ABot-Earth 0.7: Mô hình thế giới 3D của Amap biến một ảnh vệ tinh thành một thành phố trong 10 phút

Amap đã đưa ra một con số cụ thể vào ngày 10 tháng 9 năm 2026: một kilômét vuông thành phố 3D ở mức đường phố có thể khám phá, được tạo ra trong khoảng mười phút, trên một GPU cấp tiêu dùng duy nhất. Mô hình đằng sau con số đó là ABot-Earth 0.7, được ra mắt tại dạ tiệc thường niên Street Stars của công ty ở Hàng Châu và được Amap — bộ phận bản đồ và điều hướng của Alibaba — mô tả là mô hình thế giới đô thị 3D gốc đầu tiên trên thế giới. Nó kế tiếp ABot-Earth 0.5, phiên bản ra mắt hồi tháng 6, và khác với hầu hết các bản phát hành nghiên cứu thuộc dạng này, nó đã được đưa vào vận hành thực tế bên trong ứng dụng dành cho người tiêu dùng của chính Amap, nơi công ty cho biết hơn 880 triệu người đã sử dụng tính năng Street Stars mà nó hiện vận hành.

Phần cuối cùng đó chính là điều khiến thứ này không chỉ là một đoạn demo reel. Một mô hình thế giới chỉ tồn tại dưới dạng một bài báo và một trang dự án thì mới chỉ là một lời hứa. Một mô hình thế giới kết xuất cảnh ngay bên trong một ứng dụng mà hàng trăm triệu người mở ra để quyết định ăn ở đâu thì là một sản phẩm. ABot-Earth 0.7 là cái thứ hai, và những câu hỏi thú vị là về việc điều đó có ý nghĩa gì với tất cả những người còn lại, chứ không phải về việc buổi ra mắt có diễn ra hay không.

Những gì thực sự đã được phát hành

Cơ chế này là phần đáng để tìm hiểu, vì nó thực sự khác biệt so với cách các sản phẩm Trái Đất kỹ thuật số đã được xây dựng trong lịch sử. Google Earth và những sản phẩm tiền nhiệm của nó được lắp ráp bằng cách ghi lại thực tại — các chuyến bay khảo sát trên không, các lần vệ tinh bay qua, đo ảnh, tái dựng đám mây điểm — rồi ghép các kết quả lại thành một bức khảm có thể duyệt được. Kết quả là một kho lưu trữ có độ trung thực cao về các địa điểm tại thời điểm chúng được chụp ảnh, và nó không thể cho bạn biết bất cứ điều gì về một địa điểm chưa từng được bay qua ở độ phân giải đủ cao.

ABot-Earth thay vào đó đi theo con đường 3D thuần bản địa. Nó được huấn luyện trên dữ liệu không-thời gian và tạo ra 3D Gaussian Splatting (3DGS) các cảnh đô thị theo kiểu đầu-cuối từ một ảnh vệ tinh được tham chiếu địa không gian — hoặc, trong giao diện mà Amap trình diễn, từ một câu lệnh văn bản. Bởi vì cảnh được tạo sinh chứ không phải tái dựng, Amap cho biết nó có thể tự chủ hoàn thiện và mở rộng một không gian thay vì bị giới hạn ở các tuyến đường định sẵn, và nó duy trì tính nhất quán không gian khi người xem di chuyển từ góc nhìn tổng quan toàn thành phố xuống tới chi tiết địa danh. Công ty cũng nêu rằng đầu ra là những tài nguyên có thể chỉnh sửa, tương thích với Unreal Engine và Unity, điều này quan trọng hơn vẻ ngoài của nó: nghĩa là môi trường được tạo ra có thể đưa thẳng vào các quy trình mô phỏng và trò chơi hiện có thay vì chỉ tồn tại bên trong trình xem của Amap.

Những tuyên bố nổi bật của Amap cho 0.7, tất cả đều do nhà cung cấp tự báo cáo và không có tuyên bố nào được đánh giá chuẩn độc lập:

• Tốc độ — chỉ mất khoảng 10 phút để tạo ra một cảnh đô thị 3D quy mô kilomet, trên một GPU cấp tiêu dùng.

• Hiệu quả — nhanh hơn tới 1.000 lần so với các phương pháp tái tạo 3D truyền thống, với chi phí chỉ khoảng 1/100, theo so sánh của chính Amap.

• Độ phủ — hơn 196 quốc gia và vùng lãnh thổ, tăng từ mức hơn 190 mà Amap tuyên bố cho ABot-Earth 0.5.

• Phương thức — ảnh vệ tinh hoặc câu lệnh văn bản làm đầu vào; Amap cũng mô tả mô hình này là đa phương thức hoàn toàn và có khả năng dự đoán.

• Đầu ra — các cảnh 3DGS với cấu trúc mức độ chi tiết phân cấp, có thể xuất sang Unreal Engine và Unity.

Sáu tháng đã mang lại những gì

ABot-Earth 0.5 ra mắt ngày 8 tháng 6 năm 2026 với một báo cáo kỹ thuật trên arXiv và một kho mã đồng hành thuộc phòng thí nghiệm thị giác máy tính của Amap. Bản phát hành đó đã xác lập tuyên bố cốt lõi — từ ảnh vệ tinh đến các môi trường 3DGS liền mạch trong dưới mười phút mỗi kilômét vuông trên một GPU tiêu dùng duy nhất, với mức độ chi tiết phân cấp để trực quan hóa web theo thời gian thực — và nó bao phủ hơn 190 quốc gia. Khi đọc hai bản phát hành cạnh nhau, những tiến bộ của 0.7 không nằm ở tốc độ tạo dựng được nhấn mạnh mà 0.5 đã quảng bá, mà nằm ở tầng cao hơn nó.

• Cách định hình theo mô hình thế giới — 0.5 được trình bày như một hệ thống tái tạo 3D tạo sinh. 0.7 được trình bày như một mô hình thế giới với một lớp dự đoán, một khẳng định khác về mục đích mà thứ này hướng tới.

• Phạm vi phủ sóng — từ hơn 190 quốc gia lên hơn 196, một sự mở rộng khiêm tốn chứ không phải là một bước thay đổi lớn.

• Sản phẩm hóa — 0.5 hướng đến một trang beta và một danh sách trắng. 0.7 phát hành bên trong Flying Street View 2.0 và bề mặt ứng dụng Street Stars.

• Mục tiêu xuất — tương thích rõ ràng với Unreal Engine và Unity, điều mà báo cáo của 0.5 không nhấn mạnh.

• Mã nguồn — đáng lưu ý rằng kho GitHub của 0.5 được mô tả là nơi lưu trữ báo cáo kỹ thuật và thảo luận học thuật nhưng không có mã triển khai. Cho đến nay chưa có công bố nào cho thấy 0.7 thay đổi điều đó.

Flying Street View 2.0 là phần có người dùng

Biểu hiện hướng tới người tiêu dùng của tất cả những điều này là Flying Street View 2.0, thứ thay thế chuyến bay theo tuyến cố định của phiên bản gốc bằng không gian 3D có thể khám phá tự do. Các ví dụ của chính Amap rất cụ thể: xem trước tầm nhìn thực tế từ một ghế cụ thể trong rạp trước khi mua vé, di chuyển trong lòng một trung tâm thương mại, đánh giá địa hình của một khu danh thắng trước khi quyết định thực hiện chuyến đi. Người dùng điều chỉnh vị trí, góc và độ cao bằng cần điều khiển, và tính năng này bao phủ các tòa nhà phức tạp cùng những khu danh thắng rộng lớn chứ không chỉ các hành lang đường phố. Các bản thử nghiệm đang hoạt động cho một số địa điểm được chọn ở các thành phố gồm Bắc Kinh và Hàng Châu, có thể truy cập qua mục Street Stars của ứng dụng.

Quy mô mà Amap đang vận hành chính là lý do đây không phải là một câu chuyện công cụ ngách. Street Stars ra mắt vào tháng 9 năm 2025 như một bảng xếp hạng khám phá địa phương do AI điều khiển; Amap cho biết hơn 880 triệu người dùng đã sử dụng nó và đã cùng nhau di chuyển 36,6 tỷ kilômét qua nó. Công ty cũng tuyên bố bảng xếp hạng này có sức mạnh thương mại — các doanh nghiệp trong danh sách "Local Favorites" năm 2025 của họ có mức tăng trưởng đơn hàng trung bình so với cùng kỳ là 424%, và các doanh nghiệp "Top Picks" là 159%. Đó là những con số của Amap về sản phẩm của Amap, và chúng nên được đọc như phép tính tiếp thị, nhưng số lượng người dùng mới là con số chịu lực: bất kể ABot-Earth 0.7 làm tốt hay kém, nó đang làm điều đó trước một lượng khán giả có quy mô dân số của một quốc gia lớn.

Tại sao "không phải Google Earth" mới là cách diễn đạt trung thực

Định vị của Amap cố tình không phải là “một quả địa cầu tốt hơn”. Tổng giám đốc điều hành của công ty, Guo Ning, đã định hình đó như một sự phân biệt về phạm trù: “Nếu các mô hình ngôn ngữ lớn giúp chúng ta xử lý văn bản, tôi hy vọng trí tuệ không gian của Amap có thể giúp chúng ta khám phá thế giới tốt hơn.” Kiến trúc mà ông mô tả có ba lớp — biểu diễn không gian 3D (cấu trúc của thế giới, từ hành tinh đến bên trong), nhận thức động (thay đổi theo thời gian thực như giao thông, đám đông và điều kiện), và suy luận không-thời gian (dự đoán điều gì sẽ xảy ra tiếp theo).

Lớp thứ ba đó chính là nơi tuyên bố về mô hình thế giới nằm ở, và đó là lý do việc so sánh với một kho lưu trữ tĩnh đánh giá thấp những gì Amap đang cố gắng làm. Một bản tái dựng cho bạn thấy một địa điểm. Một mô hình thế giới có thể được truy vấn và mô phỏng diễn tiến là thứ bạn có thể dựa vào để lập kế hoạch — và các ứng dụng mà Amap nhắm tới rõ ràng là những ứng dụng AI vật lý: môi trường huấn luyện mô phỏng cho robot hiện thân, hệ thống bản sao kỹ thuật số cho thành phố, dữ liệu tổng hợp cho lái xe tự hành, và bay ở tầm thấp. Công ty cũng đang kết hợp mô hình này với một lớp hội thoại có tên Navigation Live, lớp này đọc các tòa nhà, điểm tham quan và cơ sở kinh doanh gần đó qua camera điện thoại và trả lời các câu hỏi về chúng bằng hội thoại tự nhiên.

Vị thế dữ liệu nằm bên dưới tất cả những điều này là phần mà đối thủ cạnh tranh không thể nhanh chóng sao chép. Amap nêu gần một tỷ người dùng hoạt động hàng tháng, các cuộc gọi định vị Beidou vào giờ cao điểm mỗi ngày đạt gần một nghìn tỷ, và dữ liệu không gian – thời gian tích lũy qua nhiều thập kỷ bao gồm mạng lưới đường bộ, các điểm quan tâm và giao thông trực tiếp. Các phòng thí nghiệm mô hình đa dụng không có thứ đó, và đó mới là hào bảo vệ thực sự — không phải kiến trúc 3DGS, vốn là công trình đã được công bố.

Những gì Amap chưa công bố

Đây là chỗ mà mức độ đưa tin về buổi ra mắt còn mỏng nhất, và điều đó quan trọng với bất kỳ ai đang cố quyết định liệu ABot-Earth 0.7 có xứng đáng nằm trong kế hoạch hay không.

Không có API công khai. Trang trải nghiệm tại abot-earth.amap.com vẫn hoạt động, nhưng tính năng tạo chỉ dành cho người được mời — giao diện mô tả tính năng tạo đang trong giai đoạn beta và cung cấp đơn đăng ký danh sách trắng, còn tài khoản đứng sau đó cho thấy số dư tín dụng bằng không. Không có bảng giá công bố, không có biểu giá cước và không có tài liệu dành cho nhà phát triển mô tả cách một hệ thống bên ngoài sẽ gọi mô hình. Trang web cũng toàn bộ là tiếng Trung giản thể, không có nút chuyển ngôn ngữ và không có phiên bản tiếng Anh, nên việc đánh giá nó bằng tiếng Anh hiện tại đồng nghĩa với việc phải dựa vào tài liệu báo chí của Amap.

Không có trọng số mô hình và cũng không có thẻ mô hình. Bản phát hành 0.5 đã đưa một báo cáo kỹ thuật lên arXiv và một kho lưu trữ lên GitHub, và kho lưu trữ đó rõ ràng là nơi chứa báo cáo chứ không phải một bản triển khai. Không có gì được công bố cùng 0.7 cho thấy đây là một bản phát hành mở trọng số, và Amap cũng chưa nói điều gì khác.

Quan trọng nhất, không có chuẩn đối sánh độc lập nào. Mọi số liệu hiệu năng trong bài viết này — mười phút mỗi kilômét vuông, hiệu quả gấp 1.000 lần, chi phí bằng 1/100, hơn 196 quốc gia — đều bắt nguồn từ Amap. Đó không phải là lý do để không tin chúng; nghiên cứu 3DGS đã công bố từ cùng phòng thí nghiệm đó đã từng được giới đồng nghiệp nhìn thấy, và việc triển khai cho người tiêu dùng tự nó là một dạng bằng chứng rằng hệ thống vận hành ở quy mô lớn. Đó là lý do để coi chúng là những tuyên bố thay vì các phép đo, cho đến khi có ai đó bên ngoài Amap tái lập được chúng trên phần cứng mà họ sở hữu. “Mô hình thế giới đô thị 3D native đầu tiên trên thế giới” cũng là cách định khung của Amap, và ranh giới của hạng mục đó là do Amap tự vạch ra.

Điều này có nghĩa gì nếu bạn xây dựng bằng các mô hình

ABot-Earth 0.7 không phải là một mô hình ngôn ngữ và nó không phải là thứ bạn có thể định tuyến qua API ngay hôm nay — OrcaRouter không cung cấp nó, và không ai ngoài danh sách trắng của Amap có thể gọi nó. Nói rõ điều đó chính là mấu chốt, bởi vì điều rút ra thực tế cho hầu hết các nhóm hẹp hơn và hữu ích hơn so với những gì các tiêu đề ra mắt gợi ý.

Điều mà một ứng dụng không gian thực sự cần là hai thứ khác nhau: một mô hình thế giới, thứ tạo ra hoặc tái dựng lại môi trường, và một mô hình ngôn ngữ, thứ suy luận về nó trong hội thoại. Ngăn xếp của chính Amap phản ánh sự tách biệt đó — ABot-Earth kết xuất địa điểm, còn một lớp hội thoại riêng đảm nhiệm các câu hỏi của Navigation Live về nó. Nếu bạn đang xây dựng nửa sau của mô hình đó, phần phía ngôn ngữ chỉ là công việc định tuyến mô hình thông thường, và nó đã sẵn sàng ngay bây giờ: một API duy nhất xuyên suốt hơn 200 mô hình ở mức giá niêm yết của nhà cung cấp với 0% phụ thu, tự động chuyển đổi dự phòng khi một nhà cung cấp gặp sự cố, một DSL định tuyến để kết hợp nhiều mô hình thành một lời gọi duy nhất, và hợp nhất mô hình khi bạn muốn cả một hội đồng cùng trả lời. Đó là lớp bạn có thể xây dựng dựa trên ngay hôm nay trong khi ABot-Earth 0.7 vẫn nằm sau danh sách cho phép.

Điều gì sẽ thay đổi cách hiểu

Bốn điều đáng theo dõi, và mỗi điều sẽ đưa ABot-Earth 0.7 từ một thông báo nhà cung cấp ấn tượng thành thứ mà một đội kỹ thuật có thể lên kế hoạch dựa trên đó. Thứ nhất, một đánh giá độc lập — bất kỳ ai tái lập được tuyên bố mười phút cho mỗi kilômét vuông trên GPU đơn của chính họ sẽ biến một con số tiếp thị thành một điểm tham chiếu. Thứ hai, API và giá được công bố, đây là điều sẽ khiến mô hình có thể được truy cập thay vì chỉ được nhìn thấy. Thứ ba, liệu báo cáo kỹ thuật của 0.7 có xuất hiện hay không; 0.5 đã có một báo cáo trong vòng vài ngày, và việc nó không xuất hiện sáu tháng sau đó sẽ tự nó là một tín hiệu về việc bao nhiêu phần của 0.7 mang tính kiến trúc thay vì cải tiến tăng dần. Thứ tư, liệu câu hỏi về trọng số mở có được trả lời hay không, vì một mô hình thế giới 3DGS với trọng số có thể tải xuống sẽ là một đề xuất khác biệt đáng kể đối với các đội AI hiện thân và mô phỏng mà Amap nói rằng họ đang chào mời.

Cho đến lúc đó, bản tóm tắt trung thực là thế này: Amap đã tung ra mô hình thế giới 3D được sản phẩm hóa cao nhất mà bất kỳ ai từng đưa đến trước mặt người tiêu dùng, với mức độ bao phủ và cấu hình chi phí thực sự khác thường, và họ đã làm được điều đó mà không công bố các con số, trọng số, hay giao diện lẽ ra sẽ cho phép người ngoài kiểm chứng công trình. Cả hai vế của câu đó đều đúng, và vế thứ hai không phải là lời chỉ trích vế thứ nhất — nó chỉ đơn thuần là điều mà bằng chứng hiện tại đang ủng hộ.