三維空間數據在智慧城市相關的很多行業領域得到了應用，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也看好三維空間數據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投入技術研發，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“現實模擬（simulate reality）”，并推出了核心產品Mapp，而其產品實質，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具體的應用場景，更好地理解影像中的信息，并根據用戶需求提供某些結論或決策建議。

      SenSat的創始人兼CEO詹姆斯·迪恩（James Dean）擁有遙感專業背景，在迪恩看來，遙感影像數據商業價值的最大化，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省成本。SenSat目前聚焦的主要業務包括：

      城市基礎設施建設的工程監管

      這是SenSat的一個核心業務。在迪恩看來，盡管建筑業是全球經濟發展的一大支柱行業，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，根據基本的建設規范，鐵軌的坡度要控制在5°以內，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完成（注意不包括數據采集的時間），還能節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格式的數據進行兼容，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據對城市街道的真實還原，SenSat利用AI在對三維數據進行結構化處理后，可以作為一套模擬器平臺，支持達數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務的潛力。而基于真實街道的模擬三維數據，也有望讓加強政府監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識別。

      移動網絡信號檢測和優化

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

      AR/VR業務的底圖支持

      SenSat還希望能為AR/VR的游戲開發商提供基于現實世界環境的模擬底圖，團隊將利用衛星或無人機遙感數據進行快速建模，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，但近期他們入選了美國創投數據平臺Crunch “歐洲頂級人工智能公司”榜單，并在排行榜中位列第一。