2016年夏天，你在便利店门口抓皮卡丘的每一个动作，都被记录进了全球最大的人工地标数据库。九年后，这批数据成了送货机器人在人行道找路的"眼睛"。

从游戏到数据公司

打开网易新闻 查看精彩图片

2016年的现象级产品《精灵宝可梦Go》（Pokémon Go）让Niantic一战成名。玩家举着手机满街跑，在加油站停车场、偏僻小巷里搜寻虚拟怪兽。这款增强现实（AR）游戏 peak 期的热度，如今看来只是起点。

2025年5月，Niantic拆分出独立AI公司Niantic Spatial。核心资产是一笔庞大的数据储备：300亿张图片。这些照片来自玩家镜头下的雕像、店铺门面、街角地标——全是当年"抓怪"时的副产品。

Niantic Spatial用这批数据搭建了一套视觉定位系统（Visual Positioning System，简称VPS）。官方宣称精度达到厘米级，远超传统GPS的几米误差。

第一个客户已经落地：Coco Robotics。这家初创公司生产轮式小型机器人，外观像大号冷藏箱，专门做餐饮配送，最大载重约8份特大号披萨。目前运营城市包括迈阿密、芝加哥、赫尔辛基、洛杉矶和泽西市，累计完成配送超过50万次。

玩家怎么成了"数据采集员"

关键转折发生在2020年。Niantic在游戏内上线"AR测绘"功能：玩家录制本地补给站（PokéStop，即指定现实世界地标）的360度短视频，可换取游戏内奖励。

这些扫描捕捉了地标的每一个角度和高度，生成3D快照。数亿玩家反复造访同一热点，间接为Niantic提供了同一地点在不同光照条件下的海量照片。

技术逻辑由此闭环：GPS靠卫星三角定位，信号在城市高楼间反射干扰，最佳精度仍有几米偏差——对宽度仅数英尺的人行道导航完全不够用。VPS则通过识别周围建筑和地标来定位，颗粒度大幅提升。

Coco的机器人现在每辆配备四台齐腰高度的摄像头，实时扫描周边环境，调用Niantic的VPS数据库完成厘米级定位。

数据飞轮怎么转起来的

回看整条时间线，Niantic的设计堪称精巧。游戏机制本身就是数据收集的诱饵：补给站必须位于真实地标，玩家必须 physically 抵达，AR功能鼓励多角度拍摄。每一步都指向同一个目标——把玩家变成免费、高效、持续更新的地面测绘团队。

300亿张图片的规模，传统测绘公司靠专业团队几乎不可能实现。Niantic的解法是把成本转嫁给用户，用游戏内激励换取劳动。玩家获得虚拟奖励，公司获得真实世界的数字孪生。

现在这套数据资产进入变现阶段。Niantic Spatial作为独立实体，可以对接游戏业务之外的B端客户。Coco Robotics只是开始，厘米级视觉定位的潜在场景包括自动驾驶、AR导航、物流机器人、智慧城市基础设施。

一个值得注意的细节：Niantic在拆分AI业务时，明确将"空间智能"（Spatial Intelligence）作为核心叙事。这不是游戏公司的转型，而是一家数据公司终于等到了技术成熟、市场就绪的窗口期。

玩家知情吗？这重要吗？

原文没有提及用户协议的具体条款，也没有Niantic对此事的官方回应。我们只知道：AR测绘功能是" opt-in "（主动选择加入），玩家用游戏奖励交换了数据采集的许可。

但"知情"的边界很模糊。多少玩家真正理解360度视频会被用于训练送货机器人？游戏内说明是否充分披露了数据的长期用途？这些问题原文未涉及，不能臆测。

可以确定的是：数据一旦产生，用途的扩展往往超出原始场景。2016年抓皮卡丘的照片，2025年成了机器人在赫尔辛基找路的参考。时间跨度九年，应用场景从娱乐跳转到物流，技术栈从AR游戏升级到空间AI。

商业模式的启示

Niantic的案例提供了一个罕见的完整样本：C端产品如何沉淀为B端基础设施。

第一层是用户行为的设计。不是简单收集位置坐标，而是诱导用户产生特定类型的数据——带视角、带光照、带三维结构信息的视觉素材。游戏机制在这里是手段，数据规格才是目的。

第二层是数据资产的复利。同一批地标被反复拍摄，形成时间序列上的覆盖；全球数百万玩家同时作业，形成空间上的密度。两者叠加，构建出难以复制的数据壁垒。

第三层是技术就绪时的变现。VPS并非新概念，但直到近年才具备商用精度。Niantic Spatial的拆分时机，恰好卡在机器人配送开始规模化落地的节点。

Coco Robotics的50万次配送是个小数字，但证明了闭环跑通：游戏数据→AI模型→机器人导航→商业合同。这套逻辑可以复制到其他需要高精度地面定位的场景。

空间智能的军备竞赛

把Niantic Spatial放在更大的版图里看，它参与的是"空间智能"（Spatial Intelligence）的争夺。这个概念指AI对物理三维世界的理解和推理能力，被业界视为大语言模型之后的下一个战场。

竞争对手的打法各不相同。特斯拉靠车队采集道路数据，Meta靠VR头显扫描室内空间，谷歌靠街景车和安卓设备。Niantic的独特之处在于：它用游戏解决了"谁愿意去扫街"的问题，而且扫的是人行道、广场、商圈——恰恰是机器人配送的高频区域。

300亿张图片的数据库，目前只公开了VPS这一个应用。但视觉素材的复用空间很大：三维重建、语义分割、场景理解、动态物体检测。Niantic Spatial的估值逻辑，很大程度上取决于这批数据还能解锁多少AI能力。

一个有趣的对比：2016年《精灵宝可梦Go》爆红时，业界讨论的是AR游戏能否成为下一个平台级机会。九年后的答案偏转了——AR游戏成了数据采集的前置环节，真正的平台是空间智能的基础设施。

冷幽默

下次你在街头看到跌跌撞撞的送餐机器人，可以凑近看看它的摄像头。如果它突然停顿、调整方向，也许正是在比对数据库里某张2016年夏天、某个玩家蹲在路边抓皮卡丘时顺手拍下的便利店门口。

那个玩家当年换到了游戏金币。机器人现在换到了披萨的准确送达。而Niantic，换到了一家AI公司。

所有人都得到了自己想要的——只是有些人花了九年才知道自己参与了什么交易。