AI 把看不见的城市做成 3D

最近看到一个很有意思的实验：有人把卡尔维诺《看不见的城市》里那 55 座纯文字描述的城市，直接丢给大模型做 3D 可视化。这个思路本身就很妙——原著里这些城市本来就没有图片和模型，全靠文字想象，现在等于让 AI 替我们把这些想象「落地」了。

结果对比相当扎心。同一个城市「艾琳」，两个模型给出的东西完全不在一个层次：一个版本几乎看不出原文那种万家灯火的朦胧意境，55 座城市生成出来长得都差不多；另一个版本则忠实还原了从高处眺望、粉红光线像吸满牛奶的海绵一样涨起来的画面感。这说明模型之间的差距，已经不只是「能不能做出来」，而是「能不能读懂文字里的情绪」。我特意去看了「伊希多拉」那一段的对比，感受更深。原文写的是一个人走了很久的荒地，终于抵达梦想中的城市，却发现自己是老头，只能和广场墙脚的老人并排坐着看年轻人走过——欲望已成记忆。好的那个版本不仅把螺旋楼梯、望远镜这些细节做出来了，还真的生成了坐在广场边的人群，把那种时间错位的失落感带了出来。这种「理解文学」的能力，比单纯堆砌几何体难太多了。从技术角度看，现在大模型的 3D 建模能力确实上了一个台阶。主流做法是用 three.js 在浏览器里生成可交互场景，支持缩放、旋转、移动，体验很顺滑。但缺点也很明显：体积太大，页面加载慢，真要拿来做产品，性能优化会是绕不过去的坎。我的判断是，这类项目短期内的价值不在「建模工具」，而在「想象力的翻译器」。对做内容、做游戏概念设计、做文旅数字化的人来说，用文字直接生成可探索的场景，能极大压缩前期沟通成本。但也要清醒：模型生成的是它理解的版本，不是作者的原意，真正稀缺的仍然是能判断「像不像」的人。