世界模型这个赛道上，做算法的人在找数据，做数据的人刚刚发现自己坐在矿上。

李飞飞的World Labs一年估值冲到50亿美元，9月1日发了Atlas，用少量照片生成新视角和三维几何。谷歌DeepMind的Genie 3让用户实时探索持续交互的虚拟环境。英伟达6月放出开放世界基础模型Cosmos 3。杨立昆的JEPA走抽象表征预测路线，不还原每个像素，只学结构和变化。所有人的共识是，AI要从屏幕走进物理世界，光理解语言不够，得能感知空间、预判后果。

分歧在方法。合成数据、仿真环境、抽象表征，各跑各的。

我的判断是，这些路线里最慢的那条，反而最可能先跑通。高德9月10日发布的ABot-Earth 0.7，被定义为3D原生城市世界模型，覆盖196个国家和地区。它的底料不是算法突破，是二十年攒下来的时空样本。《晚点LatePost》报道过，高德沉淀了数十万亿级时空数据，覆盖道路、建筑、地形、卫星和无人机影像，加上10亿活跃用户每天产生的真实反馈持续回流训练。

这件事的价值需要放在一个背景里看。自动驾驶公司为了补真实路况，得养车队一公里一公里采集，Waymo和Cruise烧掉的钱里相当大一部分花在这上面。机器人公司积累真机数据靠人工遥操作，一次次拧螺丝、搬箱子、叠衣服，慢且贵。合成数据能补一部分，但力的反馈、复杂路况的动态变化、临时施工和行人横穿这类场景，仿真环境模拟不出来。真实世界的数据正在成为世界模型竞争里最难逾越的那堵墙。

高德手里恰好是那堵墙的砖。扫街榜上线一年服务8.8亿用户，上榜商家累计导航里程366亿公里。这些数字背后是真实的人类移动轨迹、到店行为、路线选择。ABot-Earth 0.7能把全球空间、时间与现实组织成可实时交互的三维数字孪生世界，靠的是这些数据在训练里反复校准。今年6月的0.5版本已经能用单张图片十分钟重建一座3D城市，0.7版本往前又走了一步。

但我不骑墙地说，数据规模不等于模型能力。高德目前展示的ABot-Earth 0.7，核心应用场景仍然落在导航、出行建议和扫街榜这类自家业务上。飞行街景2.0让用户出发前自由探索目的地三维空间，避雷指南从15个维度识别行程风险，这些都是好产品功能。但它们距离“世界模型”的标准还有距离。李飞飞提出的三项要求里，第三条是根据动作预测环境的下一状态。高德的时空推演目前主要是预测路况和到达时间，这是预测，不是交互式反事实推理。你问它“如果这条路封了会怎样”，它能不能推演出完整替代路径的动态变化，公开信息里没有答案。

真正值得盯的不是ABot-Earth 0.7覆盖了多少国家，是高德的AMAP-AI Inside战略落地到了哪一步。智能汽车、智能眼镜、具身智能、低空飞行都已接入，奔驰成了扫街榜全球首个汽车合作伙伴。如果这些外部硬件真的开始依赖高德的空间智能做本地决策，那高德就从一家地图公司变成了物理AI的基础设施。如果接入停留在API调用层面，那它的数据优势就只是自家护城河，不是行业底座。

世界模型的牌桌上，算法可以追赶，数据需要年复一年地攒。高德攒了二十年。这二十年能不能兑换成下一个十年的入场券，取决于它愿不愿意把最值钱的那部分数据能力，开放给那些正在努力让机器人理解物理世界的公司。