# Không chỉ là bảng xếp hạng ẩm thực: AI đang thay đổi cách chúng ta đánh giá món ăn

- Nguồn: QbitAI
- Thời gian phát hành: 2026-09-11 15:59 (giờ Việt Nam)
- Điểm AI: 75/100
- Link AIHOT.vn: https://aihot.vn/items/f4a49bc1183f89fc
- Link gốc: https://www.qbitai.com/2026/09/487282.html

## Tóm tắt AI

Bảng xếp hạng 'Niềm vui của tín đồ ẩm thực' đã được AI hóa toàn diện, không chỉ liệt kê món ăn mà còn phân tích sâu sắc xu hướng và khẩu vị người dùng bằng công nghệ tiên tiến.

## Thân bài

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

11-09-2026 16:59:28 Nguồn: QbitAI

Lin Fangzhou đưa tin từ Aofei Temple

QbitAI | Kênh chính thức QbitAI

Mọi người ơi, bảng xếp hạng "Săn phố" (Saojie Bang) của Amap đã ra mắt được một năm rồi, có ai giống tôi không, giờ trước khi đi ăn là phải lướt xem qua một lượt?

Năm ngoái, dựa vào dữ liệu điều hướng thực tế và hành vi đến cửa hàng, Amap đã thực hiện một cuộc "đổ bộ Normandy" trong lĩnh vực ẩm thực và dịch vụ tại chỗ.

![](https://i.qbitai.com/wp-content/uploads/2026/09/95ec6888a4668837cc56d660d9f4598c.webp)

Nhưng tôi cứ ngỡ thế là hết rồi.

Không ngờ, sau một năm, ngày 10 tháng 9, Amap tuyên bố: Bảng xếp hạng "Săn phố" đã được AI hóa toàn diện.

Ứng dụng mô hình lớn (Large Model), có sự hỗ trợ của mô hình thế giới (World Model), mở ra kỷ nguyên mới cho việc tìm kiếm đồ ăn bằng trí tuệ không gian.

Bằng cách nào?

Phiên bản 2026 của bảng xếp hạng "Săn phố" sau khi nâng cấp đã sử dụng thuật toán AI để hiểu trọng số đánh giá của các hành vi điều hướng đến cửa hàng khác nhau, phản ánh chính xác hơn lựa chọn thực tế của người dùng, giúp những quán ăn "kho báu" vượt qua được thử thách lặp đi lặp lại trở nên nổi bật hơn.

Và công nghệ đằng sau sự nâng cấp này của Amap chính là trí tuệ không gian (spatial intelligence) tiên tiến nhất.

Phải biết rằng, trí tuệ không gian hiện đang là chủ đề "hot" nhất trong giới mô hình thế giới, khi nhóm của Fei-Fei Li vừa công bố Atlas, mạng xã hội gần như đã bùng nổ.

Còn Amap, từ lâu đã không còn là "ứng dụng bản đồ chỉ biết dẫn đường" như bạn nghĩ nữa. Họ đã tích lũy dữ liệu không gian - thời gian suốt hơn 20 năm, với các hoạt động bao phủ mọi ngóc ngách của thế giới vật lý, nên việc làm trí tuệ không gian hoàn toàn là "đúng chuyên môn".

Đặc biệt là động cơ cốt lõi của trí tuệ không gian Amap — ABot-Earth 0.7, được mệnh danh là "mô hình thế giới 3D nguyên bản đầu tiên trên thế giới".

Thứ này mạnh đến mức nào? Chỉ cần một tấm ảnh vệ tinh hoặc một đoạn văn bản, chạy trên GPU tiêu dùng trong 10 phút, nó có thể tạo ra cho bạn một thành phố 3D với cảnh quan đường phố chân thực, hiệu suất tăng gấp 1000 lần so với các phương pháp truyền thống.

Một từ thôi: Đỉnh!

![](https://i.qbitai.com/wp-content/uploads/2026/09/06ec0b1e6370bd0c0b189b33bad0a2bb.webp)

### Lộ trình "3D nguyên bản" (3D-native), tối ưu hóa cả hiệu suất lẫn chi phí.

Đang ngồi làm việc ở Zhongguancun, bỗng nhiên muốn tùy hứng như Lương Triều Vỹ, bay đến London cho chim ăn...

Thế là tôi mở phần mềm đặt vé, à không, mở trang web của "Amap Earth", nạp cho nó một tấm ảnh vệ tinh của Quảng trường Trafalgar ở London.

Chẳng bao lâu sau, nó đã tạo ra cho tôi một "thế giới thực" rộng 1 km vuông, các tòa nhà sắp xếp ngăn nắp, thảm thực vật phân tầng rõ rệt, các địa danh được tái hiện sống động như thật...

Sau khi dạo chơi trên mây một lúc, giờ giải lao kết thúc, thỏa mãn rời đi~

![](https://i.qbitai.com/wp-content/uploads/2026/09/23a4330c4670af1e6c3f8c2e9353b4ee.webp)

"Phép thuật" đưa tôi xuyên không đến nước Anh chính là ABot-Earth 0.7.

Dù là Thổ Nhĩ Kỳ lãng mạn, hay Tokyo và Paris, ABot-Earth 0.7 đều có thể đưa tôi đến đó. Theo thông tin từ đội ngũ phát triển, hiện nó đã bao gồm hơn 190 quốc gia và hơn 300 thành phố, xây dựng nên bản đồ 3D có số lượng quốc gia và khu vực bao phủ lớn nhất thế giới.

![](https://i.qbitai.com/wp-content/uploads/2026/09/b06eb26649891ee722cf6143c4117faa.webp)

Nhìn lại Google Earth mà mọi người đã quen thuộc, chỉ có khu vực trung tâm của một số đô thị lớn mới được hưởng đặc quyền cảnh quan 3D, còn phần lớn các thành phố vừa và nhỏ cùng các khu vực kém phát triển vẫn đang dừng lại ở thời đại ảnh vệ tinh 2D.

Việc đưa một thành phố vào thế giới 3D là một dự án tốn kém thời gian và tiền bạc. Lấy ví dụ về phương pháp tái dựng 3D truyền thống mà Google Earth sử dụng: trước tiên phải thu thập hình ảnh, sau đó tính toán vị trí và hình dạng của các tòa nhà, cuối cùng là khôi phục kết cấu bề mặt. Để bao phủ nhiều nơi hơn và cập nhật nhiều cảnh quan hơn, những công việc này đòi hỏi sự đầu tư liên tục. Một quy trình như vậy, mỗi lần cập nhật thường mất vài tháng, thậm chí vài năm, chỉ có "nhà có mỏ" mới dám chơi kiểu này.

Điều mà ABot-Earth 0.7 muốn giảm bớt chính là chi phí tạo ra cảnh quan 3D tiếp theo. Nó sử dụng một lượng lớn dữ liệu tái dựng 3D cảnh quan ngoài trời thực tế để huấn luyện mô hình, giúp mô hình học được các quy luật không gian của thành phố và địa hình: đường sá kéo dài thế nào, các khu phố được sắp xếp ra sao, các tòa nhà, thảm thực vật và nguồn nước phân bố như thế nào. Những thông tin bề mặt tưởng chừng phức tạp này thực ra đều có quy luật.

Với nền tảng như vậy, khi mô hình nhận được một tấm ảnh vệ tinh hoặc một ít thông tin mặt đất, nó có thể suy luận cấu trúc không gian và bổ sung các chi tiết dựa trên những manh mối có sẵn, từ đó nhanh chóng tạo ra các cảnh quan 3D có cấu trúc hợp lý và ngoại hình chân thực. Dữ liệu 3D tích lũy trong quá khứ nhờ đó hỗ trợ việc tạo ra nhiều cảnh quan mới hơn, đồng thời cho phép sản xuất nội dung 3D độ trung thực cao với chi phí thấp hơn và quy mô lớn hơn.

![](https://i.qbitai.com/wp-content/uploads/2026/09/ed8568d80ad3eafb45eac2508fc7621c.webp)

Ở đây xin chèn thêm một kiến thức: 3D Gaussian (3DGS). Bạn có thể tưởng tượng nó như những "viên kẹo bông nhỏ" có màu sắc và độ trong suốt trong không gian. Vô số những viên kẹo bông như vậy xếp chồng lên nhau sẽ tạo thành các tòa nhà, cây cối và đường sá.

"3D nguyên bản" mà ABot-Earth 0.7 nhắc đến chính là việc mô hình trực tiếp học và tạo ra những "viên kẹo bông" này, kết quả đầu ra vốn dĩ đã mang cấu trúc 3D, muốn nhìn từ góc độ nào cũng được.

![](https://i.qbitai.com/wp-content/uploads/2026/09/9059f27aac00e0da46e07d482e94ee6b.webp)

Nhưng vấn đề là: một khu đô thị có hàng triệu "viên kẹo bông", dù bạn có bao nhiêu card đồ họa đi chăng nữa thì cũng không chịu nổi!

Vì vậy, Amap đã thiết kế giải pháp nén và tái dựng 3DGS nguyên bản: "Nén trước, tạo sau". Khi huấn luyện, nén các cảnh 3D phức tạp thành "gói nén không gian tiềm ẩn" (latent space compression); khi tạo, thực hiện trong không gian tiềm ẩn rồi mới giải nén thành 3D Gaussian.

Giải pháp này cân bằng giữa tỷ lệ nén cao và tái dựng chất lượng cao, vừa giảm chi phí huấn luyện và suy luận, vừa cải thiện chất lượng hình học của cảnh quan, giúp mặt tiền tòa nhà ngay ngắn hơn, mặt đất phẳng phiu hơn, đặt nền móng cho việc tạo ra các cảnh quan 3D độ trung thực cao một cách hiệu quả.

Điều này giống như việc bạn không trực tiếp vận chuyển cả thư viện, mà thay vào đó là làm thành sách điện tử, sau khi tải về mới in ra, vừa tiết kiệm thời gian, công sức lại vừa tiết kiệm ổ cứng.