高德發佈首個無長程依賴的萬幀級流式3D重建模型ABot-Recon，以12幀重建萬幀3D場景

高德於8月28日正式推出首個無長程依賴的萬幀級流式3D重建模型ABot-Recon，這款模型以輕量輸入與高密度輸出的特性，僅需12幀畫面即可重建涵蓋萬幀規模的3D場景，為當前少見突破長序列依賴限制的流式重建方案，也讓空間智慧技術的應用界線再次向前推進。不同於傳統3D重建模型往往需要大量連續幀數才能運作，ABot-Recon的設計核心在於擺脫對長期依賴的仰賴。過去，重建模型若想生成完整3D場景，通常必須依賴數十甚至數百張連續畫面作為基礎，這不僅增加運算負擔，也限制了即時應用的可能性。

ABot-Recon則改以少量幀數作為起點，逐步擴展並生成完整、連貫的3D場景，讓整體運算效率與即時性獲得顯著提升。這項技術突破的意義在於，過往3D重建往往受限於輸入資料的數量與連續性，系統必須先累積足夠幀數才能開始運算，導致從輸入到輸出的延遲較高。而ABot-Recon透過流式架構，讓模型可以在獲得少量畫面後便開始重建，並在後續資料持續輸入的過程中，不斷擴展場景細節。這種機制讓3D場景建置不再需要等待完整資料集，而是可以邊接收資料、邊生成場景，大幅縮短從感知到理解的時間差距。對於需要快速理解空間環境的應用場景而言，這項能力具有相當潛力。

以導航服務為例，傳統地圖建置往往需要大量時間與成本，才能完成一個區域的3D建模，但若ABot-Recon這類模型未來能與地圖服務整合，將有望降低3D場景建置的門檻，讓動態地圖體驗變得更加即時。特別是當道路狀況、建築環境發生變化時，若能以少量畫面快速更新3D場景，地圖服務的準確度與時效性都能獲得明顯改善。自動駕駛領域同樣是這項技術的重要應用方向。自駕車在行駛過程中，必須即時感知周圍環境並做出判斷，而3D場景重建正是車輛理解空間關係的關鍵環節之一。ABot-Recon以少量幀數即可啟動重建的特性，意味著車輛能在更短時間內建立對環境的理解，進而提升決策效率與行車安全。

此外，地圖建置也是這款模型的重要應用場域。傳統3D地圖的製作往往需要專業設備進行大量掃描，再經過繁複的後製處理，才能產出可用的3D模型。ABot-Recon的流式重建機制，讓3D場景可以根據輸入資料持續擴展，這對大規模地圖建置而言，代表著更低的成本與更高的彈性。未來若能應用於城市級3D地圖的建置與更新，將有助於加速數位孿生城市的發展。此次發佈也顯示高德在AI與空間智慧領域的佈局持續加深。作為阿里巴巴集團旗下業務，高德累積了大量地理與交通數據，這些數據正是3D重建模型訓練與應用的重要基礎。

ABot-Recon這類模型若能與高德既有的地圖服務深度整合，將能發揮數據與技術的綜效，進而帶動更即時的動態地圖體驗。從技術層面來看，ABot-Recon的流式重建架構也回應了當前3D視覺領域的一項重要挑戰。傳統重建模型往往受限於長序列依賴問題，也就是模型必須處理大量連續幀才能維持場景的一致性，這不僅消耗大量記憶體，也讓運算時間難以縮短。ABot-Recon透過設計上的調整，讓模型不再需要仰賴長序列輸入，而是在少量幀數的基礎上進行擴展，這對資源有限的應用場景而言，是一項重要的技術進展。對比市場上其他3D重建方案，ABot-Recon的特別之處在於其萬幀級的場景重建能力。

多數重建模型能處理的幀數規模有限，當場景範圍擴大時，往往需要分段處理再進行拼接，這可能導致場景之間出現不一致或縫隙。ABot-Recon則以12幀啟動、逐步擴展的方式，讓模型可以在萬幀規模的場景中維持連貫性，這對大範圍空間的理解與重建而言，具有實質意義。在產品定位上，ABot-Recon的輕量輸入特性也讓它具有更高的應用彈性。對於手機、車載裝置等運算資源相對受限的終端設備而言，能夠以少量畫面啟動3D重建，意味著更多裝置有機會搭載這項功能，而不需要依賴高階運算硬體。這也讓3D重建技術從專業設備走向普及應用的可能性大幅增加。不過，目前官方尚未透露ABot-Recon的具體商用時程。

技術方向已引起業界關注，但要真正落地於導航、自駕或地圖服務，仍需經過實際場景的驗證與調整。3D重建模型的效能表現，往往會受到真實環境中的光線、遮蔽、動態物體等因素影響，如何在實際應用中維持穩定表現，將是後續發展的觀察重點。整體而言，高德推出ABot-Recon，不僅展現了其在AI技術研發上的投入，也透露出空間智慧將成為未來地圖服務競爭的重要戰場。從導航到自動駕駛，從地圖建置到數位孿生，3D重建技術的進步，正在逐步改變人類與空間資訊互動的方式。ABot-Recon以少量幀數啟動萬幀場景重建的突破，為這項技術的應用打開了新的想像空間，也讓外界對高德在空間智慧領域的下一步動作充滿期待。