从设计工具到空间AI数据平台

随着人工智能技术的快速发展，AI正逐步从文字、图像、视频等数字领域进入物理世界。在这一趋势下，一家名为生境科技的创业公司提出了独特的路径：通过构建一个“空间AI”的数据飞轮，让AI不仅能够还原世界，更能理解人类的空间偏好与秩序。

生境科技成立于2023年，由孟建民院士和李泽湘教授指导培育，是XbotPark体系中少数专注于AI软件平台的项目。与市场上常见的家装设计工具不同，生境科技选择了一条反直觉的路径：先做一个用户愿意反复使用的2C空间交互产品，再将用户行为转化为结构化的空间状态数据。

“我们的目标不是做一个更快的设计工具，而是构建一个空间AI的数据飞轮。”生境科技团队表示，“这个数据飞轮的核心在于记录人类对空间状态的判断，包括空间秩序、审美偏好等多个维度的数据。”

在Physical AI的技术图谱中，生境科技位于最稀缺的人居空间秩序数据层。团队认为，当前最容易获得的大规模训练数据主要集中在文本、图像和视频领域，而三维对象、空间关系、动作约束和状态变化等数据却相对匮乏。

“游戏、影视、建筑等行业确实沉淀了大量3D资产，但这些数据多数服务于制作或交付，不具备统一的空间编码、状态转移记录和人类反馈标签。”生境科技解释道，“我们希望填补这个数据断层，让AI真正理解人类的空间偏好。”

生境科技的首个落地场景是“室内装扮”。通过内容运营的方式，其旗下运营的小红书账号“小境senbox（森盒版）”粉丝数已超过59万。这个用户入口的价值不仅在于流量，更在于持续获得真实用户对空间状态的判断。

“一个用户经过多次选择、编辑、调整，最终留下了一个空间方案，这个结果就包含了他的偏好。”生境科技团队表示，“当3D空间内容的情绪价值来自于用户的‘偏好’，那基于这些数据，情绪价值就可以测量。”

生境科技面临的最大挑战在于如何将技术难点转化为数据壁垒。团队将整个过程分为四个阶段：冷启动基础、持续采集数据、数据炼油以及应用场景。

在冷启动阶段，生境科技首先解决3D空间编码问题，利用家居行业knowhow和专业3D资产，让空间可落地、可交互。随后，通过Prompt、户型边界、房间拓扑等方式持续采集用户反馈数据，形成可训练的空间状态数据层。

“真正的稀缺的，不是单个3D模型，而是多源真实世界数据复合校准。”生境科技强调，“我们需要把空间转成可学习的状态，包括scene graph、constraint graph、zone map和preference pair等。”

理想情况下，在生境科技的应用平台上，用户提供的不仅仅是他们对房间的设计方案，也提供了他们对空间秩序、审美偏好等各个维度的数据。这些数据构成了“Human Feedback”，可以用于空间算法的强化学习（RLHF）。

“一句话说明：生境科技的真正价值，是把人类空间创造行为，转化为机器人、具身基础模型、世界模型都能学习的人居空间状态数据。”生境科技总结道，“这是我们在Physical AI三种世界秩序中，补上最稀缺的人居空间秩序数据层的关键所在。”

通过这种方式，生境科技不仅在技术上开辟了新的方向，也为AI在物理世界的应用提供了全新的可能性。