从十秒渲染到机器人训练场，空间智能的隐形革命

2026年4月17日，港交所迎来了一家特殊的上市公司：靠家装设计软件起家的群核科技，开盘股价暴涨160%，市值突破300亿元人民币。很少有人注意到，这家让设计师10秒就能出家装效果图的公司，正在悄悄成为机器人和具身智能的「幕后训练场」。它用15年时间攒下的3.6亿个3D空间模型，正在把AI从「会说话」推向「会在物理世界干活」。但这一切的起点，不过是三个工程师想解决一个行业痛点：为什么家装效果图要等好几天？

十秒渲染的秘密：GPU并行计算的降维打击

你可以把传统的CPU渲染想象成一个厨师独自炒菜，要切菜、颠锅、调味一步步来，做一桌菜得花大半天；而GPU并行渲染就是一整个后厨的厨师同时开工，每个人只负责一道工序，十分钟就能上满桌菜。

群核科技的三位创始人——黄晓煌、陈航、朱皓——都有硅谷GPU技术背景，黄晓煌更是曾在英伟达参与CUDA核心开发。他们把GPU的数千个并行计算单元用到了家装渲染上：把一张效果图的光影、材质、纹理拆解成上亿个计算任务，让GPU的核心同时处理，再把结果快速拼接起来。

这不是简单的速度提升，而是把「渲染」从设计师的「等待负担」变成了「实时工具」。以前设计师改个户型要等几小时渲染，现在拖动鼠标的瞬间就能看到效果；业主不用对着抽象图纸脑补，喝杯茶的功夫就能看到未来家的实景。更关键的是，这套技术不止能出图，还能把设计方案直接转换成工厂能读懂的生产数据——从柜子的尺寸、孔位到五金件的型号，全部结构化嵌入渲染结果，让设计和生产无缝对接。

从家装数据库到机器人训练场：空间智能的跃迁

当设计师和业主在平台上不断生成、修改方案时，群核科技的服务器里正在悄悄积累另一种财富：空间数据。截至2024年底，平台上已经有超过3.6亿个3D模型和空间元素，小到一颗螺丝钉的尺寸，大到整个户型的动线布局，甚至包括不同材质的反光系数、家具的承重能力这些看不见的细节。

这些数据不再是为了出效果图，而是成了训练具身智能的「真实世界模拟器」。你可以把具身智能想象成一个刚学走路的孩子，需要在真实环境里摸爬滚打才能学会认路、拿东西；但直接让机器人在现实世界训练成本太高，也容易摔坏。群核的空间数据库就像一个超逼真的「虚拟 playground」：机器人可以在里面练习开门、整理柜子、避开障碍物，而且这个虚拟世界里的每一个家具、每一寸空间，都和真实世界的物理规则完全一致。

他们推出的SpatialVerse平台，已经吸引了智元机器人等16家具身智能公司。这个平台不仅能提供高保真的虚拟环境，还能把机器人在虚拟世界里学到的技能快速迁移到现实中——这就是业内说的「Sim2Real」（从模拟到现实）。更巧妙的是，平台还在不断自我进化：用户每设计一个新方案，就相当于给数据库补充了一个新场景，让这个「虚拟训练场」越来越接近真实世界的复杂程度。

隐形的壁垒与待解的难题

不过，这场从家装到具身智能的跃迁，也不是没有挑战。首先是数据的「稀缺性壁垒」——和互联网上随手可得的文字图片不同，高质量的三维空间数据需要精确的建模和标注，采集成本极高。群核用15年时间攒下的数据库，新玩家很难在短时间内复制，但也面临着数据更新的压力：真实世界的空间一直在变化，新的家具、新的户型不断出现，数据库需要持续迭代才能保持价值。

其次是「Sim2Real」的鸿沟——虚拟世界再逼真，也和真实世界有差距。比如虚拟世界里的地板永远是平整的，但现实中可能有细小的凸起；虚拟里的门永远能顺利打开，但现实中可能会卡顿。如何让机器人在虚拟世界学到的技能，能灵活应对现实中的「意外」，是目前最大的技术难题。

还有商业模式的转型。以前靠按设计师的使用席位收费，现在要转向按机器人的训练token用量收费。这种「按计算量付费」的模式更公平，但也对平台的算力调度能力提出了更高要求：既要保证小客户能低成本使用，也要能支撑大客户的大规模训练需求。

当群核科技的股价在港交所暴涨时，很多人只看到了「家装软件公司上市」的故事，却没注意到它背后的逻辑：AI的下一个战场，不是在屏幕上聊天，而是在物理世界里行动。

15年前，三个工程师想解决的是「家装效果图太慢」的小问题；15年后，他们攒下的空间数据，正在回答「AI如何理解真实世界」的大问题。空间智能，是AI从虚拟走向现实的桥。

未来，当你看到机器人能熟练地帮你整理衣柜、自动驾驶汽车能精准识别复杂路况时，或许背后就有这些来自家装场景的3D模型在默默发挥作用——毕竟，AI要学会在真实世界干活，首先得先「认识」这个世界。