Ever tried. Ever failed. No matter. Try again. Fail again. Fail better.——Samuel Beckett。这是马辰最喜欢的一句话。 从 GPT-6 在演示里用 Blender 做三维建模，到 AI 短剧占据越来越多的屏幕时间，再到机器人走进真实场景，看似不同的应用，正指向一组共同的能力要求：理解物体在哪里、彼此如何关联、状态怎样随时间变化，以及采取行动可能带来什么结果。 面对这些任务，基础模型需要将有限、零散且不断变化的观测，整合为连贯、可更新的空间理解，并据此推理、预测与决策。这正是空间智能的核心命题，也是连接多模态理解、内容生成与物理交互的能力基础。 而让模型获得这些能力，究竟需要什么样的数据？ 香港城市大学计算机科学系副教授、Data Intelligence Lab 负责人马辰，长期研究数据挖掘、数据驱动 AI 与数据价值。今年，他多了一项新职责：负责映界科技数据方向的预研工作。 在马辰看来，基模空间智能的瓶颈不只在架构，更在数据层：什么数据对任务真正有用、如何评测模型是否理解空间、评测结果又该如何反哺训练。这正是映界正在探索的方向——从多模态采集、空间结构化，到模型空间智能评测与后训练环境。 围绕这条路线，映界科技过去几个月已连续完成两轮种子轮融资，总计数千万元。 一顿火锅，和一句「 count me in 」 回忆起和映界合作的起点，马辰说自己几乎没有犹豫。一顿火锅之后，他答应了创始人金依力的邀请。「他问我要不要一起做，我说没问题，count me in。」 当时，映界科技成立仅数月，方向是空间智能的数据与训练层。团队此前积累了空间感知、动态三维表征和多模态采集的经验，现在想把这套能力延伸到动态空间数据、模型评测和训练基础设施。 一个在大学里研究「数据智能」的教授，为什么选择一家刚成立几个月的创业公司？ 吸引他的，是一个具体的问题：当基础模型开始进入真实世界，什么样的数据才能提升模型的空间智能？ 这个问题听起来抽象，落在映界的业务里却很具体。公司要做的，除了采集更多数据，更重要的是判断哪些数据对模型有用、怎么评测、评测完又怎么反哺训练。马辰的研究，正好卡在这条链路里最容易被忽略、却决定数据能否产生价值的一环。 答应得这么干脆，也因为两人的关系比这次创业更早。在 2021 年，经一位同样出自 Steve Liu 门下的教授介绍，金依力便在线上向马辰请教过图神经网络相关问题。后来，他赴麦吉尔大学与 Mila 攻读联培博士，师从马辰的博士导师 IEEE Fellow、加拿大工程院院士 Steve Liu 教授，两人也由此成为同门师兄弟。直到 2024 年金依力赴香港访问，两人第一次在线下见面。 马辰当时对他的印象是「一个很乖的学生」。如今再谈起，他的评价变成了「非常全面的创业者 」。 从左至右：马辰、Steve Liu、金依力 面对一支 00 后团队，身为 90 后的马辰戏称为「小天才搭配老伙计」。 年轻团队有活力和执行力，他更多参与研究方向的把控和建议。技术问题不因为资历预设谁说了算——「谁对听谁的」。他说，讨论之后自然会形成判断。 更吸引他的，是工业界贴近实际的问题。 映界创办之初，就拿到了带着真实场景的客户。学术研究里的问题常常经过精心裁剪，公司里则要面对数据噪声、效率和工程约束，更「dirty」、更 hands-on。 「你一定要去做，做了之后你才有 feedback，再去调整再去做。」马辰说。 团队的分工，也恰好对应映界路线上的不同环节：空间感知和采集团队把真实环境转化为数据，马辰的数据智能研究则帮助团队判断，这些数据对模型到底有没有用。 数据不是越多越好，问题是「对谁有用」 马辰长期研究数据与模型的关系。 在机器学习的各类任务里，数据并非越多越好。不同样本对模型的作用不同，关键在于它们是否帮助模型完成目标任务。 他把这个思路带到了空间数据上。 真实场景采集会产生连续视频、深度信息和其他传感器数据。其中有重复和噪声，也有关键但稀少的状态变化。对一个任务有价值的数据，对另一个任务未必有用。 「数据的价值，可能是对任务的增益来决定的。」马辰说。 这意味着，空间数据治理不能停在去重、清洗和标注。更关键的是建立任务关联：数据覆盖了哪些场景和状态？能不能支持模型提升特定能力？加入这些样本后，模型有没有可测量的改善？ 但这并不意味着已经有了一个通用的「好数据」指标。 团队曾讨论，能不能用信息熵或信息论建立更普适的判断方式。问题是，数据价值与任务、模型和评测条件高度相关，通用度量仍然困难。现阶段常见的办法，是把数据放进模型或代理模型，观察它对目标任务的影响。 所以，数据选择更像一项闭环工作：先定义任务，再选择数据和评价指标，最后根据模型表现修正数据策略。