AI把看不见的城市做成3D

最近看到有人用大模型给卡尔维诺《看不见的城市》做3D可视化，把书里55座城市的文字描述直接喂给AI生成可交互场景。这个思路挺打动我，因为这本小说最迷人的地方就是全靠文字想象，没有一张插图，现在等于让模型替读者把脑补画面落地了。

结果对比很有意思：同一个城市，两个模型生成的东西差距非常大。一个版本几乎全是同质化的灰调建筑群，看不出原文那种万家灯火的氛围；另一个版本则把「像吸满牛奶的海绵一样涨起来」的粉红光线还原得相当到位，连广场边静坐的人群都做出来了。这说明模型之间的空间理解和审美表达已经拉开明显身位，不是简单调参能弥补的。我自己更关注的是这类项目的工程可行性。现在主流做法是用three.js在浏览器里渲染，缩放旋转都流畅，但体积大、首屏加载慢是硬伤。如果要做成真正能传播的产品，光有惊艳的生成效果不够，还得解决资源压缩和渐进加载，否则用户等几秒就跑了。从跨境内容的角度看，这其实是个很好的选题模板：经典文本加AI可视化，天然带话题度，也容易在海外社区引发讨论。比起单纯转发模型跑分，这种有文化母体、有对比、有争议的案例，传播效率高得多。我的判断是，3D生成能力会很快变成模型的基础项，真正的差异化在于对文本意境的理解深度。做内容的人与其追新模型，不如多想想怎么把这种能力嫁接到有故事性的素材上，那才是别人抄不走的。