三维空间数据在智慧城市相关的很多行业领域得到了应用，综合来看市场前景仍然非常广阔。

      一家成立于2017年的英国人工智能公司SenSat也看好三维空间数据在众多细分场景中的应用潜力。SenSat团队最近还完成了450万美元的种子轮融资，他们将利用这笔资金继续投入技术研发，以及进驻旧金山着手拓展美国市场。

（图片来源于SenSat）

      SenSat将自己的服务描述为“现实模拟（simulate reality）”，并推出了核心产品Mapp，而其产品实质，是利用视觉AI技术，对主要以无人机采集并制作的高分辨率三维影像，进行结构化处理和影像中各要素的识别，从而使计算机能根据具体的应用场景，更好地理解影像中的信息，并根据用户需求提供某些结论或决策建议。

      SenSat的创始人兼CEO詹姆斯·迪恩（James Dean）拥有遥感专业背景，在迪恩看来，遥感影像数据商业价值的最大化，一定在于这些来自于高空的信息能帮助人们解决棘手的问题，最终提高工作效率并节省成本。SenSat目前聚焦的主要业务包括：

      城市基础设施建设的工程监管

      这是SenSat的一个核心业务。在迪恩看来，尽管建筑业是全球经济发展的一大支柱行业，但从工程施工流程的角度来看，却始终缺乏以技术为驱动的创新。例如对一个大型的民用基础设施建设项目来说，其设计和建设阶段的时间和金钱成本，往往要占到项目总成本的近一半比重，其大量的工作需要由人力的堆叠来完成，且近几十年来该成本优化率极低。事实上，这些工作所耗费的巨额成本，可以由交由信息化技术以更高的效率、以更低的预算来完成。

      例如在铁路建设中，根据基本的建设规范，铁轨的坡度要控制在5°以内，每隔100米要安置龙门起重架，两条铁轨的间距则必须是1.435米。而在检验轨道的铺设是否符合要求时，通常需要很多名工程师花费数月时间对工程进行实地检验。然而，当把这些活儿交给AI对铁路工程三维影像进行识别和量化计算，不但计算结果是能在几分钟内完成（注意不包括数据采集的时间），还能节省以百万美元单位计算的人力成本。

      此外，SenSat还让他们的软件Mapp对CAD和BIM格式的数据进行兼容，确保能一站式解决工程领域用户的主要需求。

      作为自动驾驶的模拟器

      得益于采集并作出的三维空间数据对城市街道的真实还原，SenSat利用AI在对三维数据进行结构化处理后，可以作为一套模拟器平台，支持达数百万小时的汽车自动驾驶模拟。SenSat团队看重自动驾驶模拟器业务的潜力。而基于真实街道的模拟三维数据，也有望让加强政府监管部门对自动驾驶车辆行驶在城市普通道路上的信任，因为在相对较高的影像分辨率条件下，无论是街道旁的交通指示牌、道路标识，还是道路上的某些设施，都可以被自动驾驶系统识别。

      移动网络信号检测和优化

      SenSat的电信业务将主要面向未来的5G移动网络，帮助运营商清楚的掌握哪些城区受环境影响（比如建筑物遮挡）信号延迟和衰减最为明显，并给出优化方案；而这些结论的得出，同样依托于反映真实环境的三维空间数据的支持，以及对一些环境要素的有效识别。

      AR/VR业务的底图支持

      SenSat还希望能为AR/VR的游戏开发商提供基于现实世界环境的模拟底图，团队将利用卫星或无人机遥感数据进行快速建模，而非利用3D引擎进行手工建模。

      除了上述市场，SenSat还正在探索物流、能源、国防等领域的机会。在迪恩看来，让计算机帮助人们更好的理解现实物理世界，将是未来的必然趋势。

      SenSat团队虽然非常年轻，但近期他们入选了美国创投数据平台Crunch “欧洲顶级人工智能公司”榜单，并在排行榜中位列第一。