2026年8月27日，WorldArena 2.0首次阶段性公开榜单发布。影溯团队面向具身智能优化的世界模型InSpatio-Curious 0.1，在Track 1的77个参评模型中以66.11分获得综合第一，并在物理遵循、轨迹准确、JEPA表征相似度和深度准确四项关键指标上排名第一。

两天后，影溯科技联合20余家高校团队及产业机构，在武汉举行的第二届中国空间智能大会（ChinaSI 2026）上启动大规模空间智能3D数据开放计划（Large-Scale Spatial Intelligence 3D Data Open Initiative，后文简称“SIDO”）。从模型评测中的阶段性领先，到推动数据、评测基准（Benchmark）与真实应用共同建设，两件事背后指向同一个判断：空间智能的竞争，不只发生在模型层，也发生在数据与评测基础设施层。

图1｜InSpatio-Curious 0.1在WorldArena 2.0 Track 1获得综合第一及四项关键能力第一

这次综合第一，不是由画面质量单项拉动

WorldArena 2.0可以被理解为面向具身世界模型的统一“考场”。它不只观察画面是否清晰，还评估机械臂运动轨迹是否准确、场景深度关系能否保持，以及物体在交互后是否呈现相对合理的变化。

在首次阶段性公开榜单中，InSpatio-Curious 0.1的Physics Adherence为73.24分、Trajectory Accuracy为64.89分、JEPA Similarity为98.36分、Depth Accuracy为99.29分，四项均列第一。其中轨迹准确度领先第二名3.02分，JEPA表征相似度领先2.36分。

值得注意的是，该模型的Image Quality为60.64分，并非榜单最高；综合排名第二的模型该项为69.58分。这意味着综合第一并非单纯依靠更精致的画面，而更多来自轨迹、深度、时空表征与交互一致性等能力。对具身智能而言，这些指标更接近“模型能否保持一个可供行动的世界”。

图2｜WorldArena 2.0首次阶段性公开榜单截图：InSpatio_Curious_0.1位列Track 1综合第一

第一名证明了什么，也没有证明什么

这一成绩可以证明，影溯团队的模型在2026年8月27日公布的WorldArena 2.0 Track 1阶段性榜单与对应指标体系中取得领先，也为其在世界模型、三维空间表征和评测实践方面的技术积累提供了一张可量化的成绩单。

但任何榜单第一都对应特定版本、赛道、任务和指标。真实世界是开放、动态且具有长尾分布的环境，模型在标准化仿真环境和机器人操作任务上的领先，不能直接等同于已经具备通用空间智能。

这并不削弱榜单价值，反而说明Benchmark的真正意义是诊断能力边界：哪些问题已经取得进展，哪些失败仍由场景覆盖、数据结构或指标设计造成。排名是阶段性结果，评测体系则需要随着模型与真实任务持续演进。

从榜单第一走向数据与Benchmark共同建设

影溯创始人、浙江大学教授章国锋在发布会上提出，空间智能正从单点算法验证走向大模型训练和产业落地，数据开始决定能力上限。WorldArena 2.0的结果同样表明，只看视觉质量不足以评价世界模型；要判断模型能否支持真实任务，必须同时观察空间、时间、物理与交互能力。

SIDO因此并不把目标设定为一次性发布一个数据包，而是建立“数据生产—开放共享—任务验证—统一评测—应用反馈”的长期机制。计划预期2年内建设百万级高质量3D/4D场景，并围绕3D重建与生成、检测与分割、空间推理、场景理解、动态预测、具身交互与规划等方向推进统一Benchmark。

数据与评测将在这一机制中形成双向反馈：模型任务先定义需要什么数据，训练和评测再暴露模型失败点，失败案例进一步指导下一轮采集、生成、清洗与标注。榜单证明团队能够参与并理解评测实践，SIDO则试图把这种能力从单一模型扩展为行业可复用的数据与评测基础设施。

图3｜数据底座、统一Benchmark与应用需求构成双向反馈体系

产业协同，让数据进入真实任务闭环

空间智能的数据链路横跨感知设备、真实采集、三维重建、数据资产化、模型训练、评测验证与机器人应用，任何单一主体都难以独立覆盖全部环节。发布会期间，影溯科技与禾赛科技达成战略合作；影溯科技与云深处科技达成合作，以产业协同推动数据计划从共识走向实际链路建设。

在真实世界感知侧，禾赛科技Kosmo业务负责人皮紫威现场介绍了高质量3D场景在图像级渲染、几何精度、深度信息、任意视角呈现及3D语义等方面的能力。高精度传感与真实空间数字化，为数据生产提供可靠输入；影溯则可发挥其在三维重建、生成、数据处理和模型验证方面的技术积累，推动采集结果进一步成为可训练、可评测的数据资产。

在机器人应用侧，云深处科技聚焦工业与开放环境中的具身任务。机器人既是空间数据的使用者，也是检验数据能否解决真实问题的重要载体。将机器人导航、操作和交互中的失败案例反馈至数据与评测体系，有助于缩短从数据生产到模型训练、再到真实任务验证的循环。

影溯联合创始人刘浩敏代表影溯参与合作签约。两项合作对应的不是孤立的技术接口，而是对感知、数据生产、模型训练和场景验证等环节协同方式的探索；具体合作内容与推进节奏以各方后续发布为准。

开放生态的关键，是让不同角色形成明确分工

SIDO的首批参与方覆盖高校与科研机构、传感器和数据伙伴、机器人企业、游戏影视与数字空间企业以及标准化机构。高校可围绕研究任务、数据规范、基线模型和评测方法提供学术支持；产业伙伴贡献设备、工具、数据和真实场景；应用方则以实际任务检验数据和模型是否有效。

对于来自不同设备、机构和场景的数据，统一格式、质量评价、知识产权和许可边界同样不可缺少。中国电子技术标准化研究院数字中心应用技术研究部主任潘榕在发布会上表示，标准化不仅关系到数据格式与采集设备，也关系到数据质量评价、安全伦理、知识产权与后续应用。

这种生态结构的价值，不在于简单扩大参与名单，而在于形成可持续的责任链：谁定义任务，谁生产数据，谁审核质量，谁验证效果，谁反馈失败，均能在共同机制中找到位置。

图4｜高校、科研机构与产业伙伴共同参与空间智能数据基础设施建设

从共识走向落地，计划围绕三个方向推进

第一是空间数据底座建设。计划将融合真实世界采集、互联网内容升维与仿真合成三条互补路径，分别补足真实性、规模与可控性，并逐步扩展室内、室外、工业、城市和自然环境等场景。

第二是Benchmark体系建设。围绕不同技术路线可公平比较、结果可复现、任务能反映真实能力的目标，逐步探索统一任务定义、评价指标、自动化评测、可视化分析和开放工具。

第三是开放共建机制。每批数据将根据质量、版权、隐私和场景安全要求分阶段开放，明确来源、权利链和许可范围，并根据公开展示、科研使用与商业使用等需要划分相应权限。

不止在榜单上证明能力，更要共同定义行业问题

从WorldArena 2.0 Track 1综合第一，到发起数据与Benchmark基础设施共建，影溯希望推动空间智能的竞争从单一模型和单一排名，走向数据质量、任务定义、评测可信度与产业协同能力的综合建设。

对空间智能而言，下一阶段真正重要的，不只是模型在某次评测中获得多少分，而是行业能否持续回答三个问题：模型到底学会了什么，现有数据缺少什么，距离解决真实世界任务还有多远。SIDO希望以开放、共享、共建和持续迭代的方式，让这些问题获得更可靠、可复现的答案。

SIDO官网及参与方式：https://www.sido.world/

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com