作者｜苏涵
这一结果让外界看到，仿真训练有望降低机器人对真实环境反复试错的依赖，也让仿真路线的重要性进一步凸显。
近年来，全球玩家争相卡位空间仿真与合成数据基础设施，抢占机器人 Sim2Real 迁移的核心壁垒。
英伟达通过 Isaac Sim 布局机器人仿真，国内也有企业聚焦高保真仿真与合成数据，或者探索利用大规模合成数据训练机器人模型。
不过在国内，群核科技是布局最早的一批，早在 2018 年便发布了全球最大的室内场景深度学习数据集 InteriorNet。
此后，公司陆续布局空间理解、空间生成和 3D 高斯重建，并将技术能力延伸至空间智能训练服务。
值得注意的是，近日，群核科技进一步向数据生产的源头延伸，将原本相对独立的空间采集能力纳入自身技术体系。
11 月 9 日，群核科技与禾赛科技发布联名 3D 空间相机 Aholo x Kosmo One，通过激光雷达与 8K 影像采集真实场景，并直连群核旗下的空间重建平台 Aholo Reality 完成 3DGS 重建和智能编辑，加速空间数据、空间智能在各领域的应用。
Aholo x Kosmo One 3D 空间相机
可以看到，从早期三维数据积累，到空间生成模型、真实场景重建，再到仿真训练与产业应用，群核这几年的动作持续围绕一个点展开：缩小 Sim2Real 的差距，做物理 AI 的数据基础设施。
当越来越多企业争夺机器人本体和模型能力时，围绕数据生产、空间理解和仿真训练的另一场竞争，也正在展开。
物理 AI 最稀缺的可能不是模型，
而是数据
现在让机器人认出一把椅子，或许已经不是什么难事。但要让它在陌生的客厅里绕过椅子、避开茶几，再伸手拿起桌上的水杯，难度就完全不同了。
因为机器人不仅要识别物体，还需要理解空间关系、判断通行区域，以及掌握接触、碰撞等物理规律。这些看似简单的日常动作，背后涉及对真实世界的理解。
问题在于，互联网记录了海量文字和图像，却没有以同样的规模记录物理世界。大语言模型依靠互联网积累的海量文本和图像发展，而物理 AI 需要理解空间结构、物体关系和物理规律。
群核科技联合创始人兼董事长黄晓煌近期在内部信中指出，空间智能当前最大的瓶颈在数据，核心根源是物理世界被数字化的比例还微乎其微。
无论是具身智能机器人在真实环境中自主执行任务，还是影视行业借助 AI 完成虚拟场景创作，亦或是商业空间、文旅文博领域的数字化升级，都离不开对真实世界的高精度三维还原。
相比传统二维图像，能够表达空间几何、物体位置、尺度关系和环境细节的三维数据，正在成为 AI 理解物理世界的重要基础。
如何高效、低成本地获取高质量真实空间数据，并将其转化为能够被 AI 理解和产业复用的数字资产？这是当前空间智能产业的发展面临的关键问题所在。
这也推动着空间采集硬件与三维重建平台加强协同。近年来，群核科技、影石创新、禾赛科技等产业链企业开始探索软硬件结合，以降低真实空间数字化的成本和门槛。
此次群核与禾赛推出联名款 Aholo x Kosmo One，将激光雷达、影像系统与高精度 IMU 集成在一台设备中。
激光雷达提供空间测量，摄像头记录颜色与纹理，IMU 为设备运动估计提供信息，再通过同步、标定和融合，把不同来源的数据放进统一的空间参照体系。
采集数据与群核 Aholo Reality 平台原生打通。原始数据进入平台后，可以自动完成空间对齐、点云融合和 3DGS 重建。依托自研 3DGS 重建算法，在已测试的专业设备链路中，Aholo Reality 能够实现采集时长与重建耗时达到约 1:2，实现高效的三维场景重建。
不过，对于物理 AI 而言，快速完成三维重建只是第一步，3DGS 重建更多是尽可能复原了物理世界的视觉表征。
更重要的是，机器人还需要理解物体语义、空间结构和碰撞关系，才能在虚拟环境中完成导航与交互。如何把三维场景转化为真正可用于 AI 训练的 SimReady 数据，成为行业的重要需求。
围绕这一方向，群核科技也在探索将空间理解能力与 3DGS 技术结合。2025 年，群核开源带有几何语义信息的 3D 高斯数据集 InteriorGS，尝试让 3DGS 场景不仅能够呈现视觉效果，还能关联具体物体及其几何信息。InteriorGS 开源后，迅速登顶 HuggingFace 数据集榜首，证明了业内对这一技术路线价值的肯定。
图：机器人在虚拟场景中识别、理解空间
后续，群核又开源了基于 3D 高斯的 VLN 具身学习数据集 SAGE-3D，进一步探索将 3D 高斯场景与碰撞体结合，使其能够支持具身导航训练与评测。
从行业角度看，这类研究反映了 3DGS 技术应用方向的变化：从追求视觉重建效果，逐步走向支持空间理解和机器人交互。
沿着这条探索路径，Aholo Reality 平台已经具备较强的 3D 高斯场景编辑能力：自动识别、语义分割、智能对象编辑、智能补洞。这意味着，同一处空间经过采集和重建后，不仅能够用于空间设计、数字孪生，还可以经过语义标注和物理属性补充，进一步适配机器人训练需求，实现数据的持续更新与复用。
图：Aholo Reality 平台的语义分割能力
以一个真实门店为例，采集设备可以还原店内的墙面、货架、桌椅和商品陈列，但如果要用于机器人训练，还需要进一步理解场景中的对象及其空间关系，并根据具体任务补充相应属性。而且可以改变空间里物体的位置、替换物品等，经过空间理解、识别和结构化处理，原本主要用于观看的三维场景，才能进入仿真系统可以进一步加工和调用的训练环境。
这是空间数据从重建走向应用的重要一步。
从三维数据到世界模型，
如何缩小 Sim-to-Real 的差距？
从整个生态链来看，群核科技的位置是稀缺的。它并不是从零开始寻找空间数据，而是已经拥有长期积累的三维数据和空间技术基础。
依托酷家乐平台多年来沉淀的大量三维场景和模型，群核科技较早开始了相关探索。
2018 年发布的 InteriorNet，为室内场景深度学习提供了大规模数据基础；随后推出的 Structured3D，则进一步探索如何将房屋、房间、墙面、门窗等空间信息进行结构化表达。这些早期工作，为后续空间理解和具身智能研究提供了重要积累。
沿着这一方向，群核科技的技术探索也在逐步延伸：从积累三维空间数据，到让模型理解和生成场景，再进一步探索如何将其转化为机器人可以学习和交互的环境。
从数据来源看，群核已经形成两条互补路径。
一方面，通过 Aholo Reality 及禾赛、影石等合作采集设备获取真实空间数据；另一方面，通过自研空间生成模型 SpatialGen 和 3D 生成模型 Lux3D 生成更多样化的虚拟环境和资产，补充真实采集难以快速覆盖的空间布局和场景变化。
真实采集提供现实世界的参照，生成模型则帮助扩大数据规模和环境多样性。本质是，让数字世界和物理世界不断对齐，从而让数字世界吸收更多物理世界的信号。
随着具身智能对训练数据的需求增加，空间数据的应用也开始从场景重建向仿真训练延伸。
2024 年，群核推出了 SpatialVerse，为物理 AI 训练提供合成数据服务。它的价值不只是提供三维场景，更在于将空间数据、仿真环境和训练应用连接起来：一方面，通过数据生产和加工，持续提供更丰富的空间资产；另一方面，让机器人和智能体能够在虚拟环境中进行低成本试错和任务训练。
而训练之后，还需要回答另一个问题：机器人究竟学得怎么样？模型在哪些场景容易失败？如何判断它在虚拟环境中获得的能力能否迁移到现实世界？
图：机器人在工厂场景训练
围绕如何缩小仿真与现实之间的差距，产业界和学术界也在尝试将数据采集、仿真训练与能力评测结合起来。
群核与业内伙伴的探索，正是沿着这条「从能训练，到能评估，再到能闭环」的路径展开的。在 CVPR 上，群核与宇树科技等提出 Arcadia 框架，试图把真实采集、仿真重建、统一学习、部署反馈串成一个训练闭环。
其核心思路是：机器人在真实环境中采集的数据，可以进一步用于构建仿真训练环境；经过仿真训练和验证后，再将优化后的能力部署回现实环境，并通过新的反馈持续改进。
在物理仿真与空间智能评测方向，群核还与英伟达、宇树科技等产业和学术伙伴展开研究。例如，与 Adobe、英伟达等合作的高保真仿真器 SPEAR，重点探索更真实的虚拟环境构建；与宇树科技、浙江大学等合作的 WalkerBench，则尝试将真实街景引入交互式空间智能评测，为衡量智能体在复杂空间中的理解和行动能力提供参考。
对于机器人企业而言，如果能够通过仿真平台以较低成本获得更多训练场景，覆盖真实环境中难以反复测试的长尾任务，并提前发现模型和控制策略的问题，无疑有助于降低研发与验证成本，机器人也将在这个过程中不断缩小 Real-to-Sim-to-Real 之间的鸿沟。
机器人争夺「大脑」，
群核要做物理 AI 时代的「卖水人」
如果把物理 AI 产业链拆开来看，物理 AI 的竞争并不只有「大脑」和「身体」两条主线，还存在一层容易被忽视、却可能长期受益的基础设施：让 AI 认识物理世界、在虚拟世界中学习，并最终回到现实世界验证能力的数据与工具体系。
群核科技瞄准的，正是这一层。
回到苹果 HALO 带来的启示，机器人有望在虚拟环境中掌握现实世界的部分能力，但这种迁移并不会自动发生。
虚拟世界是否足够真实，数据是否足够丰富，场景是否能够被机器理解和交互，都会影响训练结果能否真正落地。
从商业定位来看，无论是人形机器人、移动机器人，还是面向工业、商业和家庭场景的智能设备，只要它们需要理解空间、构建仿真环境、开展训练和评测，就可能产生对三维空间数据和相关工具链的需求。
这也是群核想做「卖水人」的逻辑：不直接参与每一场机器人本体的竞争，而是为不同路线的物理 AI 企业提供数据基础和空间能力。
更重要的是，这种能力并不局限于机器人训练。真正的数据飞轮是要靠真实场景不断落地驱动的，而买群核这杯「空间智能」之水的人来自于千行百业，他们的落地为这个飞轮供给了源源不断的数据。
影视短剧需要真实空间的数字化重建作为 3D 片场；游戏制作需要可编辑的三维资产；文旅文博需要对建筑和文化遗产进行数字化保存；随着 XR 和 AI 眼镜的发展，空间智能也有望成为下一代人机交互的重要基础。在这些领域，群核已经跟华策影视、PICO、遨森电商等各行业龙头企业探索合作可能。
3D 片场生成的 AI 短剧场景
不同产业的需求虽然不同，但底层都离不开真实空间的采集、重建、理解和再利用。从这个角度看，Aholo x Kosmo One 的意义也不只是推出一款联名硬件。
它将真实空间采集与 Aholo Reality 的重建、理解和编辑能力连接起来；再结合 SpatialGen、Lux3D 等生成能力，以及 SpatialVerse 所承接的仿真训练和评测探索，群核正在尝试打通从真实空间到数字空间、再从数字空间回到真实应用的多个环节。
不过，从技术环节相互连接，到真正形成能够持续运转的数据闭环，还需要解决数据标准、不同应用场景的适配，以及真实反馈能否持续用于模型改进等问题。
这也与黄晓煌在内部信中提出的方向相呼应：空间智能要实现规模化落地，首先需要补上数据基础设施这一环。
群核希望通过真实采集和空间生成两条路径持续获得数据，再以重建、理解、训练和应用形成循环，最终成为 AI 通往物理世界的入口。
当越来越多企业争夺机器人「大脑」和「身体」时，空间智能的竞争也正在向更广泛的产业延伸。从空间采集、理解到生成与应用，其价值不仅在于服务机器人训练，更在于打通数字世界与物理世界之间的连接。
