五道口人丨金融EMBA校友刘振飞：大模型之外，另一条改变世界的AI赛道

过去三十年，中国互联网产业已经走过了两幕。第一幕PC互联网回答的是“信息如何被找到”，第二幕移动互联网回答的是“服务如何被触达”。两幕的内核都是“连接”——将已存在的世间万物，更高效与人进行匹配。

但今天正在展开的第三幕——人工智能，要回答的却是另一个维度问题：这个世界本身，能不能被更深层次地理解——从连接到认知，全球科技产业正在迎来新的分水岭。

理解世界，不只有一条路。语言智能（包含多模态）是一条——让机器学会思考、推理、表达；三维空间是另一条路——让机器看懂街道、楼宇与车流，找到自身在物理世界中的存在意义……

做地图起家的高德，恰好站在空间这条路径上。地图服务的本质，是给世界一套坐标系——把街道、桥梁、楼宇、车流，一寸一寸收进数字世界里，锚定位置、规划路径。当机器开始尝试看懂世界，坐标系就不再只是导航的底图，而是认识物理世界的空间语言。

但无论选择哪条路径，都要回答同一个问题：能力越大，方向越关键。机器越能干，就越需要知道什么该做、什么不该做、为谁而做。能力和价值观都能立得住，才算真正走进了第三幕。

因为向善，才是AI发展的“第一性原理”。

过去几年，行业的大部分注意力集中在语言智能——大语言模型、对话、多模态内容生成……这是一条已经被充分讨论、快速成型的路径。但除此之外，还有一条同等重要的路径：空间智能。

为什么需要这样一条路径？诸多紧迫的产业命题，例如交通安全、城市治理、应急救援、物流配送、具身智能……都发生在物理空间。解决这些问题，依靠的不只是知识，更是认知和行动。

空间智能要解决的核心命题，是让机器理解三维世界的实时变化，走出屏幕、走入现实：感知——看得见世界的每一次微小变化，一条路是否积水、一个路口的信号灯状况如何、一辆车前方正在发生什么；判断——想得清变化背后的因果；行动——给出可控、可解释的响应。以上三步做不到位，AI就仍旧只是一个更聪明的对话框，而不是进入了物理世界的伙伴。

深耕地图行业二十余年，高德为这条路径准备了二十年的数据底座——千变万化的道路系统，就是AI最严苛的考官——早高峰主干道的潮汐车流、老城小巷的人车混行、节假日的高速拥堵、城乡接合部突变的路网；另一方面，北斗卫星导航系统作为国家级时空基础设施，为高德提供高精稳定的定位锚点，以及沉淀在此之上的“物理世界认知沉淀”。

如今，高德日调用北斗卫星定位接近1万亿次，月活跃用户接近10亿。仅在2026年十一长假首日，高德日活跃用户数（DAU）便接近3.7亿，提供空间智能服务超28亿次，用户驾车导航总里程达97亿公里，相当于绕地球赤道24万周。路网、建筑、地形、卫星与无人机影像，以及每一次导航、避堵和纠错反馈，共同沉淀为数十万亿级的时空样本——这正是AI时代最稀缺的资源：对真实物理世界的持续感知。依托这些海量、动态的时空数据，高德正将AI在三维时空中的感知、推理与行动能力转化为服务真实世界的核心引擎，让地图从“连接世界”走向“理解世界”。

2024年，南方某高速公路发生塌方灾害。险情发生后，高德迅速研判全局交通态势，在最初的几秒内就捕捉到多车速度同时降为零的异常，迅速判断风险，并向后方驶来的车辆发出“前方有车辆急刹”的精准预警，为大量驾驶员争取了救命的几秒钟“黄金反应时间”。这一场景里，感知、判断、行动三步几乎在瞬间同时完成，这就是基于空间智能的“鹰眼守护”预警系统。

图为中国安科院院长周福宝（左）与高德董事长刘振飞（右）共同启动基于鹰眼守护预警系统的2026春运保障计划

不只服务高德APP，我们还选择把这套能力以“AMAP AI Inside”的方式开放，面向新能源汽车、机器人、智能穿戴，以及所有需要理解物理世界的行业——当整个产业对于科技的底层需求从“信息检索”跃迁为“物理认知”，高德有责任先把这件事做到极致，让空间智能成为360行与物理世界交互的标配。

在产业演进的第三幕里，最稀缺的资源或许不一定是模型，而是对“一个会呼吸的物理世界”的理解。

AI能力越强大，越需要回答能力之外的问题。

如果说空间智能解决的是“机器能做什么”，那么价值观回答的是“机器为什么而做”。能力是横轴，价值方向是纵轴，缺了任何一条，完整坐标系便无从建立。

先看几个具体实践。阿里巴巴集团多年前与公安部合作的“团圆系统”，借助精准定位推送能力，在儿童失踪报案后于特定地理半径内向用户推送寻人信息。截至2026年5月系统上线十周年，全国6000余名打拐民警通过该平台发布5213条儿童失踪信息，找回率达98.5%。

与中国残联合作的“轮椅导航”，将无障碍设施数据系统性纳入路线规划算法，上线三年半已覆盖全国70座城市，累计提供超过3亿次无障碍路线规划；与应急管理部中国安全生产科学研究院联合打造的“鹰眼守护”预警系统，依托交通大数据实时识别异常驾驶行为，覆盖28类日常驾驶场景，实现秒级预警；2026年国庆长假首日发出预警超6亿次。卫星求救功能依托北斗高精定位，在无信号的偏远地区累计救助超过100人。

图为用户正在查看无障碍轮椅导航

这些案例能够落地见效，前提是将空间智能与社会痛点的精准对接，将价值观深度耦合于研发底层，“善”才能落地为实打实的产品服务。

到了今天，当机器从被动工具走向主动协作者，它开始具备自主决策的能力。传统软件遵循确定性逻辑，出了问题责任链条清晰；大模型的决策路径并非完全透明，输出结果亦非完全可控。倘若不在发展之初，就把善的价值理念植入底层架构——包含训练数据的筛选标准、行为准则的设计框架、人机交互的伦理边界；等到产品规模化之后再做修补，付出的代价会极其高昂。做过大型系统工程的从业者都有深有体会：架构层面欠下的债，到了规模化阶段会呈指数级放大。

正因如此，向善应该是AI发展的“第一性原理”，而不是事后追加的可选项。我们摸索出的一个原则是：不把公益和商业分成两条线。例如“轮椅导航”和“常规导航”产品由同一个团队研发，遵循同一套质量标准，按同一个发版节奏交付。当“善”嵌入日常研发流程，而非作为独立项目存在时，相关能力才具备可持续、可复制、可规模化的基础。

向善还需要突破企业自身边界。“团圆系统”离不开公安部，“鹰眼守护”离不开应急管理部，“轮椅导航”离不开中国残联——这些工作，没有哪一项能够依靠单一企业独立完成。想要让AI真正服务公共利益，需要政府、行业、企业、用户共同形成协作闭环，向善才有可能从一个个产品功能，沉淀成为行业普遍遵循的工程纪律。

技术能力可以构建，价值方向可以校准，但最终决定这件事走向何处的，始终是人。那么AI时代，需要怎样的技术人才？

我的观察是，出色的工程技术能力只是基础。今天真正能驾驭新技术的人需要三种能力：同理心、系统观、叙事力。

第一是同理心——从用户真实的痛点出发去定义问题。“轮椅导航”这个产品的起点，不在任何一次产品规划会议上，而在一位行动不便同事的心愿清单上——最好的产品命题，往往不是被发现的，而是被听见的。

第二是系统观——能预见一个新功能上线后，对用户结构、价值边界、社会公平的连锁反应。例如“团圆系统”如何精准覆盖相关用户，激起每个人心中的善意，这些反应对产品成败的影响，不亚于算法精度本身。

第三是叙事力——能把“超视距”用普通人听得懂的语言说清楚，比如“让机器像老司机拿望远镜一样，看懂远方路况”，这也是鹰眼的产品基础。技术越复杂，越需要有人把它讲回它原本想解决的那个问题。

在当下的产业生态中，能清晰传递技术价值的人才，往往比构建技术本身的人才更为稀缺。

对于年轻一代的科技从业者，我想分享一个体会：技术方向会变、岗位形态会变、产业格局也会变，但内心笃定的理念不会轻易改变——找到属于自己的价值锚点，它会帮你在不确定性中保持方向感。每一次穿越周期的判断，都不是来自对热点的追逐，而是来自对一件“值得做很久”的事情的笃定。大事往往由小事生发，对那些被多数人忽略的细微需求保持敏锐，对那些短期看不到回报但长期不可或缺的基础技术工作保持耐心和持续学习，也许就是技术人在这一幕最可贵的品质。

地图给世界坐标，坐标给世界方向。技术越强大，越要把这个方向校准到“善”——让世界变好，永远比让世界变快更难，但也能为这个世界里的每一个人，真正带去更多希望。