IDC定义“空间智能”：在时间维度理解空间并预判行动结果
IDC（国际数据公司，美国市场研究机构）发布博文，把空间智能概括为感知空间、识别物体及其关系、模拟随时间变化、推理行动方案四步能力，并以自动驾驶汽车预判“球滚出后儿童可能追出”为例说明其依赖因果理解而非单纯模式。
原文称这是物理AI（在真实世界感知并行动的AI）所依赖的基础能力，但该框架属IDC自有观点，并非对某类产品或部署效果的验证。
IDC研究总监Dan Everett在博文中称，空间智能是“理解物理或虚拟空间及其随时间变化、从而能基于具体行动推理结果可能性”的能力，由感知、识别、模拟、推理四项能力组成。 原文区分了几个概念：GIS（地理信息系统）是空间智能的组成部分，计算机视觉是其中一项感知技术； 空间AI（人工智能）被描述为感知层，空间智能则增加固定计算、显式规则和持续空间模型；
空间计算是硬件与交互层； 物理AI（具身AI）是通过机器人、自动驾驶汽车和智能基础设施在真实世界感知和行动的AI，空间智能是其依赖的能力； 数字孪生是特定资产或环境的虚拟副本。 应用示例覆盖航天、国防、保险、电信、零售、农业、仓储物流、制造、建筑、制药、游戏等，尺度从天体到分子。
原文提到制药用例为“通过模拟化合物与靶标蛋白的契合，在实验室测试前排除不太可能的候选”，该表述限于早期发现环节的效率描述，原文未给出该方法的临床疗效证据。 原文另称IDC 2025年“Power of Place”调查中，609名来自12个国家的受访者在13类效益中选出前三大地理空间投资效益，选择“提高生产率”和“节省成本”的各占27%；
按行业看，金融服务业最常选“改善合规”（31%），制造业选“节省成本”（43%），零售业选“改善客户体验”（31%）。 该调查为IDC自有研究，原文未附原始报告链接。
这篇博文的价值在于给“物理AI（人工智能）与机器人”赛道提供一个可拆解的能力框架：感知、识别、模拟、推理分别对应传感与融合、视觉与跟踪、物理与概率模型及世界模型、规则与运动规划。 按此框架，机器人公司的技术差异不只在传感器或大模型，也在能否维护随时间和事件顺序更新的空间模型。
原文对空间智能与空间AI、数字孪生、物理AI的区分，有助于避免把感知能力等同于完整行动能力。 但原文未披露任何企业部署效果、成本或可靠性数据，所引调查也仅覆盖地理空间投资效益感知，不能外推为机器人商业回报。
后续观察信号
- IDC“Power of Place”2025调查的原始报告与方法细节
- 空间智能框架在仓储物流与制造场景的落地案例披露