最近中东局势一紧张，伊朗、以色列、霍尔木兹海峡这些地名就又频繁出现在新闻里了。

不研究地缘政治的人，可能会觉得它们只是地图上一个遥远的坐标。但在做空间智能的人眼里，它从来不是一个简单的地名，而是一个典型的复杂空间系统。

建筑、道路、水域、植被、城市肌理、基础设施……

这些要素不是平铺在地图上的，而是彼此嵌套、彼此制约、彼此影响。

大概五六年前，还在传统建模团队的时代，我们团队接过一个类似的项目需求：还原一个关键海峡及周边港口的三维态势。

那时候怎么办？其实没有捷径，就是堆人、堆时间。

美术组十几号人盯着卫星图、高程数据、CAD 底图，一块一块地抠。先把弯曲的海岸线理顺，再把建筑轮廓一点点扣出来，再拉成有高度的体块，前前后后，折腾了一个多月。

那时候我最大的感受就是，在这个领域，我们对世界的理解速度，被我们的建模速度卡住了脖子。

但现在再回头看这件事，感觉已经完全不一样了。

昨天我用我们自己的“峥嵘”空间智能大模型 跑了一遍伊朗首都德黑兰，从多源数据的接入，到LOD1.3级模型的自动生成，全程算法流水线作业，人只需要在关键节点做确认。

那个瞬间我突然意识到，我们聊了这么久的AI落地，在这一刻变得无比具体。

它不是停留在“会聊天”“会写字”“会画图”这些层面，而是已经开始真正接管复杂空间的理解、组织和重建。

所以这篇不想聊太多虚的概念，就想借德黑兰这个难度很高的样本，看看空间智能到底走到了哪一步。

顺便，也把这些数据开放出来，给大家直观感受一下。

01从“堆人堆时间”，到“自动理解空间”

很多人一说到三维建模，脑子里还是老印象，拿着 3D 软件一点点拉、一个对象一个对象搭。

这个理解不能说错，但它已经越来越不能代表今天的空间生产方式了。

像德黑兰这种首都城市，就是典型的高密度首都 。建筑密度高，道路层级多，城市功能高度叠加，北侧还有明显的地形起伏。用传统方式做，最大的难点从来都不是“建个楼”，而是怎么把建筑、道路、地形和城市肌理组织成一个统一的空间结构。

这类样本最难的地方，不是“做一个体块”，而是“做对关系”。

主干道不能乱穿，建筑基底要贴合地形，不同功能区块之间的过渡逻辑必须成立。

过去，做这类项目很容易陷入一种低效循环，先把几何搭出来，再一点点修关系；修完关系，再回头补表达；补完表达，再发现整体结构不顺。

但这次用峥嵘大模型去处理，逻辑已经变了。不是先去“搭一个模型”，而是先让系统理解哪些是建筑、哪些是道路、哪些是水域、哪些是植被，以及它们之间怎样组织才合理。

当空间关系先被理顺，几何生成反而变成了后续自然发生的事。

空间智能不是简单把模型做出来，而是在先理解空间，再生成空间。

这就是从“人工堆砌几何”到“算法理解空间”的代差。

02峥嵘大模型在解决什么问题？

如果把这件事说得更直接一点，峥嵘大模型做的并不只是“自动建模”。

它真正解决的是如何把分散、异构、二维化的地理数据，转化成有结构的三维空间系统。

以这次的德黑兰为例，整个链路大致可以拆成四步：

1. 多源数据接入
   先把遥感影像、高程数据、基础矢量、岸线与航道等信息统一接进来。这一步不是简单导数据，而是给后续空间理解准备一个完整输入。
2. 核心要素识别
   建筑、道路、岸线、港口、水域、岛屿、植被等关键对象，会先被自动识别出来。它们不再只是图像上的纹理，而是进入模型内部的“空间对象”。
3. 三维属性推理
   在对象边界明确之后，再结合高程、坡度、阴影等信息，推理它们的高度、起伏与相对关系。这一步决定了空间能不能从二维走向真实可用的三维。
4. LOD1.3级自动构建最后由底层程序化规则批量完成 LOD1.3 级体块生成，形成统一、连续、可交互的三维底座。

看起来这四步很简单，但真正的价值在于过去这些工作是靠不同角色、不同软件、不同流程硬拼出来的，现在它们被统一进了一条 AI 算法流水线里。

这才是“全自动生成”最核心的意义，它不是省掉了某个建模动作，而是把原本割裂的流程，变成了一套连续的空间生产能力。

03只讲模型，不讲算力，产品就只讲了一半

很多人聊 AI，习惯把注意力集中在模型本身。但在空间智能这个行业里，只讲模型，其实远远不够。

因为空间智能面对的，不是几段文本，也不是几张图片，而是大范围地理数据、多源异构输入、复杂空间关系，以及大体量三维结果。

像德黑兰这样的首都级城市，如果没有足够稳定的本地算力支撑，很多能力在工程上根本无法真正落地。

这也是为什么，必须把 元尊 S800 放进来一起讲。

• 峥嵘大模型 负责完成空间对象的识别、理解、推理、组织与生成；

• 而 元尊 S800 提供的，则是支撑这一整套流程稳定运行的本地算力底座。

它的价值，不只是“算得更快”，更在于它能够：

• 支撑复杂空间对象的大规模本地推理；

• 承接持续的模型生成与重建任务；

• 在私有环境中完成数据处理与部署；

• 不依赖公有云，不增加额外 Token 成本；

• 更适合真实项目环境中的安全、稳定与合规要求。

所以这次真正想表达的，不只是“峥嵘大模型又做了一个新样本”，而是峥嵘大模型与元尊 S800，已经组成了一套完整的软硬一体空间智能产品能力。

04开放这份数据，真正想让人看到什么？

这次开放德黑兰数据，不是为了单纯展示这些成果。

更想说明的是：空间智能正在开始处理更复杂、更多样的空间对象。

德黑兰代表的是高密度、强结构的首都城市空间，北部的山地起伏与南部的城区蔓延交织，对空间理解算法提出了极高的精度与逻辑要求。

这些数据，不在于完整覆盖了某一类空间系统，而在于它们能够比较清楚地展示：当对象从规则化地块扩展到高差显著、结构致密的复杂首都场景时，空间智能是否还能稳定完成要素提取、关系组织与三维表达。

换句话说，这次开放出来的，不只是一份结果，更是一种能力验证， 空间智能，正在从“生成空间”，走向“理解空间、组织空间、计算空间”。

世界很复杂，但理解世界的方式，正在变得简单。