广东发布空间智能模型 SpatialPoint，让机器人从"看见"走向"行动"

2026 年 9 月 7 日，南方财经/21 世纪经济报道报道，视启未来（深圳）科技有限公司联合清华大学、粤港澳大湾区数字经济研究院（IDEA 研究院）发布空间智能模型 SpatialPoint，目标是解决机器人"识别目标之后如何在三维空间里行动"这一关键断层。

现有视觉语言模型（VLM）能回答"眼前有什么"，但回答不了"应该在哪里行动"。SpatialPoint 通过融合 RGB 图像、深度信息与自然语言三类数据协同推理，将 AI 能力从"理解世界"推进到"确定行动位置"，使模型输出可直接成为机器人可执行的操作指令。

IDEA 研究院讲席科学家、视启未来创始人张磊（曾任微软研究院高级研究主管）介绍，团队将机器人所需的空间信息统一抽象为两类核心点位：第一类是实点（Touchable Point），附着于物体表面，对应抓取杯柄、按压按钮、转动门把手等需直接接触的位置；第二类是虚点（Air Point），位于周边自由空间，对应物体放置、机器人导航、安全避让等位置。SpatialPoint 在传统 VLM 的 RGB 视觉输入基础上增设了专属的深度编码网络，并构建面向具身智能的空间接口。

业内观察认为，空间智能是具身智能走向产业化的关键一步。在机器人开始进入工厂产线的当下，模型输出能否与执行系统直接打通，将决定具身智能的落地速度。

【AICOR 点评】SpatialPoint 把"识别"和"行动"打通，本质上是把具身智能的关键接口标准化——这和 AICOR"AI 员工"的逻辑异曲同工：当 AI 不再只输出文字，而要直接驱动物理设备或业务流程时，模型与执行系统之间的接口就必须标准化、可审计、可回滚。中国厂商在具身智能方向上的快速工程化，是这条赛道值得长期关注的关键信号。