在阅读文章前，辛苦您点下“关注”，方便讨论和分享。作者定会不负众望，按时按量创作出更优质的内容

文 |小戎

哈喽，大家好，小戎这篇分享，主要分析00后博士胡文博的AI新成果G²VLM，它空间能力超强，力压GPT-4o，为机器人等领域添新动力。

24岁的00后都开始卷AI界了！博士生胡文博带着团队整出个叫G²VLM的AI“卷王”，别人还在教AI认猫认狗，它已经能从平面照片里“脑补”出3D世界，相当于给AI装了双“透视眼”。

最牛的是它在“AI月考”SPAR-Bench里，把顶流GPT-4o甩开18.5分拿第一，其他空间测试也都是“年级前三”水平，关键这哥们儿还是“小身材大能量”——参数才40亿，跟那些上千亿参数的“大块头”比就是个小不点，却靠“巧劲”赢了，主打一个“不拼蛮力拼智商”。

这AI的灵感居然来自人脑！咱们大脑看东西，一条路认“这是啥”，一条路判“在哪儿”。

G²VLM直接抄作业，搞了俩“专家”协作：一个专扒3D几何信息，算距离测角度；一个专搞语义理解，认东西唠嗑，俩专家实时传消息，就像打游戏时辅助报点 输出猛冲，配合得天衣无缝。

它的“修炼之路”也特有意思，分两步走：第一步让几何专家“闭关刷题”，对着带3D标注的数据练到“看图就知深浅”。

第二步俩专家“组队开黑”，专攻空间推理题，比如“从两张照片判断球往哪滚”，磨合到默契满分。

胡文博说这成果牛就牛在，以前AI搞3D得要额外“说明书”，现在看张普通照片就行，实用性直接拉满，这哪是造AI，简直是给未来的机器人、AR/VR装了个“超级大脑”。