不久前，北京的张天约朋友吃饭，在AI对话框里输入“朝阳区适合聚会的川菜”。AI秒回：三家店的评分、人均、招牌菜一目了然。他选了一家，出发才意识到“事情不妙”：晚高峰过去要一个小时，导航显示停车场入口在辅路，得提前两个路口变道。终于来到川菜馆楼下，张天找了15分钟车位。“推荐没错，但只给了个店名。”张天向《财经天下》抱怨道。在他看来，AI若能替人安排行程，就不能只回答“去哪吃”，还得告诉自己：怎么去、好不好停车，这可能是后AI时代，所有大模型公司都需要攻克的难题。

9月10日，高德扫街榜做了一次AI升级，发布新产品能力。发布会上，榜单获得吉尼斯世界纪录认证。这个上线一年、累计服务超8.8亿用户的榜单，把“选店”和“出发前、行程中”的信息打通。它不止告诉用户哪家店值得去，还把“什么时候去合适、到了怎么停、门口是什么情况”整合在了一起。一个问题呼之欲出：当AI开始参与实际行程，高德提供什么？

▲高德CEO郭宁

01、AI开始处理对话框之外的事

推荐和出行之间，隔着一道看不见的鸿沟。

“顺路找个吃饭的地方”这句话背后，系统至少要考虑四件事：听懂用户的意思、找出沿途的店、算好怎么走、再看路上堵不堵。哪一步接不上，结果就会不及预期。问题是，这些信息散落在不同的地方。口味评价在一个App里，路况在另一个App里，停车场入口的信息可能在用户评论里才能翻到。对于用户而言，得把这些碎片拼起来，才能决定这趟到底值不值得跑。但是，当前的AI是基于“语料”替用户做了“选哪家”的决定，却没帮用户解决“选完了，出发的事没人管”的问题。

本质上，这是一个与你我所处的，时时刻刻都在发生变化的客观世界有关的问题。行业正在从不同方向啃这块骨头。谷歌DeepMind的Genie系列通用世界模型，在界面输入一段文字或一张图片，能生成实时探索的交互环境。用户在里面走动，场景会跟着用户实时生成，画面流畅，能在较长时间内保持场景的一致性。

它的核心能力不在于“这张地图有多全”，而在于“用户动一下，这个世界会怎么回应”。往前迈一步，前方的路就出现了；转头看向左边，旁边的景物跟着呈现。这种能力可以用在游戏原型开发、机器人仿真训练，甚至虚拟探店上。

空间智能代表人物李飞飞创办的World Labs，在2025年推出3D世界生成模型Marble。它能把一张照片、一段文字或视频，变成可旋转、可编辑的3D场景。换个角度看，建筑不歪；走进房间，墙壁不穿模。它像一个“空间复印机”，把现实世界的样子，复制成一个数字模型。

两家的研究各有价值，一个偏向交互与物理推演，一个擅长静态重建与编辑，但都没有解决当前现实世界关联的问题：这段路今天施工没？那家店今晚打烊没？停车场入口在辅路还是主路？这些问题具体到每一个路口、每一个小时、每一家门店，用户出门，问的就是这些。

一名资深地图技术人士告诉《财经天下》，出行类的物理AI入口，壁垒很大程度不在模型参数量，而在路网、POI、实时交通这些现实数据能否持续更新、准确标注、被智能体直接调用。

高德在此次扫街榜2026产品发布中给出了他的解法：将三维场景、实时路况和长期到店行为，接进同一次出门。以老城小店镇江大华面馆为例，它藏在巷子里，五点开门、凌晨吊汤，不投流。高德统计称，过去一年以它为目的地的导航里程约22万公里。

现在，扫街榜升级后，用户搜大华面馆，扫街锦囊先按专程、回头、本地人行为判断值不值得跑。飞行街景2.0从空中落进巷口，呈现门头、取面动线和周边停车，出发前先把“好不好找”看明白。接着用避雷指南，将营业时间、排队强度、巷口施工，以及停车风险一并纳入出发建议；路线按实时路况计算到达，临近目的地，导航Live可将店名、推荐面和口碑叠到门头，最后一百米不用来回切应用。

这意味着，选店、看场、避坑、算路、认门，已经成为高德扫街榜的全链路。当AI开始处理“出门吃饭”这件事，高德不仅仅是一个导航App，它将信息串了起来。

02、让AI理解世界，难在持续跟上它

那么，串起来的这些信息，能跟上现实的变化吗？答案往往是否定的。这类系统真正的难点，不是“只知道一个地方在哪”，而是“这个地方的信息能不能跟得上现实变化。”

就比如导航说“您已到达目的地”，张天还在辅路上绕。他要去的那个停车场入口不在主路，得提前两个路口变道。步行导航将他放在楼的正门，开车却得绕到北侧。地址没错，楼也没错，错在“到了楼”和“进了门”之间，还差一段路。

空间之外，还有时间。早高峰和深夜是两种状态。施工一开，原路线作废。店铺改了营业时间，历史好评不能代替当天可用。语言模型确实可以轻松给出一家店的名字、评分、人均，但真要让人顺利抵达，系统得知道这栋楼有几个入口、各自连着哪条路、开车该从哪边进。这些细节，决定了“最后一百米”能不能走通。

高德把出入口属性、车道关系、不同出行方式的通行规则都连起来。比如哪条路改了单向，哪个小区换了出入口，哪家店搬了地址；某家商场地下车库只开东进、地面落客走南门.....这些积累，在日常使用中几乎感受不到。

直到用户遇到一个场景：AI帮用户推荐了一家店，用户直接导航过去，到了后发现，停车场入口就在路边，不用绕路，不用掉头。用户不会觉得这有什么特别的。但如果没有背后的那些工作，用户可能会停在马路对面，看着导航发呆。

高德将这种能力拆成可协同的三块：动态感知、时空推演、三维表达。具体来说，动态感知是：知道现在正在发生什么，哪条路堵了，哪家店还开着，哪个停车场还有空位；时空推演是知道接下来会发生什么，现在的拥堵会不会扩散，到达的时候路况会是什么样；三维表达是知道那个地方长什么样，门头在哪，周围有哪些参照物，从远处看能不能认出来。

这三块能力，在扫街榜2026中有了具体落点，比如飞行街景2.0就是这种能力的生活化表现。它基于高德自研世界模型，在店铺详情页做沉浸式俯瞰和店内还原，用户出发前能看门头、看街面、看停车和包厢环境；商家用一部手机拍几段店内视频、几张门头照就能生成。在9月10日的发布会亮相的ABot-Earth 0.7，则是高德三维表达的最新体现。

《财经天下》了解到，ABot-Earth定位为3D原生城市世界模型，侧重把城市空间生成、重建为可连续浏览、可调整视角的数据底座。它给前端带来的不是一张更漂亮的地图，而是让“看环境”变成可计算，街区怎么围合、门头朝哪、从高空转到街面再进店内是否连贯。诸如此类的问题，都可以在模型里先跑一遍。

也因此，真正的空间智能不在于生成一座好看的虚拟城市，而在于将世界模型、实时路况、到店行为、商户信息放入同一次任务流程。用户改了出发时间，路线要重算；路线一变，到达时段要重估；到达时段一变，原先“这家店合适”的判断可能就要推翻。每一步都不是独立的，它们必须在一个系统里协同完成。

这意味着，长期路网建设、持续信息采集、到店行为沉淀、ETA校验闭环，少了一件就会出错。让AI理解世界，难在让AI持续“跟上”世界的变化。从实时交通路况到扫街榜2026，高德正在给出一个新答案。

03、让AI理解真实世界，是AGI的新路径？

AGI （Artificial General Intelligence），即通用人工智能，是指具有高效的学习和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的通用人工智能体。

2026年9月4日，OpenAI总裁布罗克曼在GPT-6 Astra发布会上说：“欢迎来到AGI时代，就我个人而言，我认为我们可能已经到达AGI了。”但是OpenAI CEO奥特曼却在9月1日的采访中说道：“充其量，你可以说AGI是一个定义非常糟糕的术语，它就像一个无关紧要的营销术语。”李飞飞则是在2025年11月Lenny's Podcast播客说道，“AGI更像是一个营销术语而非科学术语。”

大洋彼岸的另一端，有无数公司在尝试不同的解法。2025年8月，高德推出“AMAP-AI Inside”战略，核心是把长期积累的路网、位置、到店行为等能力开放给其他产品使用。高德开放平台通过MCP协议对外输出能力。开发者无需重写接口，智能体可以通过协议自主调用地点搜索、路径规划、天气查询等服务。

一次自然语言请求，可以在后台拆成多次工具调用，返回的结果可以被下一个请求继续使用。这套架构让地图能力从“人类可读”变成了“机器可调用”。能力是否真的能被调用，要看终端是否愿意接入。终端愿意接入的前提是：高德能解决它所在场景的真实问题。不同终端面对的是不同的场景。眼镜的场景是“边走边看”：用户走在路上，想知道附近有什么、怎么走、店在哪里。

2026年3月，千问AI眼镜接入高德空间智能，推出“智慧生活”功能。用户视野中直接显示商户信息与AR导航，不用再掏出手机。扫街榜从手机上的榜单，变成了第一视角的决策辅助。眼镜厂商不需要自建一套地图系统，高德在后台就能完成了所有信息处理。

汽车的场景是“开车去哪”：用户坐在车里，需要知道目的地值不值得去、到了好不好停、路上堵不堵。9月10日，高德在发布会上宣布，奔驰成为扫街榜全球首个汽车合作伙伴，合作方向是“未来座舱内帮助用户发现值得前往的目的地，将选店与出行信息衔接”。《财经天下》了解到，车机地图进入汽车后，终端可以调用相关能力。对奔驰而言，它获得的是一个已经验证过的到店决策系统，不需要从零搭建。

两个案例的共同指向是：高德已经开始向终端输出空间智能能力。眼镜用户不需要打开高德，奔驰车主不需要手动输入地址，但高德的服务在后台运行。终端获得的是“即插即用”的空间决策能力，高德则通过这些终端触达了步行、驾车，以及未来骑行、公共交通、外卖配送等更多场景。

每一个新终端接入，都是对高德作为物理AI入口的一次验证：若不能在眼镜上帮人找店、在车机上帮人算路并衔接到店，它就不是合格入口；当眼镜、车机选择接入而非自建地图，说明其价值已超出“导航App”范畴。外界仍多按地图工具来看待高德，但它已把空间数据、实时状态与任务调用绑成基础设施，这种能力与实际标签之间的落差，正是其被低估之处。

这条路并不好走。终端接入只是第一步，真正的考验在于：高德的能力能否适配不同终端的交互方式。眼镜靠视线和语音，车机靠触控和语音，手机靠触摸和手势：同样的地点搜索，在不同的终端上需要不同的呈现方式和交互节奏。高德需要在保持数据深度的同时，让能力在不同终端上都能“好用”，而不是“能用”。此外，当眼镜、车机等终端越来越多地调用地图能力，能力输出的稳定性和响应速度将成为不可回避的门槛。

无论是物理AI，还是AGI，这些名词并不玄妙。它就是让现实世界的状态、空间和规则，变成AI可以调用、可以验证、可以复盘的服务。能否做到这一点，才能决定它在物理AI入口的路上能走多远。

大洋彼岸，有人在走出一条不同的路径。

（文中张天为化名）

（文 | 易浠，本内容转载自财经天下WEEKLY）