98配列机械键盘选购指南：从核心配置到实战推荐
2026/8/25 16:16:58
系列第 7 篇。整个系列都在问"现在的模型空间能力到底如何"——但如果说不清空间能力是什么，这个问题就没法严肃回答。本篇不给自创答案，只做一件事：把心理学、AI 学界、产业界三方的定义摆出来，找公约数，也指出分歧。
一、心理学的答案：一个有五十年积累的概念
"空间能力"不是 AI 圈的发明。加德纳（Howard Gardner）1983 年的多元智能理论就把"空间智能"列为人类八种智能之一：在脑中形成外部世界的模型并运用它的能力。
认知科学随后把它拆得更细。目前引用最广的是 Newcombe & Shipley (2014) 的 2×2 分类：
| 静态 | 动态 | |
|---|---|---|
| 物体内（intrinsic：物体自身的形状、部件关系） | 识别形状、部件结构 | 心理旋转、折叠想象 |
| 物体间（extrinsic：物体之间、物体与参照系的关系） | 位置关系、地图理解 | 视角采择、导航 |
这个分类有演化依据：人类的两大空间功能——使用工具（物体内关系）和导航（物体间关系）——有各自独立的演化与神经基础（Frontiers 综述）。记住这张 2×2 表，后面会发现 AI 的考卷惊人地落在同样的格子里。
二、AI 学界的答案：从操作性定义到宏大叙事
操作性定义来自李飞飞、谢赛宁团队的 VSI-Bench（“Thinking in Space”，CVPR 2025），一句话：
视觉空间智能是"感知一个空间、记住其布局、并按需检索这些空间信息来回答问题"的能力。
它落成 3 类 8 项任务：构型类（数物体、认相对位置）、测量类（估距离、尺寸、房间面积）、时空类（回忆物体出现顺序）。
宏观定义来自李飞飞 2025 年 11 月的长文 From Words to Worlds：
“空间智能是我们认知赖以构建的脚手架”；它是"语言之外的前沿——连接想象、感知与行动的能力"。
文中给出实现空间智能的载体——世界模型——的三项核心能力：生成（造出符合几何与物理的世界）、多模态（吃下图像/视频/深度/动作）、交互（预测行动之后世界怎么变）。注意：这个定义把"行动"正式纳入了空间智能的范畴，比 VSI-Bench 的"看-记-答"宽了一大圈。
CVPR 2026 不分论文中的空间智能基准，实际上是在这两层定义之间做细化。把它们的能力拆解对齐到 Newcombe 的 2×2 表上（对齐是本文的综合，各家拆法出自论文原文）：
| 基准 | 能力拆解 | 落在 2×2 的哪里 |
|---|---|---|
| SpatialScore (2505.17012) | 10 大类 30 任务：计数、深度、距离、相机位姿、心理动画等 | 四格都有，重心在物体间-静态 |
| SenseNova-SI (2511.13719) 的 EASI 分类 | 度量测量、空间关系、心理重建、视角采择、综合推理 | "心理重建/视角采择"即物体内-动态、物体间-动态 |
| OpenBench (2512.19683) | 三层级：关系推理→度量推理→运动学推理 | 从静态到动态的难度阶梯 |
| SpatialSky (2511.13269) | 无人机 13 子能力：高度感知、可降落判断等 | 物体间两格的领域特化 |
收敛点很清晰：AI 的考卷没有发明新的空间能力概念，它在逐格填认知科学的表——而且填到"动态"两格（运动、视角变换）时，模型成绩最差。
三、产业界与常识的答案：一个应用台阶
李飞飞长文同时给出了产业视角的能力台阶（也是她创办的 World Labs 的路线图）：
- 现阶段——创意工具：生成空间一致的 3D 世界（其 Marble 平台已面向创作者）；
- 中期——机器人：感知-行动循环，对应自动驾驶、具身智能的现实需求；
- 长期——科学、医疗、教育：以空间精确性做仿真与推理。
常识层面的空间能力——认路、停车入位、看图组装家具、打包行李箱——恰好分布在这个台阶的底部，而它们对应的机器能力（导航、度量、操作规划）正是目前考卷上分数最低的部分。
四、综合：一个有出处的工作定义
三方对比之后，共同点与分歧如下。
共同点（三方都包含）：
- 感知空间结构（物体的形状与位置关系）；
- 在心中表征与变换它（记忆布局、心理旋转、换视角想象）；
- 依据它输出判断（定性关系与定量度量）。
分歧点（决定你怎么评价现状）：
- 要不要包含"行动"？VSI-Bench 式的操作定义不含，李飞飞的宏观定义和整个机器人产业含。
- 要不要包含"生成"？世界模型定义把"造出一个物理一致的世界"算作空间智能的一部分；评测类论文几乎都不考这个。
所以本系列的贯穿问题，严格说要拆成三问，答案各不相同：
- 感知与表征层（2×2 的静态格）：模型勉强及格，但掺着语言先验的水分（评测篇的盲测证据）；
- 变换与度量层（2×2 的动态格 + 测量）：普遍不行——原文的措辞是，最先进的多模态模型在估计距离、朝向、尺寸上"很少比瞎猜好"（“rarely perform better than chance”）；
- 行动与生成层：模型几乎空白，靠外挂系统在补（Agent 篇），世界模型路线刚起步。
一句话版本：按最窄的定义，模型能答对多数定性判断题，但结果不稳定、定量估计大多失败；按李飞飞的完整定义（包含行动与生成），它还在起点附近。这也是为什么"空间智能是 AI 下一个前沿"这个判断，2025 年由李飞飞提出（TIME 也刊发了此文），2026 年就变成了 CVPR 上几百篇论文的集体行动。
五、延伸思考（个人观点，非文献结论）
把上文各家的能力拆解并排看，会发现它们都绕着同一组要素转，而这组要素恰好接近知识工程里"本体"（ontology）这个专有概念的构成：对象（物体）、属性（长宽高、形状、颜色）、关系（上下左右这类空间关系）、动作（移动、旋转、交互）。空间智能的考题，几乎都是在这四个要素上出的：认对象是感知，估属性是度量，判关系是空间推理，预测动作后果是交互。
照这个视角，"让模型获得空间智能"与"让模型内化一个关于物理世界的本体"可能是同一件事的两种说法——评测在检查本体的每个要素是否齐全，注入在把要素写进模型，世界模型在让整个本体能随动作演化。至于认知科学四格表里的"动态"格（心理旋转、导航）是否能严格对应到"动作+关系"的组合上，这一步推得比较远，可能是过度联想，仅记录为待检验的想法。
引用来源
- Fei-Fei Li, From Words to Worlds: Spatial Intelligence is AI’s Next Frontier, 2025-11（TIME 版本；中文译介：量子位）
- Yang et al., Thinking in Space: How MLLMs See, Remember, and Recall Spaces (VSI-Bench), CVPR 2025（代码开源）
- Newcombe & Shipley, Thinking About Spatial Thinking: New Typology, New Assessments, 2014；2×2 分类实证检验
- Gardner, Frames of Mind: The Theory of Multiple Intelligences, 1983
- 本语料内：SpatialScore (2505.17012)、SenseNova-SI (2511.13719)、OpenBench (2512.19683)、SpatialSky-Bench (2511.13269)