空间智能IPO背后：AI如何重塑汽车软件与能源体验

2026-03-29，群核科技（Manycore Tech）通过港交所聆讯，朝着“全球首家空间智能公司IPO”的标签迈出关键一步。这个消息表面上是资本市场的里程碑，但我更在意的是它背后代表的一类新基础设施：面向真实空间与虚拟空间的3D数据、编辑工具与空间大模型，正在把AI从“会说话的助手”推向“会理解世界的系统”。

这件事跟汽车软件、座舱体验，甚至“人工智能在能源与智能电网”的话题并不远。原因很简单：智能汽车和智能电网都在做同一件事——把复杂的物理世界映射成可计算的数字系统，再用AI做预测、调度与交互。空间智能的价值，就在于把“空间”变成AI可以稳定理解、生成和仿真的对象，从而降低成本、加速迭代，并把体验做得更一致。

一句话观点：未来的车机UX、自动驾驶仿真、充电与能耗优化，会越来越依赖“空间数据+空间模型”的底座，而不只是单点算法。

空间智能到底解决什么问题：让AI“看懂”3D世界

空间智能的核心，是把“空间”当作一种可操作的计算对象：能重建、能生成、能编辑、能理解，还能在仿真环境里按物理规律运行。群核科技的策略很典型：空间编辑工具 + 空间数据 + 空间大模型三件套互相强化，形成飞轮。

从披露信息看，群核旗下有中国最大的空间设计平台酷家乐（Kujiale）及国际版 Coohom，并构建了下一代空间智能平台 SpatialVerse；2025年又推出 Aholo 空间智能开发平台，以及面向具身智能的工业数字孪生平台 SpatialTwin；在内容生产侧还有 LuxReal 这类 3D AI 内容创作工具。

这类平台化能力的意义在于：

• 编辑工具带来持续的真实业务流量（设计、装修、工业场景、内容制作）。
• 3D空间数据在规模化采集与清洗后形成稀缺资产。
• 空间大模型在数据和应用的双向驱动下变得可用，并进一步反哺效率与体验。

对汽车行业来说，这不是“又一个AIGC产品”，而更像是“车端/云端的空间操作系统”。车、路、停车场、充电站、厂区……只要是空间，就能进入同一套逻辑。

从酷家乐到SpatialVerse：为什么“合成数据”会成为AI工程的主战场

空间智能最硬的一块，是逼真且物理一致的合成3D数据集。群核的 SpatialVerse 提到用“照片级、物理准确”的合成3D数据集来加速AI开发、降低真实测试成本，并已与多家具身智能公司合作。

合成数据为什么更适合“高风险、高成本”的行业

现实采集有三个痛点：贵、慢、难覆盖。

• 真实道路与工况采集涉及车队、传感器、标注与合规，成本高、周期长。
• 角落场景（极端天气、罕见事故、复杂施工现场）在真实世界里难以覆盖。
• 采集到的数据分布不受控，容易“训练集很丰富，线上突然翻车”。

空间智能平台的思路是：在可控的仿真世界里生成数据，保证多样性与可重复性，同时尽可能缩小 Sim2Real（仿真到现实）差距。群核还提到将 3D Gaussian 技术用于空间训练，并开源 InteriorGS 数据集，登上 Hugging Face 数据集趋势榜。

对智能汽车：从自动驾驶到座舱，都需要“可控空间”

我见过不少团队把仿真理解成“自动驾驶专属”。但现实是：

• 座舱交互也需要仿真：不同屏幕布局、光照、材质反射、视线遮挡，会直接影响可读性与安全性。
• 车内AI助手要理解“你指的那个按钮/那个储物格/那块屏幕”，需要空间语义。
• 泊车与低速场景高度依赖3D几何与物理约束，合成数据更容易覆盖狭窄车位、斜坡、障碍物组合。

当空间数据能被生成、编辑与理解，汽车软件从“做功能”转向“做场景”，体验也会更稳定。

空间大模型如何影响汽车UX：从“菜单交互”到“场景对话”

群核开源的 SpatialLM 在 2025 年登上 Hugging Face 热榜前三（与 DeepSeek V3、Qwen2.5-Omni 等同台趋势）。它强调让AI理解物理世界、连接数字与现实。

UX层面的变化：让交互围绕空间而不是App

现在很多车机仍然是“把手机那套App搬上来”，结果就是：功能越来越多、层级越来越深、驾驶中操作越来越危险。

空间智能提供另一条路：交互以空间为中心。

• 你说“把空调对着我吹”，系统结合座位位置、出风口几何与当前风量，给出可解释的调整。
• 你说“后排太暗”，系统联动氛围灯与阅读灯，并考虑夜间驾驶不眩目。
• 你说“到站后帮我找离电梯近的车位”，系统需要理解停车场空间结构，而不只是调API。

这种体验成立的前提是：AI不只在语言层面“听懂”，还在空间层面“定位并执行”。空间模型与空间数据，正好补上这一环。

工程层面的变化：从特征工程到“空间基础设施”

过去做车内感知与交互，常常是堆规则、堆传感器、堆特征。空间智能平台化后，会更像搭积木：

1. 统一的空间表示（坐标系、拓扑、语义标签）
2. 可复用的空间能力（重建、生成、编辑、理解）
3. 贯通的评测体系（仿真回放、对抗场景、指标闭环）

这跟现代汽车软件“平台化、生态化”的方向一致：不是某个功能做得多炫，而是持续迭代的底座是否扎实。

连接到“AI在能源与智能电网”：空间智能会改变充电与能耗优化

把话题拉回本系列“人工智能在能源与智能电网”。很多人谈智能电网会聚焦负荷预测、调度优化、可再生能源并网，但在城市与园区场景里，电力系统也有空间属性：变电站、配电房、充电桩、停车位、道路拥堵、楼宇负荷分布，都发生在三维空间中。

充电体验：最容易被忽视的“空间+能源”耦合

在2026年的现实里，影响充电体验的常见问题不是“桩够不够”，而是：

• 入口难找、动线混乱、排队不可预估
• 车位被燃油车占用、地锁状态不明
• 地下停车场定位漂移导致“到了但找不到”

空间智能能做什么？

• 用空间重建与数字孪生，把充电站/停车场变成可运营的“空间资产”。
• 把车流、人流、桩状态叠加到同一张空间图上，做更真实的排队预测。
• 为导航与交互提供“最后100米”的空间级引导，而不是只给一个经纬度点。

能源管理：从“负荷曲线”走向“可解释的空间调度”

电网调度优化常被用户感知为“看不见的能力”。但当你把空间孪生引入园区/工厂/物流基地，AI的调度就能更可解释：

• 哪栋楼、哪条产线、哪个区域在拉高峰值负荷
• 哪些充电车位可做削峰填谷
• 哪些设备可在不影响产能的前提下参与需求响应

一句话：空间智能让能源优化从“算法结论”变成“可交互、可验证、可运营的空间决策”。

给汽车与能源团队的落地清单：别急着上模型，先把底座搭好

如果你在做智能汽车软件、充电网络或园区能源管理，我建议按这个顺序推进空间智能能力，成功率更高。

1）先定义统一的“空间对象”与指标

不要一上来就谈大模型。先把空间里的对象定义清楚：车位、桩、出入口、通道、遮挡物、设备、危险区域……然后确定指标：

• 识别/定位精度（厘米级还是米级）
• 交互完成时间（例如“找到桩并开始充电”的总时长）
• 安全指标（眩目风险、分心时长、误触率）
• 能源指标（峰值降低、充电完成率、等待时间）

2）用合成数据覆盖“真实世界采不到”的场景

把合成数据当作“场景工程”。优先生成：

• 极端光照、雨雾、反光材质
• 地下车库多层结构、信号弱环境
• 高峰排队、车位占用、临时封路

3）把数字孪生做成“运营产品”，而不是展示大屏

数字孪生最容易失败在“只好看、不好用”。真正有价值的是：

• 支持在线状态回传（桩、车位、设备）
• 支持事件与工单闭环（占用、故障、拥堵）
• 支持策略下发与效果评估（引导分流、价格激励、削峰策略）

4）把体验写进系统：让AI输出可解释动作

无论车端UX还是能源调度，用户真正需要的是“我为什么被这么引导”。把解释做成产品能力：

• “推荐你去B区充电，因为A区排队预计25分钟，B区预计8分钟”
• “建议你推迟15分钟充电，可节省电价并减少园区峰值负荷”

空间智能公司IPO意味着什么：基础设施价值正在被重估

从商业数据看，群核科技在2024年以 23.2% 市占率成为中国收入最大的空间设计软件提供商（Frost & Sullivan），2025年服务 47,400+ 企业客户、40万+ 个人用户，关键客户净收入留存率 109%。财务上，2025年营收 8.2 亿元人民币，毛利率从2023年的 76.8% 提升到2025年的 82.2%，经调整净利润 5,700万元人民币。

这些数字说明两点：

1. 空间智能不是纯研究题，它能在垂直行业里跑出健康的商业模型。
2. 当平台把“数据—模型—应用”串起来，增长会更像软件平台而不是项目制。

对汽车软件与能源AI团队来说，这类公司上市更像一个信号：资本市场开始为“空间基础设施”定价，而产业会更快把它纳入标准栈。

下一步：用空间智能把车、桩、网的体验串成闭环

我越来越确信，智能汽车体验的竞争不只在座舱UI，也不只在大模型对话能力，而在能否把车外世界（停车、充电、道路、园区）变成可计算、可交互的空间系统。同样，智能电网的AI能力要想被用户感知，也需要落在具体空间与具体旅程里。

如果你正在规划车端AI、充电运营平台或园区能源管理系统，可以把“空间数据底座、合成数据体系、数字孪生运营化、可解释交互”当作四个优先级最高的模块。它们会直接决定：你的AI到底是在做演示，还是真的在改善体验与效率。

最后留一个更现实的问题：当空间智能逐步平台化，你的产品与组织，准备好把“空间”当作核心资产来经营了吗？