Niantic 打造地理空间大模型：靠 Pokémon Go 玩家抓宝扫描 3D 世界

当年你在街头巷尾举着手机到处扫、只为了抓一只皮卡丘的时候，可能怎么也想不到，这些画面最后成了 AI 训练集。

Niantic 最近宣布，他们正在打造一个叫做「大型地理空间模型」（Large Geospatial Model，简称 LGM）的 AI 系统。支撑这个模型的底层原料，正是《Pokémon Go》、《Ingress》以及 3D 扫描应用 Scaniverse 玩家多年来用手机拍摄上传的数百万次实景扫描。

按照 Niantic 的说法，他们的目标是让计算机和机器人能够以全新方式理解物理世界并与它交互，就像 ChatGPT 生成文本一样，在现实世界中自如导航。

汽车开不进去的地方，玩家替它走遍了

这套大模型的核心其实是「空间智能」，底层依托的是 Niantic 过去五年打磨的视觉定位系统（VPS）。

VPS 的工作原理，是通过手机拍下的一张照片，结合玩家扫描积累的 3D 地图，就能迅速判断设备在真实世界里的精确位置与朝向。

跟 Google 街景这类靠测绘车采集的数据相比，玩家上传的数据最大的优势在于它是完全的「行人视角」。

小巷子、公园深处、商场连廊，这些汽车根本开不进去的角落，全被热衷抓宝和抢塔的玩家用脚踩了出来。

根据 Niantic 首席科学家 Victor Prisacariu 在 2022 年的介绍，利用玩家上传的这些数据，他们不仅构建了物体的 3D 几何形状，还加入了语义理解，能分清哪里是地面、天空，哪里是树木。

外媒 404 Media 也忍不住感慨，2016 年下载《Pokémon Go》的玩家，根本不可能预料到自己的游戏行为有朝一日会用来喂养这种 AI 产品。

为什么重要

对用户和普通玩家来说，这无疑是一次典型的「被动打工」。当年大家以为只是在参与游戏里的道馆战或完成 AR 任务，如今却成了给具身智能修筑底图的数字劳工，值不值得继续开启扫描功能，很多人恐怕得重新算一笔账。

对机器人和空间计算行业而言，这份资产却极其诱人。现在的机器人和自动驾驶大多依赖车端传感器或室内小场景，而 Niantic 手里握着的，是全球海量真实户外步道、广场和隐蔽角落的百万级厘米级行人视角数据，这恰恰是大部分科技巨头很难通过常规扫街获得的盲区。

我们认为，Niantic 这一步走得非常精明，但在伦理和用户信任上埋着隐患。把游戏资产盘活成机器人基础设施，商业想象力拉满了；问题在于，把数年前玩家纯粹出于娱乐上传的街景数据直接打包成 AI 基础模型，很可能会招来关于数据授权和隐私知情权的新一轮拷问。