八一中文

手机浏览器扫描二维码访问

sensenova－si：ai终于能看懂三维空间了（第2页）

- 专项训练法（练出空间想象力）：

1. 空间能力分类数据：搞了800万量级的SenseNova-SI-8M数据集，涵盖从简单测量到复杂心理重构，标签细到“物体从这个角度看是哪个面”，不是乱堆数据。

2. 跨视角预测训练：给正面图，让模型猜侧面、背面，像教小孩搭积木一样练“空间想象力”，不是只让模型猜下一个词，而是真懂结构。

3. 反作弊测试：做circular test（选项轮转）和去视觉化测试，确保模型是靠看图像推理，不是靠“碗就该在桌上”这类文字套路蒙答案，性能扎实。

- 算法蒸馏（落地提速关键）：把扩散模型100步推理压到4步，实现64倍提速。比如SekoTalk实时数字人，以前生成20秒视频要1小时，现在实时出，一块RTX4090就能跑，直播、短视频制作直接能用，成本砍到原来的1/10以下。

四、四大测试怎么测，分数为啥靠谱

本小章还未完，请点击下一页继续阅读后面精彩内容！

- VSI-Bench（空间理解综合考）：测物体位置、遮挡、大小关系，SI-8B得68.7%，GPT-5只有52%，复杂场景里模型不会再把“车在树后”判成“车不在”。

- MMSI-Bench（多模态空间推理）：图文结合出空间题，比如“红色球在绿色盒子左边，蓝色球在绿色盒子右边，红色球和蓝色球谁离你更近”，SI-8B比GPT-5高12分，理解上下文+空间关系更稳。

- MindCube-Tiny（空间想象力小考）：像玩魔方，给部分面猜整体，SI-8B准确率59%，GPT-5只有41%，模型能脑补完整结构。

- ViewSpatial（视角转换专项）：换角度看物体还能认，SI-8B比传统模型高37%，自动驾驶里识别侧面来车、机器人导航避障更准。

- 关键结论：这不是单点优化，是范式级突破——用轻量模型+正确方法，干过靠堆参数的巨头模型，给行业指了条“不内卷”的路。

五、从实验室到赚钱：哪些场景能落地

- 智能驾驶：能实时判断车距、车道线、障碍物3D位置，比传统视觉方案反应快200ms，误判率降42%，商汤已经和“悟能”具身平台联动，未来能让自动驾驶更安全、成本更低。

- 数字人直播/短视频：SekoTalk实时语音驱动数字人，一块4090就能跑，主播不用露脸，AI数字人实时互动，一天能播24小时，成本从每天几万降到几百，MCN机构、电商商家直接受益。

- 3D内容创作：给文字或草图，模型能直接生成3D模型，游戏建模、工业设计周期从几周缩到几天，设计师不用再一点点抠细节，创意能快速落地。

- 工业质检/机器人：机器人能准确抓零件、判断装配是否到位，工业质检能测微小尺寸误差，比人工快10倍，还不会累，适配中国完整工业体系，落地场景超多。

- 具身智能：机器人能理解房间布局、绕过障碍物、拿取指定物品，家政、仓储机器人直接能用，这是AI和物理世界交互的关键，也是商汤重点押注的方向。

六、对普通人和投资者的影响

- 普通人能咋用：