创·问｜Aibee爱笔智能林元庆：“结硬寨，打呆战”，通向物理世界AGI

理解复杂世界这事儿，AI和人类一样，都没有捷径。

人类靠肉身碰撞，凭经验拼凑世界的全貌；而 AI 知晓宇宙万物，却无法理解物理世界的时空运转。同样没有捷径的，还有Aibee爱笔智能创始人兼CEO 林元庆选择的创业道路。

硅谷NEC实验室科学家、百度研究院院长、明星创业者，林元庆本可以把AI 带向更热门的赛道，但他偏偏选择了AI赋能线下的实体传统行业。

过去九年，林元庆一直在让 AI 学会感知、理解现实世界。直到空间智能、世界模型成为新的行业共识，外界才重新认识爱笔——那些在物理世界积累的场景和数据，正成为未来 AI 理解真实世界的重要基础。

在林元庆看来，AI 不能永远只是“坐在玻璃房里的大师”，它需要进入真实世界才能发挥最大价值。为此，林元庆绘制了一张AI 能看得懂、走得通的地图，也在这张地图上，找到了自己那座“金山”。

全文分享如下：

Q：华创资本

A：Aibee爱笔智能创始人兼CEO 林元庆博士

坐在“金山”上

华创资本：过去几年大家的焦点都在大模型，今年世界模型、物理 AI 突然成了新共识，被视作 AI 的下一波技术浪潮。你们怎么做到风口来之前，就已经站在了这里？

林元庆：前两年大语言模型很火，我们也没想过跳上那条船，因为知道水一定会往这边流。

归根结底，AI的发展脉络就是这五个AI应用领域：自然语言处理（NLP）、语音识别、计算机视觉、机器人学（robotics）和大数据分析。 技术的演进有快慢，行业也有螺旋上升。

2017年爱笔成立时，我们就在做“线下空间的数字化和智能化”，那时名字起太长了，但和今天“空间智能”本质是一个概念，即对物理空间的3D理解。

行业总有新概念，但我们做的事没变——让AI 进入线下物理空间。

华创资本：AI 从虚拟到现实，要跨过什么样的鸿沟？

林元庆：机器人得有一双人类那样的“眼睛”：能识别周围有什么物体，它们在什么位置，是怎么移动的，要对空间和时间都有感知、理解。

过去几年，我们在线下的场景中进行了大量的三维重建，无论是商场里的顾客、店铺、商品，还是路口的行人、车辆，都能被标注出精确的3D坐标。这些数据既能让商家提升运营效率，进而提升业绩，也能降低城市交通拥堵，最终实现AI赋能现实物理世界的运营。

华创资本：为什么这些能力在今天突然变得重要了？

林元庆：过去在语言阶段，AI 可以依托公用数据进行训练。但物理世界的AI，需要大量真实的场景，而场景即数据。我们现在每天要处理的视频数据超过了100万小时。这是什么概念？ 国内抖音、快手、腾讯视频三大平台合起来，一天新上载量才 27 万小时，而YouTube 是 72 万。

而且爱笔这些结构化的数据都来自固定真实的场景，是未来训练物理世界AI 的稀缺资源。所以，我们一直坚信，爱笔其实就坐在“金山”上——拥有海量的线下场景以及物理空间的数据。

从经验到数据

华创资本：2017年，你带着 AI 和互联网的基因创业，为什么一开始反而选择做线下生意？

林元庆：有的科学家喜欢提出新问题，有的注重解决问题。

技术能不能落地，一直都是我的兴趣所在。我那时候在百度研究院任院长，看到 AI 对互联网的赋能已经渗透到互联网业务的方方面面，但往线下一看， AI 还几乎不存在。

创业前，我拜访了九个传统行业近40家公司，认识到，AI技术的发展绝对不能脱离应用，脱离实体传统行业。

我们给公司起名Aibee，即 AI To B，就是想让AI 走出实验室，走出互联网，在现实世界的各行各业也能有用武之地。

华创资本：爱笔最早选择从购物中心起步，你们用AI 做了哪些改造？

林元庆 ：爱笔在购物中心的场景有“五件套”：AI 精准客流、AI 停车、AI导航（ AR/VR 导航）、AI 大屏、ToC AI 智能体。

今年龙虾出来后，我们又研发了大数据分析的智能体：如运营智能体、招商智能体和营销智能体。计算机视觉的AI技术负责收集物理世界的全面数据，而语言大模型的AI技术负责分析这些数据，并产出业务建议。

这些技术都是爱笔自研的（除了LLM基础大模型用的是开源大模型），在购物中心这样一个大体量的物理空间，我们提供的是一站式AI整体解决方案 。

从对购物中心的业务赋能来看，爱笔的AI解决方案已经覆盖购物中心日常业务的全流程，包括招商、营运和营销，既赋能购物中心自身，又赋能品牌商户，还赋能C端顾客和购物中心的交互方式；从AI技术的应用上看，深度应用了计算机视觉（CV）、语音识别（ASR）、语言大模型（LLM）、大数据分析（big data analysis）和机器人学（robotics） -- 这些“AI神主牌”在购物中心这个场景里做到了“众神归位”、各尽其职。

我还没见过哪家AI创业公司能做到这样综合性的AI协奏能力，让 AI可以在数字世界和物理世界畅游。

华创资本：过去商户在做选品、换人等大的决策时往往凭借经验而不是数据，你们怎么打破这一点的？

林元庆：核心是我们逐步开始用客户的语言和她们沟通，并且我们的技术可带来实实在在的业务赋能。

以AI精准客流为例，我们的客流数据分析像照 X 光一样，能识别出一个购物中心的各个品牌店铺有哪些运营薄弱环节。比如爱笔曾花了三个多月帮一家珠宝门店提升业绩。店铺门口路过多少人？其中有多少会被吸引进店？多少人能逛够8分钟达到长停留？那些长停留的顾客中有多少人会下单？数据往往能显示出问题。于是，通过产品设计年轻化以及提升店员接待能力，这家珠宝店的业绩提升了146%，交给购物中心的抽成租金翻了约5倍。

听上去似乎很复杂，但我们用的无非是互联网那套已经很成熟的漏斗分析：UV、 PV、 转化率。互联网产品经理天天都在做的事，但线下购物中心没人干过，因为之前线下不具备这样的per-ID的数据，但爱笔的AI精准客流弥补了这一点，彻底enable了这样的漏斗分析。

华创资本：这两年大家都在唱衰购物中心和商业地产，为什么你们还能保持增长？

林元庆 ：其实很多购物中心的生意依旧如火如荼，很反直觉吧？一些头部的商场每年依然能卖100亿的货，他们每年的销售额还在增长。

我们看到的反而是积极的变化：

第一，商业地产过去收取固定租金，但疫情后改成保底租金+抽成。商户业绩越高，购物中心提成更多，自然有动力、意愿去提升运营水平。

第二，行业在向头部聚集，比如华润开始做轻资产运营，未来五年他们还计划再开一百多家购物中心，其中大部分会采取轻资产运营的方式重新装修、招商。当管理半径扩大，怎么可以让管理团队不用等比例扩大，AI技术就是武器。

第三，热钱消失，决策就会回归本质：你的产品最终能否为行业创造价值。购物中心并不会消失，往往行业处于低谷时，大家才更有动力提升效率，技术赋能也显得特别有意义。

全世界只有爱笔能做到

华创资本：很多人都在用AI 改造传统行业，为什么你们走通了这条路径？

林元庆 ：很根本一点，可能我是一个特别不功利的人，很多合作伙伴常常这么评价我。

在大战略想清楚想透彻之后，我一直是“结硬寨，打呆战”的风格。在具体的实现路径上，我们对底层技术做足够的抽象，以及由此而实现极致的产品化。比如在购物中心，通过机器人3D 扫描建模，让 AI 透过摄像头去“看懂”空间里的人、物体是如何移动的。做停机坪也是如此，飞机什么时候停下来？停哪个方向？地面哪辆车接驳？这些都能转化成三维空间的理解。

当做好空间智能的中间层，无论上面是什么应用，通过建三维模型，就可以掌握全链信息。无论物还是人，AI 都能理解他们的状态和交互。当复杂技术转换成足够标准的产品，不管是跨行业还是跨品牌，都可以迁移。

比如我们覆盖的四大场景：购物中心、品牌连锁门店、机场和枢纽、双智城市，底层都是同一套技术，华润购物中心能落地的，小米品牌门店也能复制，机场也是如此。

华创资本：想让 AI 真正“看懂”线下空间，最难做到的是什么？

林元庆：像自动驾驶只需要关注道路这个相对标准化的场景，就已经需要海量的资金投入，如今发展十几年，还没有很好地实现L5、全无人驾驶等技术。而购物中心、机场等场景更复杂，如何更全面的3D理解这些空间，实际上难度不小。比如机场有人、车、行李、飞机等，通常意味着十万级别的物体分布在大几十万平米的空间里，需要一套系统很好地去实时理解所有物体的空间位置等信息。这需要一套超大规模的超强AI分析能力。而自动驾驶，通常只需要理解周边最多20～30个物体。

因此，如何在时空上统一指挥这样一套大规模空间智能系统，实现对每一个物体的精准3D理解，特别难。不夸张的说，这些技术全世界现在只有爱笔能做到。

此外，同样关键的还有成本问题，如果太昂贵，技术很难商业化。

华创资本：技术的壁垒足以构成护城河吗？

林元庆：爱笔的这一套空间智能技术，壁垒很高。

除了算法本身的壁垒，还有算法工程化。能不能鲁棒地实现高精度？能不能把成本压下来？以及最终能否真的落地？比如一个10 万平的购物中心做三维建模，通常成本大约在 300 万～500 万，而我们可以做到10万元以下。这还不算是最夸张的，我们曾给北京海淀区做全区的道路3D 扫描，很多公司的报价高达2～3亿，你猜我们多少钱做的？800 万。

华创资本：你们怎么能把成本控制到这么低？

林元庆：我们通过不断提升AI技术去优化成本。最大的优化，往往不是来自某一个单一模块，而是把这些AI系统当作整体，需要对各项AI技术庖丁解牛。

不单单是3D建模，我们在3D感知技术的优化方面更极致。比如爱笔做的第一家北京的购物中心，2018年把3D感知系统搭起来时需要用 150 台 8 卡的GPU 服务器，因为视频数据量太大，仅仅一天的数据就需要10天做计算。八九个月后，我们减到12台GPU，一天的数据在一天内算完，提升了差不多 100 倍的计算效率。

之后，我们把 90% 以上的计算放进摄像头，用AI 芯片去算，一下降到了 1 台 GPU 服务器。今天，我们连那一台也没了，所有相关的计算都可以放在摄像头端。最早一台GPU 价格15万，150台的成本就需要两千多万元，还需要乘以10天的计算。但我们现在做到了万元级别且能在0.5天算完。这个过程中要对算法、算力不断优化。

DeepSeek 出来时大家知道了蒸馏，但爱笔从2018、19年就开始用蒸馏、量化、剪枝这些技术，疯狂地把成本降了下来。

华创资本：这套能力还能让 AI 解决哪些现实中的问题？

林元庆：爱笔的这套空间智能技术实际上和大模型一样，已经非常通用。无论落地的是店铺、购物中心、机场这样的室内空间，还是户外场景的双智城市，效果都非常好。

我们在北京联想东桥做过约6个月的AI红绿灯交通优化，让早晚高峰的拥堵系数下降了约一半，既节约了驾驶者的时间，也更节能。过去改善拥堵时，很多参照来自互联网地图数据，只能算车流、速度，同时定位和数据的误差有时还很大。

而爱笔能在路口这个三维空间算出每一个机动车、非机动车和行人都在哪，它的速度、朝向，相当于做了实时完整的数字孪生，这套既完整又精准的数据对实时控制红绿灯非常有效。我们发现同样的算力水平，爱笔计算出来的数据维度和丰富度是竞争对手的上千倍——这得益于我们之前算法效率的提高。

同样的路口，没有物理扩建，但全天车辆通过的数量同比提升了 14% 左右。而且，爱笔的这套技术不用雷达也能实现3D感知，利用现有的摄像头即可，落地成本只是其他公司同类方案的10%甚至更低。因此，相当于只花了一辆自行车的钱，可以买一辆汽车。此外，我们的技术还能应用到发电场站、大型展会、化工厂、景区、养老社区等广阔的线下空间，这些我们今年通过行业合作伙伴都在落地。

价值是最直接的验证

华创资本：这两年行业玩家那么多，为什么最终很多公司都没有活下来？

林元庆：技术创业公司活下来很不容易。以购物中心的AI赋能为例，我们自己经历了三个阶段的市场洗牌。疫情前，百花齐放，既有明星 AI 创业公司，还有腾讯、阿里这样的大厂，那时候智慧零售、新零售引起的讨论很多。

接着是疫情时期，大家意识到就算投入巨大，技术也不一定能做得出来，尤其计算机视觉、大数据分析等能力，都需要配备强大的技术团队。做不好就无法深度赋能业务，何谈价值？再加上这期间，线下零售的日子艰难，非常多公司都撤了。

到了第三阶段，市场上几乎看不到AI 公司了，除了爱笔只剩一些做了十几年的传统公司。他们的技术远远不及爱笔，但因为做得久，之前积累了很多客户。但从2025年开始，很多公司的业务下滑，我们的业绩增长反而一直在加速。

今年上半年，爱笔AI赋能购物中心的业务增长了约200%，说明整个行业在加速采纳我们的AI整体解决方案。

华创资本：你们的技术在哪些行业已经建立了优势？

林元庆：国内头部的购物中心，目前都在采用爱笔的智能化方案，且行业内没有第二家可以做同样的事情。我相信再过3～5年，爱笔的AI Mall整体解决方案，会成为行业的标配。

其他场景下我们也建立了绝对优势：全国接近一半的新能源汽车门店，采用的都是爱笔的 AI 精准客流方案；全国 TOP 20 客流量的机场如首都机场、大兴机场等，有16家在和我们深度合作；城市治理、智慧交通层面，我们已经在北京海淀、通州进行过验证，极大改善了交通拥堵等问题。

技术、成本优势，都让我们处于行业绝对的优势地位。

华创资本：这些客户最终买单的是什么？

林元庆：他们其实不太关心你背后用了什么技术，甚至数据维度也不是最关心的。

B 端本身离钱近、离效益近，你的技术能不能和业务真正绑定，扎实赋能业务，价值才是最直接的验证。市面上很多公司的模式都是合同签了、落地了、验收了、收款了、结束了。

但爱笔不是这样。收款了，我们和客户的合作才刚刚开始。对我们来说，终极目标是通过AI 赋能为客户创造业务价值，否则再厉害的技术也没有实际意义。

华创资本：爱笔这两年也在出海，海外客户买单的逻辑有何不同？

林元庆：去年我们和中东阿曼首都的马斯喀特机场达成了合作，覆盖了航站楼、停机坪，以及周边的停车场、道路，这个项目已经成为爱笔在海外的标杆项目之一。要知道，过去中国的 AI 技术很难在中东机场落地，出于对安全稳定等因素的考量，中东机场的信息化系统大部分都是欧美公司来做。但爱笔的AI技术大大超出了他们的预期。此外，香港中环有个综合体项目，未来会是香港的新地标，这个项目的购物中心、办公楼、酒店、剧院等全套空间智能方案，都由爱笔独家提供。我们出海不过一年，但增长迅速，今年签单预计会有接近 10 倍的增长。

世界模型的一部分

华创资本：你认为爱笔现在积累的能力，和具身智能之间是什么关系？

林元庆：首先，我们拥有物理世界海量的数据，可以训练模型，让 AI 更好地感知现实世界，在具身智能的“智能”环节，我们可以输出自己的能力。

第二，具身智能将来一定会落到购物中心、机场、交通枢纽等各种物理世界的场景中，爱笔可以是非常好的合作伙伴，提供环境智能的能力。

比如我们现在做的AI 停车，除了能导航、找车之外，我们把 L4 级自动驾驶技术AVP （自主代客泊车系统，可以自动召唤、泊车、避让行人等）所需要的场端智能也已经预置其中。当未来车端足够智能时，我们只需要升级场端智能的算法，就能实现场端和车端的协同，进而为AVP实现1～2量级的安全级别的提高。届时，商场的停车场、各个新能源汽车品牌，都可以直接接入我们的系统，这样就形成“飞轮效应”。

此外，我们还可以帮商场管理&赋能各种送货机器人、扫地机器人等，有很多可以延展的空间。

华创资本：你提到爱笔未来会成为世界模型的一部分，在Physical AI真正到来之前，你认为下一阶段最重要的目标是什么？

林元庆：By the end of the day,we are a tech company. 我们想在技术上干件大事，否则就辜负了AI这一历史大趋势。这件大事，就是和语言大模型（ChatGPT）历史地位并列的视觉基础大模型——LVM-rtdsp（分别指 realtime、 depth (3D)、semantic、 pixel-level）。

我们希望这个视觉基础大模型，能让摄像头像人的眼睛那样理解真实世界——既能实时感知，也能理解三维空间、语义和每一个像素级细节。

华创资本：为什么你认为视觉基础大模型，会成为和语言大模型同样重要的基础能力？

林元庆：今天大家讨论Physical AI，大多关注VLA或者JEPA，把视觉、语言和行动放进同一个学习框架。但更底层、更通用的其实是视觉能力，而很多视觉感知任务，并不需要action。

比如一个机器人理解屋里有什么家具、大人小孩在做什么时，就不需要有action。哪怕需要action的场景如自动驾驶，当有了通用的视觉大模型，能像人一样理解周边的环境，有智能涌现，那自动驾驶的训练就会简单得多。就好比一个18岁的小伙学开车，并不需要海量的数据，只需要训练大约1万公里就足够了。

今天特斯拉积累的数据已经是百亿公里级别，就算一个人一天开500公里，完成这些公里数也需要大约5万年的时间。而尽管拥有了如此海量的数据，FSD却还没有实现全无人驾驶。

所以，一个通用的视觉大模型，是可以让VLA的效率提升万倍以上的。

华创资本：如果视觉基础大模型真的会成为下一阶段的重要方向，在你看来为何爱笔有机会？

林元庆：不同于“AI四小龙”偏2D的识别，我们从创立之初，就在做3D空间的理解，只是我们做的是特定物体如人、车、飞机等。而视觉基础大模型是对爱笔现有的空间智能技术一个非常natural的扩展，从理解特定物体扩展到理解所有物体。

如今，爱笔每天要处理超过100万小时的真实视频数据，长期积累的场景和数据，是训练视觉基础模型最重要的基础。视觉大模型训练的核心灵魂之一是“自标注&自学习”，而爱笔的“静止摄像头+预3D建模”非常适配这一学习框架，它实现自学习的难度比具身智能上移动的摄像头低了好几个数量级。

因此，我预测，当视觉基础大模型的AGI到来时，爱笔的这套基于第三视觉的学习框架，要比具身智能的第一视觉的框架早到达至少2～3年。

在AI时代，2～3年就是巨大的优势。当物理世界的AGI特别是视觉AGI到来时，爱笔将是少数站在终点的公司之一。