文：侯煜

编辑：cc孙聪颖

大语言模型在文本与逻辑任务上的突破，让行业开始重新审视AI落地的下一程：当机器要走出屏幕、进入物理世界，它必须理解三维空间、感知物理规律、在动态环境里完成推理判断。

这一方向被学术界称为“空间智能”，也被视为通用人工智能必须补上的关键能力之一。

空间智能的理论探索之外，产业界已经出现一批落地尝试。其中，地图厂商因为手握城市路网、POI资产与长期积累的时空数据，成为具身智能赛道中一个值得关注的变量。

高德旗下的具身智能品牌高德动量，在世界机器人大会上展示了四足机器狗“途途”。

实际上，高德试图回答一个问题：地图沉淀的空间认知能力，能否成为实体机器人走出展厅、进入开放城市环境的关键底座？

途途亮相世界机器人大会，展示五类场景样机

2026世界机器人大会上，高德动量把途途带到展台，集中展示五类应用方向：视障导盲、沉浸式文旅伴游、商业空间智慧导购与自主代办、园区多场景智能巡检、社区末端物流配送。

覆盖的场景从无障碍出行、景区讲解、商圈服务，延伸到厂区巡检与小件物资递送。与不少在封闭展厅、预设路线中完成演示的机器人不同，途途试图瞄准的是开放城市环境。

高德地图具身业务部总经理唐文彬在现场解释这套落地逻辑：“我们首先获取清晰的城市级路网信息，让机器人从封闭环境走向开放环境；其次借助ABot系列的导航模型，结合视觉和地图信息，获得更精细化的道路引导信息，让机器人能够引导到店门，实现门到门的定位。”

从现场样机来看，途途并不只是一台强调行走能力的四足机器人，而更像一台面向真实社会需求的执行载体。

用户可以用模糊的自然语言发出指令，系统将其拆解为可执行的任务链，再调用空间认知、路径规划与动态避障能力，最终由硬件完成动作。这条链路为具身智能提供了一种可观察的实现路径，但距离大规模商用仍有明显距离。

ABot全栈技术体系：分层协作而非单点模型

支撑途途的，是高德自研的ABot全栈具身技术体系。需要强调的是，这并不是一个端到端的单一大模型，而是由多个分层组件协同完成。

用户用自然语言发出的指令，首先经过语义理解，随后由 ABot-ER 进行空间-任务关系推理与任务拆解；ABot-AgentOS作为执行中枢，采用“云端大脑一边缘响应"的两级设计，负责决策、能力调配、技能调用与跨任务多模态记忆管理，调度异构机器人完成具体动作；ABot-N1是面向开放环境的导航基座模型，承担路径规划、超视距感知与动态避障；ABot-M0.5则面向移动与操作任务。

在这套体系底层，ABot-World与ABot-Earth充当世界模型与仿真数据层的角色：把高德的厘米级地图、轨迹数据转化为可编程的仿真场景，生成训练数据，并对物理一致性进行校验。

换句话说，ABot-World更多是数据、仿真与物理推理的底座，而非直接跑在机器狗上做实时决策的onboard模型。

高德将这套能力概括为"Map as Memory"———地图变成机器人可调用的持久化世界记忆。

传感器解决"眼前看到什么"，地图底座补充"全局空间如何连通"，二者结合，机器人才有走出展厅的现实基础。

地图底座的壁垒与现实边界

高德做具身智能的核心筹码，是过去二十年积累的时空数据、厘米级定位能力与亿级空间语义资产。这些能力在云端已经沉淀成熟，但要迁移到实体机器人上，中间还要跨过感知、决策、执行、安全等多个现实障碍。

仿真环境里，空间参数可以人为设定，但真实城市的道路、障碍物、人流始终动态变化。

机器人不能只识别摄像头拍到的画面，还要理解POI信息、路网连通逻辑、空间功能分区，把局部感知和城市级时空底座结合起来。

这正是地图厂商切入赛道的逻辑：空间认知底座离不开长期业务沉淀与海量真实场景的数据积累，短期很难靠通用大模型或单纯算法实验室补齐。

不过，这并不意味着地图数据可以自动解决所有问题。大模型本身存在幻觉，线下机器人容错空间极小，AI输出的语义指令必须经由空间底座完成校验修正。

从展会样机到稳定商用，途途还需要在极端天气、临时道路改造、复杂人流等开放环境挑战中持续验证泛化能力。

全球视角：地图厂商的不同路线

把导航数据与空间技术复用到具身智能领域，是全球地图服务商共同探索的方向，但各家选择的路径并不相同。

谷歌向Gemini开放Google Maps的海量地理数据，为AI智能体提供现实世界的空间锚定，不过相关能力目前更多停留在云端，尚未推出自家实体服务机器人。Niantic Spatial依托用户众包形成城市视觉数据集，推出VPS视觉定位模型，向配送机器人企业提供厘米级定位基础设施，但不直接做整机硬件。

亚洲市场也在加速布局。韩国已将物理AI纳入国家重点产业，三星、LG等本土巨头设立实验室，尝试将空间感知能力嫁接至机器人硬件。但韩国本土地图厂商目前尚未产出类似途途的成熟整机产品，行业整体仍处在技术研发与方案规划阶段。

国内市场的特殊性在于，高精度地理数据采集与处理设有资质门槛，海外地图厂商无法将成熟方案直接照搬。

本土图商长期深耕国内路况、街巷细节与城市更新，在数据合规性和场景理解上具备现实优势。但优势不等于终局，产品能否跑通，最终仍取决于稳定性、成本控制和运营打磨。

具身智能的瓶颈，不只是"怎么走"

过去很长一段时间，机器人行业比拼的重点集中在硬件层面：步态、算力、零部件性能。高德的实践提供了另一个观察角度：具身智能的瓶颈，不完全在于机器人"怎么走"，同样在于机器"如何看懂真实世界"。

硬件迭代速度正在加快，大模型的语义能力也可以外部引入，但城市空间认知底座需要长期沉淀。这也意味着，具身智能不存在单点技术捷径。学术研究指明方向，大模型负责语义解读，地图底座提供现实世界的空间认知，硬件承担物理执行，多重条件叠加，才有可能在真实城市场景中持续运行。

从世界机器人大会的样机表现来看，途途展示的是一种可能性。

但行业也应当区分展会演示效果与真实商用能力，产品价值终究要交给开放环境的长期运行来验证。

对于高德动量而言，手握城市空间底层数据只是起点，如何把数据优势转化为稳定、安全、可规模化的机器人服务，才是接下来的真正考题。