用AI把看不见的城市做成3D

卡尔维诺的《看不见的城市》是我很喜欢的一本书，马可波罗向忽必烈描述55座城市，全靠文字，没有一张图。最近有人把书里的城市描述喂给大模型，让AI生成3D可视化版本，这个思路挺打动我的——文字本来就有画面感，现在终于能亲眼看看了。

作者拿两个模型做了对比，结果差距非常明显。一个模型生成的55座城市几乎长得一模一样，全是那种泛泛的城市场景，完全看不出原文的意境。另一个模型生成的艾琳，忠实还原了「万家灯火像吸满牛奶的海绵一样涨起来」那种朦胧的粉红光线，连广场边静坐的人群都做出来了。我最喜欢的伊希多拉那段也很有意思。原文写的是螺旋贝壳楼梯、完美的望远镜和小提琴、赌徒的流血殴斗，还有老头们坐在墙脚看年轻人走过。好的那个版本不仅漂亮，还把这些细节都照顾到了，差的版本基本就是随便搭了几栋楼。从技术角度看，现在大模型的3D建模能力确实进步很快，不少项目用three.js在浏览器里生成可缩放旋转的虚拟场景。但问题也很现实：体积太大，页面加载慢得让人没耐心。做demo很惊艳，真要做成产品，性能这关绕不过去。我的判断是，这类AI可视化真正的价值不在于炫技，而在于能不能忠实还原文本的独特气质。如果55座城市生成出来都一个样，那还不如不做。模型之间的差距，本质上是对文学描写的理解能力差距，这点比建模精度更值得关注。