# 前言：您在这里。
没有他们的灵感和贡献，本文件就不可能完成：
*特伦斯-麦肯纳*\
*理查德-道金斯*\
*纳瓦尔-拉维坎特*\
*阿拉斯泰尔-雷诺兹* \
*尼尔-史蒂芬森* \
*戴维-史密斯* \
*中本聪*
我们处于战争状态吗？在2025年，即使在俄乌战争期间，美国最大的科技公司仅在人工智能基础设施上的支出也将与欧洲在国防上的支出一样多。看来我们正在动员起来。人类历史上资本、人才和资源现在正被集中用于人工智能的培训。
数千亿美元和无数日夜被投入，只为争取在许多人视为自人类文明诞生以来最重要且最有经济价值的技术机会中领先一步。
在2024年，埃隆·马斯克 (Elon Musk) 在接受莱克斯·弗里德曼 (Lex Fridman) 采访时，被问及赢得人工智能竞赛所需的条件。他回答说需要两样东西：最好的计算能力和最好的数据。
当时，他已经在他的“计算巨型工厂” - 巨像计划 （Project Colossus）上花费超过4亿美元，而预计总成本将超过10亿美元。然而，这一数字与由OpenAI、SoftBank和Oracle主导的人工智能基础设施星际之门计划 (Project Stargate) 所规划的数百亿美元相比，显得微不足道。
但最佳数据呢？在采访中，埃隆·马斯克解释说，主要的前沿模型实际上已经抓取并消耗了整个互联网以及人类累积的数字数据，但这仍然不够。他继续说道：“但现实是会扩展的。”
尽管人工智能迄今为止取得了惊人的成功，但显而易见，这场革命才刚刚开始，因为人工智能仍然局限于互联网，无法感知或与现实世界互动。
黄仁勋（Jensen Huang）在2025年CES大会的主舞台上进一步阐述了这一点，生成式人工智能的时代已经到来，并且我们正迅速迈向下一个伟大的代理式人工智能时代，它能够以目标为导向独立工作，以服务于人类。
但是，他接着说，人工智能的下一个也是最后一个前沿领域是物理人工智能，它能够理解空间和物理。只有到那时，我们才能充分发挥人工智能的潜力，让机器人与人类并肩工作，解决人类 70% 的生产力仍与物理世界相关的问题。
挑战在于帮助数字设备理解和导航物理世界。那么，如何实现呢？
在公众对计算支出的华丽展示背后，科技巨头之间正在进行一场更复杂、默默无闻且风险极高的斗争：空间计算。这是支撑从增强现实到折叠衣服机器人的核心技术框架。
空间计算 是未来机器人、物理人工智能、元宇宙和智能城市的先决条件。
不惜一切代价。数字和现实领域之间的屏障正在被打破。与其说人类消失在数字世界中，不如说我们正在将数字世界召唤到我们自己的世界中。
空间计算将助人工智能在现实世界中与人类协同工作。
但是这场军备竞赛也有其阴暗的一面，就是它危及到我们的认知自由。建立空间桥梁需要大量的传感器数据，这些数据来自于我们的公共场所、商业场所、家中越来越多的摄像头，以及我们的脸部。
在将物理世界数字化的热潮中，科技巨头们正快速前进，却打破了一些原本神圣的事物。Meta 智能眼镜最近的一次更新让用户无法选择关闭 AI 对你对话的监听，而一系列新的智能眼镜初创公司正在为你提供机会，让你戴上永远在线的摄像眼镜，记录你的一举一动，从而赚取你的注意力。
与此同时，机器人公司对在家中安装自主移动摄像头的机会垂涎欲滴。1X 等公司计划提供可以远程操控的家用机器人，以收集最大规模的日常人类生活数据。而埃隆在回答莱克斯-弗里德曼（Lex Fridman）的提问“你将如何获胜？” 时，自信地断言，特斯拉的人形机器人 Optimus 将成为全球最大的数据信息来源。
{% embed url="" %}
空间计算行业正在制造一个庞大的监控机关，它能够通过我们的眼睛看到世界。无论谁在军备竞赛中获胜，都将拥有几乎难以想象的力量来监控和改变我们的思想。
但还是有希望的。新兴的去中心化运动和加密货币的发明为人们和自由市场的力量与科技寡头竞争创造了一个小窗口。
文明正处于十字路口，我们的集体行动将决定人类继承什么样的未来。就是这十年。就是这竞技场。您就在这里。
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://auki.gitbook.io/whitepaper/cn/qian-yan-nin-zai-zhe-li.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
