用AI把看不见的城市做成3D

卡尔维诺的《看不见的城市》一直是我心里最难视觉化的文本，马可波罗向忽必烈描述的55座城全靠文字撑起想象，没有图也没有模型。最近有人做了个很妙的实验，把这些文字描述分别丢给两个大模型，让它们生成可交互的3D城市，结果差距大到有点意外。

同一个「艾琳」，一个模型给出的画面几乎看不出原文那种万家灯火的层次，55座城看上去都像同一套模板换皮。另一个模型则把「朦胧的粉红光线像吸满牛奶的海绵一样涨起来」这句真正做进了场景里，从高处俯瞰时那种雾气与灯火的关系是对的。更让我在意的是「伊希多拉」这座城。原文写的是人抵达梦想之城时已经老了，广场墙脚坐着看年轻人走过的老头，欲望已成记忆。一个版本只是搭了几栋漂亮建筑，另一个版本连广场边静坐的人群都还原了出来，这种对文本情绪的理解，已经不只是建模能力的问题。从从业者角度看，这件事的意义不在「AI会做3D」，而在它开始能读懂文学里的留白。现在这类项目大多用three.js在浏览器里跑，能缩放旋转移动，体验不错，但体积偏大、加载慢，离真正产品化还有距离。我的判断是，短期内它更适合做概念验证和内容演示，而不是替代美术管线。真正值得关注的是评测方式变了：以前比谁渲染得精细，现在要比谁更懂一句话背后的意境。这对做跨境内容和工具的人来说，是个挺实用的信号。