飛渡科技何文武：空間智能“下半場”，比的是理解、推演和決策

飛渡科技創辦人何文武近日公開提出，空間智慧的發展已經邁入「下半場」，競爭的關鍵不再是單純的感知能力，而是能否在真實世界中做到理解、推演與決策。他認為，過去幾年大語言模型驅動了人工智慧的飛躍，讓AI學會了寫作、編程與繪畫，順利融入手機、電腦與辦公室等日常場景，但這些能力的核心仍停留在對知識的理解層面。語言模型的突破使AI能夠理解文字與語義，然而空間智慧的目標更為深遠——它要讓人工智慧理解它所身處的真實三維世界。何文武指出，當機器不再只是處理文字資訊，而是能感知空間、預測變化並即時做出判斷時，才能真正在自動駕駛、機器人、智慧城市等領域發揮關鍵作用。

他強調，未來的競爭將集中在系統能否在複雜環境中精準理解場景的含義、推演後續發展，並迅速做出最佳決策。這意味著空間智慧的下一個階段，將考驗技術體系整合感知、認知與行動的能力，而不僅僅是畫出地圖或辨識物體。從技術演進的角度來看，過去幾年大語言模型之所以能快速普及，是因為它們擅長處理序列化的文本與符號，讓人們可以用自然語言與機器互動。但真實世界是立體的、動態的、充滿不確定性的，單純的文本理解無法支撐機器在街道上行駛、在工廠中搬運、在災難現場搜救。

何文武的觀點呼應了業界對「具身智慧」與「空間運算」的關注：只有讓AI具備對三維空間的語義理解，才能進一步推演物體運動、人車互動、環境變化，最終形成可靠的決策。以自動駕駛為例，車輛不僅要辨識紅綠燈與行人，還需要理解路口的複雜邏輯——誰可能違規、哪個方向會有盲區、下一秒會發生什麼。這正是「推演」能力的體現。何文武表示，如果系統只會感知而不會推演，就無法在突發狀況下做出安全決策。同樣，在機器人領域，機器人進入家庭或倉庫後，必須理解家具的用途、物品的排列邏輯，甚至預測人類動作的意圖，才能順暢協作。

智慧城市則需要透過遍布的感測器與攝影機，即時理解城市運行的脈絡，推演交通壅塞或災害擴散的路徑，並給出調度決策。何文武進一步分析，空間智慧進入下半場後，技術壁壘將從資料量與算力轉向演算法架構與系統整合。過去業界大量投入在如何獲取更精準的點雲、更高解析度的影像，但這些僅是「感知層」的基礎建設。真正的挑戰在於如何將感知結果轉化為語意理解——例如辨識一扇門不只是幾何形狀，還代表可通行的開口；如何根據歷史軌跡與環境規則，推演出數秒後的可能狀態；最後如何在多種可行方案中選擇最安全、最高效的行動。這三個層次分別對應理解、推演與決策，缺一不可。

他認為，目前許多AI團隊仍在「感知」階段競爭，例如比誰的物體辨識準確率更高、誰的即時定位與地圖建構更穩定，但這些能力已經逐漸成熟，難以拉開差距。真正的決勝點在於「認知層」與「決策層」的突破。以飛渡科技為例，該公司長期專注於三維空間資料與數位孿生技術，近期也開始將大語言模型的語義理解能力與空間模型結合，試圖打造能「看懂」並「思考」空間的AI系統。何文武描繪了一個願景：未來人們可以對空間AI下達「幫我把這個會議室布置成適合十人討論的模式」，系統會自動理解會議室結構、桌椅位置、動線需求，推演出最佳擺放方案，並指揮機器人完成搬運。這需要機器同時具備空間理解、任務推演與行動決策能力。

他坦言，目前距離這樣的場景還有相當距離，但空間智慧的下半場競賽已經鳴槍，誰能率先打通理解、推演與決策的閉環，誰就能掌握下一代人工智慧的制高點。業界觀察人士也指出，除了技術突破，空間智慧的落地還需要標準化資料格式、更大規模的訓練場景，以及跨領域的協作。何文武的觀點為業界提供了一個清晰的方向：不要只滿足於「看得見」，更要「看得懂」「想得通」「做得對」。隨著自動駕駛、服務機器人、智慧園區等應用逐漸成熟，空間智慧的下半場將比上半場更加考驗整體系統的智慧層級，而理解、推演與決策正是衡量這個層級的關鍵指標。飛渡科技與其他相關企業的下一步動向，值得持續關注。