接近真實世界本身。

更關(guān)鍵的是，如視的數(shù)據(jù)并不是簡單的全景影像或空間圖片。通過激光設(shè)備采集、三維重建、語義結(jié)構(gòu)化和空間理解，這些真實空間可以轉(zhuǎn)化為具備幾何結(jié)構(gòu)、語義信息和場景關(guān)系的訓(xùn)練樣本。

機器人可以從中學(xué)習(xí)真實環(huán)境里的通行規(guī)則、遮擋關(guān)系、區(qū)域連接、物體分布和任務(wù)約束；進一步看，還可以支持對單體物品材質(zhì)、接觸關(guān)系、摩擦力等物理屬性的建模，為操作、導(dǎo)航、避障和任務(wù)規(guī)劃提供更接近現(xiàn)實的訓(xùn)練基礎(chǔ)。

這也是如視切入具身智能訓(xùn)練場的獨特位置。

在行業(yè)里，很多訓(xùn)練場是從機器人本體或數(shù)據(jù)采集任務(wù)出發(fā)，先搭場地，再組織機器人進入場景采集數(shù)據(jù)。如視則是從真實空間數(shù)字化出發(fā)，過去多年已經(jīng)沉淀了大規(guī)模真實三維空間數(shù)據(jù)，并形成了“采集、重建、結(jié)構(gòu)化、任務(wù)生成、高保真增強、開放交付”的數(shù)字空間能力鏈條。

換句話說，當(dāng)行業(yè)開始意識到“真實場景數(shù)據(jù)”稀缺時，如視手里已經(jīng)有了一張覆蓋大量真實空間的底圖。而且這張底圖不是一座不變的“固定資產(chǎn)”，而是每天都在增長的“動態(tài)數(shù)據(jù)庫”。如視每天都有數(shù)千名專業(yè)攝影師持續(xù)采集真實空間數(shù)據(jù)，新的空間、新的場景、新的細節(jié)不斷進入這套數(shù)據(jù)體系。

從技術(shù)路徑看，如視的價值也不止于提供靜態(tài)空間。真實空間可以被持續(xù)采集、重建和結(jié)構(gòu)化，再進一步轉(zhuǎn)化為適合機器人訓(xùn)練、評測和迭代的數(shù)據(jù)形態(tài)。例如，基于真實空間生成具備幾何一致性的多視角操作運動視頻，構(gòu)建高質(zhì)量 3DGS 訓(xùn)練場景數(shù)據(jù)，沉淀帶有空間結(jié)構(gòu)、業(yè)務(wù)語義和任務(wù)約束的訓(xùn)練樣本。

更有想象力的是，如視這些真實場景，經(jīng)過三維重建、語義結(jié)構(gòu)化、任務(wù)生成和多視角運動軌跡擴展后，可以進一步衍生出近 3000 萬小時的訓(xùn)練數(shù)據(jù)。

更進一步，如視正在構(gòu)建的 Real2Sim2Real 閉環(huán)，也契合當(dāng)前具身智能行業(yè)的主流方向。

Real 階段，如視通過高精度激光設(shè)備伽羅華采集和重建真實空間場景；Sim 階段，通過空間理解、結(jié)構(gòu)化提取等能力打造1:1仿真的訓(xùn)練環(huán)境，機器人可在孿生體進行低成本、安全可控的訓(xùn)練和評測；再回到 Real 階段，模型部署到真實場景后，新的運行數(shù)據(jù)繼續(xù)回流，反向優(yōu)化仿真環(huán)境和訓(xùn)練效果。如視打造的這條閉環(huán)，正是緩解 Sim2Real gap 的關(guān)鍵路徑。

從北京、上海到長三角，具身智能訓(xùn)練場正在成為新型 AI 基礎(chǔ)設(shè)施。它不再只是讓機器人“練動作”的地方，而是生產(chǎn)高質(zhì)量物理世界數(shù)據(jù)、驗證模型泛化能力、連接真實場景和仿真環(huán)境的數(shù)據(jù)工廠。

如視的不同之處在于，它不是等風(fēng)口來了才去搭一個訓(xùn)練場，而是早已把真實空間數(shù)據(jù)、三維重建能力和數(shù)字孿生底座準備好。過去，如視把真實空間數(shù)字化，是為了讓人更好地看房、看店、看展、巡檢和管理空間；現(xiàn)在，這些真實空間數(shù)據(jù)正在成為機器人理解真實世界的訓(xùn)練場。

當(dāng)機器人訓(xùn)練場成為新風(fēng)口，如視已經(jīng)站在了真實空間數(shù)據(jù)的入口處。

關(guān)鍵詞：