用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，分别喂给两个大模型做3D可视化。结果差距大到有点意外，一个模型生成的城市几乎长得一模一样，另一个却能把原文里「像吸满牛奶的海绵一样涨起来」的粉红光线还原出来。

我特意去看了对比图。前者做出来的城市就是标准的低多边形城镇，楼是楼路是路，但完全没有书里那种朦胧的意境；后者不仅建筑形态各异，连广场上坐着看年轻人走过的老头都做出来了。这说明模型对文学描写的理解深度，直接决定了3D输出的质量，不是简单堆参数就能解决的。从技术角度看，这类项目基本都用three.js在浏览器里渲染，好处是打开网页就能缩放旋转，不用装任何东西。但代价也很明显：场景稍微复杂一点，页面体积就奔着几十兆去了，加载时间长得让人想关标签页。我试过几个类似的demo，第一眼很惊艳，等加载的那十几秒又觉得不太值。这件事让我想到，AI建模现在真正卡脖子的可能不是生成能力，而是交付方式。模型能生成很漂亮的场景，但怎么让它在网页上轻量、流畅地跑起来，还是个没解决的问题。做跨境工具类产品的朋友可以留意一下这个方向，浏览器端的3D内容如果能把体积压下来，应用场景会多很多。当然，这个实验最打动我的还是它证明了文字和视觉之间的转换可以这么细腻。以前觉得「看不见的城市」就该留在想象里，现在发现AI能把它具象化，而且做得不比人脑差。这大概就是工具的意义，不是替代想象，而是给想象多一个出口。