當多數物理AI公司還在實驗室里訓練機器人抓取積木時，江行智能已經在零下20度的變電站、數百公里的天然氣管網、高危煤礦巷道里，完成了超過1000個場站的規模化部署。2025年訂單超5億元，三年復合增長近70%，并實現盈利——這組數據背后，是一套從“感知”到“執行”完整打通的物理AI引擎。而其中最核心的突破，是一個名為多模態空間智能大模型的技術底座：它能讓機器像資深工程師一樣，看一眼現場，就“腦補”出完整的三維場景，還能用自然語言對話、推理、推演。

物理AI的“最后一公里”，卡在空間理解上

能源電力、礦山、化工這些工業場景，對AI的要求遠高于寫字樓或家庭。一個變電站里，設備布局各異，儀表、開關、管線錯綜復雜。傳統計算機視覺只能識別二維圖像中的物體，卻無法理解它們之間的空間關系、拓撲連接、以及背后的業務規則——比如“這個斷路器控制哪條線路”“消防通道的凈寬是否達標”。

沒有三維空間理解能力，機器就很難真正理解現場，只能留在淺層感知。

江行智能最新發布的多模態空間智能大模型，正是要解決這個根本問題。它不再是一個單純的感知模型，而是一個集多源異構數據感知融合、空間語義邏輯推理、三維數字孿生模型重建與生成于一體的端到端大模型。通俗講：給它任意形式的輸入——幾張照片、一段文字描述、幾行參數，甚至是不完整的激光點云——它都能輸出一個帶語義、可計算、可交互的三維空間模型。

從“重建”到“生成”：兩種模式無縫切換

這套大模型最巧妙的設計，是能根據輸入數據的完整度，在高精度重建和語義約束生成兩種模式之間自適應切換。

模式一：高精度重建當輸入數據足夠豐富(比如完整場站的全量激光雷達掃描、全視角紅外/可見光影像、配套的臺賬圖紙)，模型會輸出1:1還原真實場景的高精度三維實景模型。它不僅保留每個設備的幾何結構、紋理、位置，還自動綁定屬性參數(如額定電壓、生產廠家)、拓撲關聯(如“A開關控制B線路”)、以及業務規則(如巡檢周期、操作規程)。這相當于給物理世界做了一個“數字雙胞胎”，而且每個物件都“活”的——帶語義、可查詢。

模式二：語義約束生成更驚艷的是第二種能力。當輸入非常稀疏——比如只有一句自然語言描述(“一個110kV戶外變電站，兩臺主變，位于多雨山區”)，或者幾張局部照片、幾個關鍵參數——模型不會報錯，而是基于內置的行業規范庫、地域特征庫、典型場景知識庫，自動生成一個符合邏輯、合規的完整三維空間模型。模型甚至會標注每個生成部分的置信度和設計依據，供工程師后續調整。

這意味著：哪怕現場數據不全，AI也能“腦補”出合理的場景，并且補全的部分有據可循。 這對于老舊場站改造、海外項目快速規劃等場景極具實用價值。

自然語言“問”模型：能推理、能校驗、能推演

輸出三維模型只是第一步。江行智能的多模態空間大模型真正厲害之處在于：模型自帶可交互、可推理的能力。用戶可以用自然語言直接向模型提問，模型會在三維場景中高亮回答，并輸出邏輯推理過程。

基礎信息查詢問：“這個場站的主變壓器有幾臺?分別在什么位置?”模型立即在三維視圖中閃爍標注所有主變，并彈出每臺的型號、投運日期、最近檢修記錄。

合規性推理校驗問：“這個變電站的消防通道是否符合國家規范?”模型調用內置的《變電站防火設計規范》，結合當前空間布局，自動測量通道寬度、轉彎半徑、疏散距離，然后輸出結論：“北側通道寬度2.8米，不滿足GB 50229-2019第5.3.2條要求的3.5米，問題點位已高亮。”

場景推演與風險分析問：“貴州山區的這個變電站，遇到50年一遇暴雨時的內澇風險點有哪些?”模型融合地理高程數據、當地水文資料、站內排水設施布局，模擬匯水路徑，輸出風險點位分布圖、預計積水深度，以及應對建議(如“建議在東南角增設排水溝”)。

增量迭代更新后續如果有新的多模態數據進來(比如無人機補拍的照片、新的地質勘查報告)，模型可以動態更新三維模型的幾何結構和語義信息，無需從頭重建。

數據飛輪：越落地，越智能

這套大模型并非實驗室里的“演示品”。它已經在江行智能服務的400+變電站、600+新能源場站、數十家煤礦與化工廠中實際運行。每天有超過10萬小時的實時生產數據回流到訓練平臺，構建行業稀缺的高質量數據飛輪，形成“數據采集-模型迭代-能力下發”的飛輪。

尤其在工業場景中，真實物理數據極其稀缺——互聯網上找不到變電站設備故障的紅外熱像序列，也找不到合閘操作的力覺反饋數據。江行智能憑借七年的現場深耕，構建了業內領先的“真實場景數據+真機操作數據+世界模型仿真數據”三維融合數據底座。這正是其多模態空間大模型能夠從“重建”進化出“生成”能力的根本原因：數據足夠多，模型才敢“腦補”。

產業資本集體下注：技術已跑通商業閉環

2026年3月，江行智能宣布完成數億元B++輪融資，由朝希資本領投，寧德時代旗下晨道資本、晶科能源、山東能源集團兗礦資本、廈門建發新興投資共同參與，老股東卓源亞洲持續加注。多家投資方在決策前專程趕赴多個省份，實地勘查風電場、變電站——他們親眼看到了機器狗在無人值守站內自主巡檢，看到了AI在三維地圖上推演內澇風險。

朝希資本合伙人汪彬評價：“江行智能引領真正‘活在’工業場景的物理AI，讓工業機器人從‘大白’進化為‘師傅’。”晶科能源控股投資總經理杜威則表示：“其領先的邊云協同架構與‘AI大腦+機器人’融合方案，已在真實工業場景中驗證了規模化落地能力。”

不止于能源：一張可遷移的工業大腦

多模態空間大模型的能力，天然具備跨行業復制的屬性。礦山需要巷道三維重建與瓦斯擴散推演，化工園區需要危險品泄漏路徑模擬，軌道交通需要隧道結構病害識別——這些場景的底層邏輯，與變電站空間智能完全一致。

目前，江行智能已將技術拓展至數十家煤礦、油田、鋼鐵廠、化工廠，以及數百公里天然氣管網。公司創始人、CEO龐海天(清華本碩博，93年出生)表示：未來3-5年，江行智能將快速拓展至礦山、化工、軌交等高價值工業賽道，最終打造覆蓋物理世界的工業大腦基礎設施。

當英偉達黃仁勛宣告“物理AI的ChatGPT時刻即將到來”，真正決定勝負的，不是誰的人形機器人跳舞更流暢，而是誰的AI能真正理解復雜、危險、零容錯的工業物理世界。江行智能的多模態空間大模型，給出了一個從“看懂”到“腦補”再到“推理”的完整答案。而數億融資與5億年訂單證明：這條路，已經跑通了。