《宝可梦GO》如何为AI贡献十年数据：从AR游戏到视觉定位系统VPS的崛起

《宝可梦GO》是由任天堂、宝可梦公司以及Niantic Labs联合开发的增强现实（AR）宠物养成对战手游。自2016年夏天问世以来，它几乎一夜之间成为无数玩家走出家门的理由。

那个夏天，玩家们手持手机穿梭于城市与乡村的各个角落，只为捕捉心仪的宝可梦。在当时，大多数人只将这种现象视为AR技术在游戏领域的一次成功应用。然而，这场“游戏”从一开始就预设了另一重使命。许多玩家可能未曾留意，游戏的隐私政策早已明确指出，用户上传的数据将用于构建3D现实世界场景。

（图片描述：Niantic隐私条款截图，其中一段被标红，强调用户视频记录将被第三方服务用于构建对现实世界地点的3D理解。）

近期，这些数据被正式赋予了“AI训练数据”的标签。根据官方披露，过去十年间，来自全球的《宝可梦GO》玩家在不知不觉中，已为Niantic贡献了超过3000亿张实景图像，这些数据被用于训练其自家的视觉定位系统。

理解这背后的逻辑，需要从什么是视觉定位系统说起。传统GPS定位依赖于卫星信号，在开阔地带的精度通常在3-5米。但在高楼林立的城市峡谷、室内或地下隧道等复杂环境中，信号容易被遮挡或反射，导致定位误差可能达到数十米甚至完全失效。

VPS的核心思路是“用摄像头代替卫星”。通过设备摄像头捕捉周围环境，提取图像中的视觉特征（如角点、边缘、纹理等），然后与预先构建好的3D地图或“神经网络地图”进行比对，从而精确推算出设备在真实空间中的位置和姿态（包括x、y、z坐标以及俯仰、偏航、横滚角度）。Niantic声称，其VPS能够实现厘米级的定位精度，并在GPS信号不佳的场景下保持稳定。

（图片描述：对比视觉定位系统、GPS、蓝牙信标和Wi-Fi三角测量四种定位技术的能力表格。）

显然，要支撑VPS实现如此高精度的定位，离不开一个足够“聪明”的AI模型。而训练一个优秀的模型，海量的、高质量的数据又是不可或缺的。从技术原理上看，VPS并非全新概念，但Niantic通过规模化的众包数据采集，将其推向了一个全新的维度，这其中展现的数据收集与人工智能训练模式值得思考。

例如，Niantic在2020年前后，于《宝可梦GO》中上线了“AR实地研究”功能。玩家可以扫描身边的雕像、店面或街景，拍摄一段20至30秒的视频，以此换取游戏道具、星尘甚至稀有宝可梦作为奖励。

对玩家而言，这仅仅是“多做任务多拿奖励”；而在后台，这些附带精确地理标签、涵盖多视角、多时段、多天气条件的图像数据，被源源不断地传送到Niantic的服务器，成为了喂养AI模型的“食粮”。

（图片描述：现实增强的宝可梦GO游戏画面，手机屏幕上显示宝可梦“Croagunk”，同时虚拟角色也以AR形式出现在现实场景的草地上。）

数年间，这类由全球玩家贡献的实景图像累计超过3000亿张，覆盖了全球数百万个高价值点位。这些数据不仅具备厘米级精度，还包含了同一地点在不同时间、光照和天气下的动态变化。这种数据集的规模和质量，是传统的测绘车或街景采集项目难以比拟的。

依托这些数据，Niantic成功将其VPS服务落地应用。例如，在与Coco Robotics的合作中，VPS技术帮助配送机器人能够精确地停靠在餐厅外的指定取餐点，既不会妨碍他人，也能准确抵达顾客门前，而不是停在几米之外。

然而，这些数据的价值远不止于此。在2024年的一篇官方博客中，Niantic明确提出，他们正在构建“大地理空间模型”（LGM）。这个模型的目标是训练一个能够理解“空间本身”的AI。

尽管3000亿张图像听起来数量庞大，但对于世界各地的每一个具体地点而言，仍然是杯水车薪。因此，传统的视觉定位往往只能在已详细建图的区域工作，一旦视角或地点发生变化，性能就会显著下降。Niantic的LGM旨在通过训练，让模型学会“教堂”、“广场”、“街区”这类抽象的空间概念，从而建立起迁移与泛化的能力。这类似于人类的“窥一斑而知全豹”，即使到了从未扫描过的地点，模型也能大致推断出空间结构，辅助定位与导航。

在官方描述中，LGM被定位为一种“空间基础模型”，其潜在应用领域包括空间规划与设计、物流优化、用户互动体验以及远程协作等。Niantic相信，从大型语言模型到大型地理空间模型的演进，将是智能 & 数据 & 云技术发展的下一个重要方向。随着AR眼镜等可穿戴设备的普及，未来世界的操作系统将依赖于物理现实与数字现实的深度融合，构建一个以人为中心的空间计算系统。

回望过去十年，《宝可梦GO》不仅定义了AR手游的黄金时代，更在无意中完成了一场规模空前的全球众包测绘。Niantic的这次探索，展现了一种新颖有趣、由数据驱动的科技发展模式。

当然，在追求技术突破的道路上，数据隐私与安全始终是无法回避的核心议题。Niantic在博客中强调，用于训练LGM的扫描是“玩家可选的功能”，需要玩家主动前往公开地点并点击操作，单纯走路玩游戏并不会直接训练AI模型。但从其整体商业模式来看，游戏与地理空间数据采集之间紧密的共生关系，已成为该公司最核心的竞争力之一。对于普通玩家而言，想要获得最佳的游戏体验，或许很难完全避开“为AI打工”的环节。因此，如何在保障用户权益的前提下，充分发挥这些海量数据的价值，推动空间计算等领域的创新发展，将是未来需要持续探索与平衡的重要课题。