高德发布3D原生世界模型，扫街榜全面AI化

高德日前宣布「高德扫街榜」迎来全面AI化升级。升级后的2026版扫街榜基于AI算法解析用户的真实导航与到店行为权重，以更精确的评价体系筛选高品质店铺。支撑这一业务升级的底层核心，正是高德自研的空间智能引擎——全球首个3D原生城市世界模型ABot-Earth 0.7。

依靠过去二十余年积累的时空数据，高德将大模型与世界模型深度融入空间智能领域。ABot-Earth 0.7展示了惊人的构建能力：仅需一张卫星图或一段提示词文本，在消费级GPU上运行10分钟，即可生成包含真实街景的1平方公里3D城市场景，重建效率较传统方式提升了1000倍。

原生3D技术路线：兼顾效率与还原度

以Google Earth为代表的传统3D重建流程，通常经历影像采集、几何形体计算及表面纹理贴图等环节，更新周期常以月甚至年计。高德ABot-Earth 0.7的目标是大幅拉低3D场景的生成门槛。

截至目前，该模型已囊括190多个国家和地区的300多座城市。模型先通过海量室外场景真实重建数据进行预训练，习得道路延伸、建筑排布与植被分布等空间规律。面对一张卫星图或少量地面素材时，模型便能依据物理先验推断空间骨架并补齐细节。

技术实现上，ABot-Earth 0.7采用3D高斯泼溅（3DGS）作为核心表达。模型直接生成带色彩与空间属性的三维高斯基元，使输出原生具备立体空间结构。

针对海量高斯球对显存与计算资源的重度消耗，高德提出了“先压缩、后生成”的原生3DGS方案：训练时将复杂3D场景投射到紧凑的潜在空间（Latent Space），在潜空间内完成生成任务后再解码还原。这显著降低了推理开销，并保证了建筑立面平整与道路几何的规则度。

此外，高德搭建了ABot-3DGS引擎与配套数据清洗流水线，将卫星、航拍及地面街景等多源影像融合成高精度训练集，避免了“道路飞空”或“建筑错位”等生成缺陷。

从静态沙盘到动态可交互数字地球

在交互体验方面，ABot-Earth 0.7实现了从宏观地球到微观街区的无级缩放。这得益于自研的原生3DGS多细节层次（LOD）解码器，无需繁重的后期渲染计算即可动态加载分级细节。

在大尺度地图拼接上，高德引入滑窗推理机制与智能重叠融合，将拼接破损率降低了97%，单次推理即可覆盖逾10平方公里的场景。

针对卫星视角难以获取立面细节的局限，高德结合了生成模型与专用Agent：城市大面积肌理由ABot-Earth 0.7生成，特定地标则通过3D生成模型精细建模并自动对齐拼接，实现宏观与微观兼备的场景表达。

这标志着数字地图正在从单纯可视化的电子沙盘，进化为可生成、可仿真、可编辑的动态空间智能载体。

高德CEO郭宁将模型对物理世界的理解划分为四个层次：

1. 二维网络拓扑：定义路网与建筑地点的空间连接；
2. 三维空间：刻画客观物理几何；
3. 时间变化：记录环境在不同时刻的动态变迁；
4. 世界流动：解析人流、车流等主观行动路径。

ABot-Earth 0.7在夯实三维空间与二维拓扑对齐的基础上，为后续叠加时间状态与交通流仿真铺平了道路。

全栈世界模型体系落地物理世界

结合世界模型的三大核心组件——渲染器、模拟器与规划器，高德完成了全栈技术布局：

• 渲染器：负责立体视觉呈现，涵盖ABot-Earth、ABot-World及云境体系；
• 模拟器：负责物理世界态势推演，如未来交通态势预测与商圈客流推演；
• 规划器：为AI智能体与具身机器人输出行为决策，包括导航模型ABot-Navigation与操作模型ABot-Manipulation。

这套系统底层共享因果Transformer架构。图像、文本、点云与路况等多模态数据分别编码后，在共享注意力机制下进行统一对齐，使单一框架能协同支撑用户端应用、企业级数字孪生与具身智能机器人研发。

目前，该技术已落地于开放环境具身机器人高德途途、城市级仿真训练平台、红绿灯倒计时预警及AI扫街榜。从用户日常选店导航，到无人机空中避障与自动驾驶提前规避拥堵，空间智能正逐步成为物理世界数字交互的底层基础设施。