本文内容均是根据权威材料，结合个人观点撰写的原创内容，辛苦各位看官支持。

2025年的AI圈，空间智能成了新的"军备竞赛"现场。

李飞飞那帮学者前两年喊出"三维智能是下一代AI的入场券"，这下好了，从硅谷到中关村，大小模型都在抢着秀空间推理的肌肉。

今天这个宣布在VSI-Bench上刷新SOTA，明天那个号称"实现厘米级空间定位"，热闹得像过年赶集。

但圈里有个不敢明说的疑问，这些刷上去的分数，到底是模型真懂了三维空间，还是把测试题的答案背下来了？上个月中国科学院大学、微软亚洲研究院和苏黎世联邦理工联合发布的OSI-Bench基准，算是把这层窗户纸捅破了大模型的空间智能，可能比我们想的要"虚"得多。

空间智能的"刷分游戏"，数据近亲繁殖下的虚假突破

要说空间智能火起来，也不是没道理。

前几年大模型在文本、图像上卷不动了，三维空间成了新赛道。

毕竟机器人要导航、AR要虚实融合、自动驾驶要认路，都得靠空间理解。

李飞飞团队搞的"视觉与语言空间智能"研究，算是给这波热潮定了调。

但赛道热了，"捷径"就来了。

现在主流的空间推理基准，比如VSI-Bench，用的训练数据和测试数据基本是"一家人"。

都是从ScanNet++、ARKitScenes这些室内数据集里扒拉出来的，场景雷同，问题类型也差不多。

模型练着练着就摸出规律了不用真懂"桌子在椅子左边"是什么意思，记住"左边"常和"距离近""角度小"这些词绑定就行。

这跟学生考试前背题库没啥区别。

考高分不代表真学会，换套没见过的题就露馅。

行业里管这叫"数据拟合"，说得好听，其实就是"背答案"。

这种"虚假繁荣"到2024年底达到了顶峰。

那会儿几乎每周都有新模型宣布"空间推理突破"，有的甚至把准确率刷到了90%以上。

但有个细节很少有人提，这些模型在实验室环境里表现亮眼，放到真实场景就拉胯。

比如让AI估算"房间层高"，在标准数据集里误差能控制在10厘米，换个没见过的办公室，误差能飙到半米这哪是智能，分明是"考场学霸，实战学渣"。

OSI-Bench，戳破"背答案"智能的新尺子

中科院大学、微软亚洲研究院和苏黎世联邦理工的研究团队大概也看不过去了，今年初闷头搞出了OSI-Bench。

这玩意儿跟以前的基准不一样，不是从现成数据集里挑题，而是实打实去采集新数据。

他们带着双目相机、LiDAR跑了50多个不同场景，从普通民居到商场，再到工厂车间，连IMU惯性测量和GPS定位数据都用上了。

每个场景不仅拍照片、录视频，还记录了光照变化、动态物体移动就是为了让数据更"野生"，更接近真实世界的复杂情况。

光有数据还不够，题目设计也花了心思。

OSI-Bench把空间智能分成三个层级，相对关系（比如"杯子在盘子前面还是后面"）、静态尺度（比如"桌子长几米"）、动态尺度（比如"人从门口走到窗户用了几秒"）。

每个层级的问题都是通过Human-in-the-loop生成的，研究员先标注物理参数，再让标注员用自然语言提问，避免问题套路化。

这招挺狠的。

以前模型靠记"问题模板"就能混分，现在问题问法千变万化，比如同样问距离，一会儿说"两步远"，一会儿说"够不够一个人躺下"，想背答案都背不过来。

测试结果出来那天，估计不少AI团队心里一凉。

研究团队找了目前最火的几个多模态大模型，Gemini-2.5-Pro、Qwen-VL、InternVL都测了个遍。

结果呢？最好的Gemini-2.5-Pro总分也就刚过60分，刚及格，差的模型甚至不如随机猜。

尤其在绝对距离估算这种硬指标上，所有模型都栽了跟头问"冰箱到墙的距离"，AI要么说"0.5米"，要么说"5米"，就没几个沾边的。

有意思的是，之前在VSI-Bench上表现不错的Qwen-VL和InternVL，到了OSI-Bench分数掉了一大截。

后来才发现，这俩模型在VSI-Bench上可能是"吃"了语言先验的红利比如问题里提到"大桌子"，就默认往"长2米"上猜，根本没看图像。

为了验证这个猜测，研究团队做了个"盲测"，把图像遮住，只给文字问题，结果模型准确率没降多少。

又搞了个"反常场景"实验，把冰箱挂在天花板上，问"冰箱离地面多高"，AI直接懵了，还按"正常冰箱高度"回答这下实锤了，很多时候模型靠的是语言习惯，不是真看明白了空间。

OSI-Bench这一测，算是把空间智能的"底裤"扒了。

现在行业里那股"刷点狂潮"该冷静冷静了。

AI不是用来刷分的工具，空间智能的终极目标是让机器真正理解三维世界，而不是在实验室里背答案。

OSI-Bench团队还算敞亮，把基准和评测代码全开源了，就是想让大家别再走捷径。

他们下一步计划开放更多开放世界视频数据，从室内走到室外，从简单场景到复杂环境。

毕竟，真正的空间智能不该只待在实验室里，得能经得起阳光、风雨，还有那些突如其来的"意外情况"比如突然闯进镜头的小猫，或者被风吹动的窗帘。

OSI-Bench带来的不只是一个评测工具，更像是给整个行业提了个醒，智能的本质是"理解"，不是"记忆"。

什么时候AI能像人类一样，走进一个陌生房间，扫一眼就知道"这桌子大概能坐4个人""从门口到沙发要走三步"，那才算真的懂了空间。

在这之前，所有的"突破"都得打个问号。

不知道您对此有什么看法呢？欢迎在下方评论区留下你的想法，喜欢文章记得点赞关注我们下期再见。