摘要：

高德想做的，是把验证也交给AI：用AI，避AI的雷。

凤凰网科技 出品

作者｜Dale

编辑｜董雨晴

AI会写攻略，也会埋雷。

高德的发布会还没开，“扫雷榜”先热了起来。

近几天，从网传产品截图到高德回应，关于这张新榜单的猜测持续发酵。一张告诉人们哪里值得去的榜单，准备怎样帮人“扫雷”，成了大家关心的问题。

9月10日，阿里巴巴集团旗下高德宣布扫街榜全面AI化，正式发布高德扫街榜2026。会上，高德导航产品负责人孙冲揭开了这款“扫雷”产品的面纱。

AI时代，输入目的地、日期和同行人，一份看起来周全的行程很快就能生成：景点、餐厅、车程一项不少。但真正到了现场，计划可能从第一站就开始失灵——路上比预计更堵，景区需要预约，餐厅已经打烊，带着孩子，也未必能完成排得密不透风的一天。

这正是AI攻略的悖论：生成越来越容易，验证仍然困难。地点可以都是真的，单独看每一项也没有明显错误；可一旦把它们串成一段旅程，时间、路况、客流和同行人的体力就可能无法彼此匹配。

高德想做的，是把验证也交给AI：用AI，避AI的雷。

避掉攻略里的“雷”，先给计划做一次现实验证

AI把生成攻略的成本降了下来，却把验证真实的工作留给了出发的人。

避雷指南要补上的，正是验证真实这一环。孙冲介绍，避雷指南通过“时空推演”，把计划放进具体日期、地点和交通环境，让营业时间、停车、客流、预约等15类现实变量共同参与验证。

会上，孙冲用一趟家庭旅行演示了避雷指南：两个大人带着两个10岁的孩子，10月1日抵达贵阳，自驾五天。两份AI生成的方案、一份网上点赞过万的“保姆级攻略”，景点、车程和餐厅都安排得很周全。

但经过验证，三份攻略分别暴露出假期拥堵估计不足、带娃行程过密、遗漏景区限流与预约条件的问题。地点都是真的，串起来的行程却未必成立。

更关键的是，行程中的变化会相互影响，前一站延误可能打乱后续安排。据孙冲介绍，系统能够对后续预约、路线与替代方案进行秒级重算。

这要求底层系统把未来路况、地点状态和时间约束放在一起推演，判断整段行程还能怎样完成。

高德的技术积累，恰好对应这几层难题。

动态ETA引擎负责预测通行时间。ETA即预计到达时间，高德能够推演未来数小时的路网流速。验证全天行程时，下午的路要按下午的条件计算，用当前车程填满一天，误差会逐站累积。

时空知识图谱补上目的地的运行规律。导航显示“已到达”，距离真正进门可能还差一次停车、一段步行和一轮排队。景区何时拥挤、车位何时紧张，这些长期积累的规律，决定了行程计算能否接近实际体验。

高频出行反馈则负责发现变化。历史经验会过期，道路可能临时施工，地点状态也会改变。系统持续动态更新，推演才有现实依据。

三项能力共同支撑了避雷指南的核心亮点：把整段行程作为校验对象，既找出原计划里的冲突，也在条件变化后重算后续安排。

这项能力背后，是高德长期积累的时空数据与高频出行服务。据介绍，高德从千亿次真实出行中沉淀了现实世界的运行规律，同时这些信息能够持续更新。地图和导航每天都要处理新的路况、到达和纠错，预测也有机会与实际结果对照。历史积累、当下状态和行动反馈，在同一套服务中连接起来，才构成难以复制的技术壁垒。

从榜单到空间智能，高德如何理解世界

路网预测、地点知识和出行反馈，要共同参与一次行程判断，把这些信息连接起来，并计算它们如何相互影响，正是高德空间智能要解决的问题。

“世界不只存在于语言里，它更存在于二维的网络拓扑、三维的空间结构、真实世界的流动，以及时间的变化。”高德CEO郭宁在发布会上说，“大模型理解语言，高德理解世界。”

图｜高德CEO郭宁

这句话需要放回具体场景理解。一个地点除了地址，还涉及它连接哪条路、入口在哪个方向、楼层之间怎样通行。同一段距离，也可能因为坡度、台阶和拥堵，意味着完全不同的到达成本。

高德将空间智能归纳为三层能力：三维空间表达还原结构与细节，动态感知理解此刻的变化，时空推演预测这些变化对后续行动的影响。三者共同回答一个问题：在这样的环境和条件下，用户接下来能做什么。

发布会上亮相的ABot-Earth 0.7，是这套能力的直观呈现。作为3D原生城市世界模型，它把空间、时间与现实信息组织进一个可以连续进入、自由探索和交互的三维世界，为高德表达和理解现实空间提供基础。

支撑这种体验的，是多源信息的统一与几何一致性。孙冲介绍，ABot系列世界模型能够处理卫星遥感、街景采集和商家拍摄的影像，将不同来源的信息锚定到共同的空间坐标中。视角变化后，建筑、入口及其遮挡关系仍需保持自洽。

这是一项硬约束。如果换一个角度，入口的位置就变了，或者室内外的路径接不上，再逼真的画面也无法帮助用户决策。ABot-Earth 0.7的意义，在于让数字空间能够承载对真实空间的观察与判断。

高德的出发点也由此显出差异：地图与出行业务先提供了大量具体问题，模型和算法需要在这些问题中接受检验。这里有价值的数据，带着明确的时间、地点和行动条件；一次预测是否偏离实际，也有持续发现和修正的机会。

高德的下一步，藏在抵达之后

基于空间智能，高德同时推出飞行街景2.0及导航Live等产品，把服务从一次路线指引，延伸到一整天的生活安排。

出发前，飞行街景2.0依托ABot-Earth 0.7，把固定轨迹运镜升级为三维空间自由探索。用户可以调整位置、高度和观看角度，提前查看剧场座位的视野、商场入口到店门的动线，以及山地景区的坡度和台阶。避雷指南则进一步检查，这些目的地串成行程之后，时间与现实条件能否匹配。

真正出发后，导航Live继续承接任务，融合用户的位置、方向、路线进度与现场环境，通过摄像头理解街景画面，并在驾车、停车、步行和探索之间保持上下文连续。

比如，用户边逛街边说一句“换一家不辣的”，系统需要接着此前的交流，结合附近店铺继续推荐。它要知道用户正在什么地方、刚才在找什么，以及接下来怎样走过去。

识别眼前的招牌，只完成了其中一步。让画面中的店铺对应到地图上的具体地点，再调用路线重算、车位引导等服务，才能把识别结果接到行动上。

从扫街榜的推荐，到飞行街景看清空间、避雷指南验证安排，再到导航Live承接途中需求，高德正在把一整天里原本分散的决策连接起来。一次抵达，成为下一项服务的开始。

这打开了高德在物理AI方向的想象空间。当AI承担更多现实任务，系统必须持续理解用户意图、环境状态与行动结果，并据此调整后续安排。

未来服务入口的竞争，将越来越取决于谁能把用户的选择接到可执行的行动上。高德争取的，正是这个位置：依托空间智能，从提供导航的工具，走向帮助用户完成现实任务的服务入口。而“真实”，就是这些任务能否成立的标尺。