視啟未來——兩大AI領軍人物看中的“空間智能模型”公司

有人說，中國硬科技已站上世界之巔，但就AI大模型的技術水平而言，中國仍處于追趕美國的階段。這個結論正確嗎？我們和昊辰資本創始人湯濤先生就此進行了討論。他的觀點是:至少該結論在“空間智能模型”領域是不正確的。一個來自于粵港澳大灣區數字經濟研究院（IDEA研究院）的頂級科學家團隊，開發出了全球領先的“空間智能模型”。這個團隊的帶頭人，就是昊辰資本天使輪投資項目視啟未來（深圳）科技有限公司（下文簡稱視啟未來）的創始人——張磊博士。

圖/張磊博士

視啟未來的由來

張磊博士，是中國人工智能奠基人張鈸院士的得意門生，也是擁有200余篇頂會論文、Google Scholar引用超6.2萬次的IEEE Fellow。2024 年，張磊博士發布了通用視覺大模型 Grounding DINO 1.5，一舉摘得視覺領域 SOTA（當前最優） 桂冠。在 COCO、LVIS 等多個國際權威測試中，該模型以絕對優勢力壓谷歌、Meta、微軟等行業巨頭，成功在全球舞臺上為中國視覺大模型占據頂尖位置，彰顯了國產 AI 的強勁競爭力。同年，團隊推出的 DINO-X 模型更是憑借獨一份的“泛化感知”能力，成為李飛飛團隊和英偉達、銀河通用、騰訊 Robotics X 實驗室等國內外頂尖機構在發布重要研究成果時的重點引用對象，進一步確立了團隊在全球空間 AI 領域的話語權。

Grounding DINO 1.5模型，一經公布便獲得了IDEA 研究院創院理事長、世界頂級 AI 專家、美國國家工程院和英國皇家工程院外籍院士沈向洋的罕見轉發推薦。要知道，這位AI界大佬素來惜字如金，轉發頻率堪稱“一年一轉”。這份難得的認可，無疑是中國原創AI模型向全球行業吹響的奮進號角。

張鈸院士、沈向洋院士作為AI屆領軍人物，看到并認可張磊博士在“空間智能模型”中的研究突破，看好該技術廣泛的應用前景，鼓勵并支持了張磊博士的研究產業化步伐。

2025年8月，張磊博士正式創立視啟未來，張鈸院士和沈向洋院士擔任公司顧問，全力支持公司發展?！昂芨吲d的是，昊辰資本在Grounding DINO 1.5發布之初，就取得了與張磊博士團隊的密切聯系，并且參與了視啟未來的天使輪投資”，湯濤先生無不興奮地告訴我們。

技術產業化與模型突破并行

視啟未來的兩位重量級顧問--張鈸院士和沈向洋院士，在學術界享有極高的聲譽，在技術產業化方面擁有豐富的經驗，在日常討論中給團隊提供了很多方向性的建議。在他們的關心指導下，公司從成立第一天起就確立了雙措并舉的方針——技術要落地，研究要前瞻。一方面，通過產業合作實現技術落地，要快速構建起可持續的商業模式；另一方面，要大膽投入前沿研究，保持技術在世界范圍內的領先性。

在技術落地方面，公司成立不過四個月，就憑借DINO-X模型“泛化感知”的獨特能力迅速打開市場，與招商局集團、美團機器人以及安凱微建立了深度合作，在工業場景、低空經濟場景以及智能家居場景實現了空間模型的落地，從而讓泛化感知技術可以提供精準化、個性化的AI增值服務。

在前沿研究方面，視啟未來的核心目標是實現空間感知模型與VLA（視覺-語言-動作）的結合，即通過將自身的通用感知能力與VLA架構融合，構建更符合物理世界規律的智能系統。同時，3D空間感知也是視啟未來的重點研究方向?！拔覀兿Ｍ麑⒏兄芰Υ蚰ブ翗O致，以此切入更多長尾且高價值的細分場景。與此同時，我們正著手將這類核心能力融入具身智能體系，希望幫助具身突破瓶頸，而這一過程需要開展大量針對性的研究與探索工作?！睆埨谶@樣概括公司的路線圖。

圖/張磊博士指導完成的研究工作SegDINO3D，運用視頻數據完成三維空間的物體感知

具身智能中的創新型務實解法

張磊博士對具身智能本質的理解是機器人要實現“看得清、想得明白、做得動”，必須以視覺感知為核心。因此，張磊的研究理念始終圍繞“視覺原生”展開。他相信“視覺是機器與環境交互的基礎”，強調“機器的最終行動依賴的是視覺與行動閉環，而非僅僅依賴語言”。 多年的研究積累也讓張磊團隊形成清晰的技術演進路徑：從2D物體檢測與識別出發，逐步向3D空間理解延伸，最終實現機器人與物理世界的精準交互。當前張磊團隊的核心研究方向之一是將2D感知升級為3D理解，解決具身智能的關鍵問題——通過視覺信息判斷物體的空間位置、表面結構，進而確定最優操作角度。

對于具身機器人而言，視覺是連接感知、規劃與行動三大基石的核心紐帶，是機器從“看懂”到“做到”的必經之路。而在具身智能領域，VLA（視覺-語言-動作）架構雖為主流技術路線，卻尚未實現產業大規模實際落地，核心瓶頸包括模型架構的可行性存疑和訓練數據量的嚴重不足。具身賽道已形成的共識是，先解決數據規模和質量問題，再推進模型創新。

在此背景下，為了促使具身智能走向通用化這一核心命題，全球科技界正展開多元探索：特斯拉專注真實數據仿真，英偉達聚焦數據泛化，李飛飛團隊聚焦3D空間的生成與構造，而楊立昆團隊倡導的JEPA模型，試圖探索數據抽象?？傮w來說，這些探索路徑各異，但都尚未實現實質性突破?！拔锢鞟I”、“空間智能”、“世界模型”這些新誕生的概念背后，本質都是在爭奪對新事物的定義權。

視啟未來的研究方向，給這場競爭提供了務實的創新方向。公司以2D空間理解為根基增加連續的空間維度的變化，從而延伸到3D空間，為3D理解提供了堅實支撐。沿著這條路徑，團隊已經取得了可觀的成果。張磊博士指導的研究工作OVSeg3R模型，進一步解決了開放世界中三維空間物體檢測和分割的難題，且正在打破制約具身智能發展的“數據量級不足”的瓶頸。

圖/最新3D分割模型OVSeg3R分割效果刷新了全球同類模型分數

以機械臂抓取物體的場景為例，傳統VLA模型需要收集不同顏色、形狀、環境下的海量實物交互數據，成本高且效率低。張磊則認為，抓取動作本身具有通用性，通過引入通用感知能力，可極大程度減少VLA對操作數據的依賴，放大現有數據的利用效率，讓VLA完成各類物體的抓取，達成全場景的真實泛化。這一創新思路從根本上降低了數據依賴，為具身智能規?；瘧脛撛炝藯l件。

湯濤先生如此總結：“空間智能模型企業正迎來技術迭代與產業融合的雙重紅利，發展前景無限廣闊。視啟未來在空間智能模型領域已具備全球技術領先優勢，不僅與頭部企業達成合作，完成產業落地驗證并推進相關業務，更憑借硬核技術為具身智能的通用化發展提供了無限想象空間與堅實支撐。我們堅信，視啟未來必將成長為中國乃至全球‘空間智能模型’賽道的獨角獸企業?！?/p>

一個在“空間智能模型”領域全球領先的公司，它的未來，確實值得期待。