三維空間數(shù)據(jù)在智慧城市相關的很多行業(yè)領域得到了應用，綜合來看市場前景仍然非常廣闊。

      一家成立于2017年的英國人工智能公司SenSat也看好三維空間數(shù)據(jù)在眾多細分場景中的應用潛力。SenSat團隊最近還完成了450萬美元的種子輪融資，他們將利用這筆資金繼續(xù)投入技術研發(fā)，以及進駐舊金山著手拓展美國市場。

（圖片來源于SenSat）

      SenSat將自己的服務描述為“現(xiàn)實模擬（simulate reality）”，并推出了核心產(chǎn)品Mapp，而其產(chǎn)品實質，是利用視覺AI技術，對主要以無人機采集并制作的高分辨率三維影像，進行結構化處理和影像中各要素的識別，從而使計算機能根據(jù)具體的應用場景，更好地理解影像中的信息，并根據(jù)用戶需求提供某些結論或決策建議。

      SenSat的創(chuàng)始人兼CEO詹姆斯·迪恩（James Dean）擁有遙感專業(yè)背景，在迪恩看來，遙感影像數(shù)據(jù)商業(yè)價值的最大化，一定在于這些來自于高空的信息能幫助人們解決棘手的問題，最終提高工作效率并節(jié)省成本。SenSat目前聚焦的主要業(yè)務包括：

      城市基礎設施建設的工程監(jiān)管

      這是SenSat的一個核心業(yè)務。在迪恩看來，盡管建筑業(yè)是全球經(jīng)濟發(fā)展的一大支柱行業(yè)，但從工程施工流程的角度來看，卻始終缺乏以技術為驅動的創(chuàng)新。例如對一個大型的民用基礎設施建設項目來說，其設計和建設階段的時間和金錢成本，往往要占到項目總成本的近一半比重，其大量的工作需要由人力的堆疊來完成，且近幾十年來該成本優(yōu)化率極低。事實上，這些工作所耗費的巨額成本，可以由交由信息化技術以更高的效率、以更低的預算來完成。

      例如在鐵路建設中，根據(jù)基本的建設規(guī)范，鐵軌的坡度要控制在5°以內(nèi)，每隔100米要安置龍門起重架，兩條鐵軌的間距則必須是1.435米。而在檢驗軌道的鋪設是否符合要求時，通常需要很多名工程師花費數(shù)月時間對工程進行實地檢驗。然而，當把這些活兒交給AI對鐵路工程三維影像進行識別和量化計算，不但計算結果是能在幾分鐘內(nèi)完成（注意不包括數(shù)據(jù)采集的時間），還能節(jié)省以百萬美元單位計算的人力成本。

      此外，SenSat還讓他們的軟件Mapp對CAD和BIM格式的數(shù)據(jù)進行兼容，確保能一站式解決工程領域用戶的主要需求。

      作為自動駕駛的模擬器

      得益于采集并作出的三維空間數(shù)據(jù)對城市街道的真實還原，SenSat利用AI在對三維數(shù)據(jù)進行結構化處理后，可以作為一套模擬器平臺，支持達數(shù)百萬小時的汽車自動駕駛模擬。SenSat團隊看重自動駕駛模擬器業(yè)務的潛力。而基于真實街道的模擬三維數(shù)據(jù)，也有望讓加強政府監(jiān)管部門對自動駕駛車輛行駛在城市普通道路上的信任，因為在相對較高的影像分辨率條件下，無論是街道旁的交通指示牌、道路標識，還是道路上的某些設施，都可以被自動駕駛系統(tǒng)識別。

      移動網(wǎng)絡信號檢測和優(yōu)化

      SenSat的電信業(yè)務將主要面向未來的5G移動網(wǎng)絡，幫助運營商清楚的掌握哪些城區(qū)受環(huán)境影響（比如建筑物遮擋）信號延遲和衰減最為明顯，并給出優(yōu)化方案；而這些結論的得出，同樣依托于反映真實環(huán)境的三維空間數(shù)據(jù)的支持，以及對一些環(huán)境要素的有效識別。

      AR/VR業(yè)務的底圖支持

      SenSat還希望能為AR/VR的游戲開發(fā)商提供基于現(xiàn)實世界環(huán)境的模擬底圖，團隊將利用衛(wèi)星或無人機遙感數(shù)據(jù)進行快速建模，而非利用3D引擎進行手工建模。

      除了上述市場，SenSat還正在探索物流、能源、國防等領域的機會。在迪恩看來，讓計算機幫助人們更好的理解現(xiàn)實物理世界，將是未來的必然趨勢。

      SenSat團隊雖然非常年輕，但近期他們?nèi)脒x了美國創(chuàng)投數(shù)據(jù)平臺Crunch “歐洲頂級人工智能公司”榜單，并在排行榜中位列第一。