映界科技马辰：空间智能瓶颈在数据层而非架构
空间智能缺的不是数据量，而是判断哪些数据有用、怎么评测的方法；这篇讲清了一条从采集到评测的链路。
香港城市大学副教授马辰加入成立仅数月的映界科技，负责数据方向的预研工作。他认为基础模型的空间智能瓶颈在数据层：并不是采集得越多越好，关键要判断哪些数据对特定任务有增益，并配套可解释的评测基准——明确模型看到了什么、能否回看历史、是否允许交互。
正文摘录
空间智能，究竟需要什么样的数据？访谈映界科技、港城副教授马辰 .jpg)  Ever tried. Ever failed. No matter. Try again. Fail again. Fail better. —— Samuel Beckett。这是马辰最喜欢的一句话。 从 GPT-6 在演示里用 Blender 做三维建模，到 AI 短剧占据越来越多的屏幕时间，再到机器人走进真实场景，这些看似不同的应用，正指向一组共同的能力要求：理解物体在哪里、彼此如何关联、状态怎样随时间变化，以及采取行动可能带来什么结果。面对这些任务，基础模型需要把有限、零散且不断变化的观测，整合为连贯、可更新的空间理解，并据此推理、预测与决策。这正是空间智能的核心命题，也是连接多模态理解、内容生成与物理交互的能力基础。 而让模型获得这些能力，究竟需要什么样的数据？ 香港城市大学计算机科学系副教授、Data Intelligence Lab 负责人马辰，长期研究数据挖掘、数据驱动 AI 与数据价值。今年，他多了一项新职责：负责映界科技数据方向的预研工作。