6月8日,阿里巴巴集团旗下高德正式发布全球首个3D原生城市世界模型ABot-Earth0.5。它的核心能力只需一句话说清楚:3D制图成本降到传统方式的百分之一,效率提升约一千倍,在消费级GPU上10分钟内从一张卫星图生成公里级3D城市场景。这不是参数上的小幅改进,而是把3D城市建模这件事的底层逻辑重写了一遍。
传统建模有多贵、多慢
过去要生成一平方公里的高保真3D城市模型,流程是这样的:等晴天、派无人机航拍、获取数万张照片、喂给上百台高性能服务器组成的算力集群、再靠大量外包人员人工精修。一套下来动辄数小时到数天,成本高到只有大型市政项目或巨头企业才能承担。Google Earth级别的3D地球,被视为只有顶级玩家才能砸钱砸出来的东西。
更麻烦的是,传统方案输出的是点云或多边形网格加2D纹理贴图——远看还行,拉近了建筑边缘锯齿、植被几何扭曲一览无余。导入Unity或Unreal Engine还需要繁琐的格式转换和二次优化。
ABot-Earth0.5从根本上解决的是这个问题。
ABot-Earth0.5 3D原生,不是从2D"猜"3D
学术界和工业界以前探索3D生成,走的基本是"从2D图像蒸馏3D结构"的路:让模型看海量2D照片,再去猜物体的3D长什么样。用来生成一个苹果还凑合,一旦要生成包含万物的城市,AI就会充满幻觉和几何谬误。
高德走的是另一条路——直接以海量3DGS(3D Gaussian Splatting)数据训练模型,让AI从一开始就建立对三维空间的原生理解,端到端直接生成3DGS格式的城市场景。
输出不再是粗糙的网格和贴图,而是原生可渲染、工程可用的3DGS资产。生成的内容可以直接导入Unity、Unreal Engine等主流引擎无缝使用,树叶缝隙、水波反射、建筑复杂纹理,在数千万个高斯基元的描绘下都能真实还原。
ABot-Earth0.5四个工程难题,才是真正的壁垒
理论路线确定之后,真正难的是工程落地,高德跨过了四道坎:
3D表示差异:现有生成器多为网格设计,但真实场景里树木、水体这类"非流形拓扑"结构用Mesh根本包不住。高德首创了"压缩-生成"框架,把庞大无序的3DGS数据编码到紧凑隐空间,让AI能推理生成再解压成高质量场景。
多尺度渲染:用户需要从上帝视角俯冲到街道细节,高德将多层次细节(LOD)直接集成进生成过程,AI生成城市的同时就把宏观和微观层次结构建好了,不需要后处理。
大范围空间连续性:公里级场景必须分块生成,拼接处很容易出接缝。高德提出基于滑窗的无缝推理策略,在重叠区域做智能融合,基本消除了拼接痕迹。
条件鲁棒性:全球卫星影像清晰度不一、拍摄倾角各异、有些还有云层遮挡。高德训练时刻意模拟卫星视角渲染航拍数据,推理时引入视觉语言模型动态校准输入的卫星影像,保证面对任意质量的图像都能稳定输出。
ABot-Earth0.5落地场景:具身智能、低空经济、应急响应
在具身智能领域,ABot-Earth0.5将训练场景构建时间压缩至分钟级,填补了开放环境训练数据的空白,已支撑高德途途——全球首款开放环境全自主机器人——在城市环境中的仿真训练。
低空经济方面,无人机物流和eVTOL飞行器需要精确到厘米级的3D全域地图,传统测绘成本高、更新慢。ABot-Earth0.5输入常规卫星图即可快速生成高保真3D基底,还能覆盖传统测绘在复杂地形的盲区,"按分钟交付"的速度也支持低空地图的高频更新。
应急响应场景下,灾区地貌突变,传统测绘等3D模型建好救援窗口早已关闭。ABot-Earth0.5凭借普通无人机影像甚至几张现场照片,10分钟就能在指挥中心生成灾后现场1:1三维结构全景,供救援人员测算土方量、规划生命通道。
高德ABot-Earth0.5目前已正式开放内测,可前往官方平台(abot-earth.amap.com)提交申请。这个从"记录物理世界"进化为"生成物理世界"的技术节点,意义不只在于制图这件事本身——它更像是空间智能真正大规模落地的一个起点。一张图,十分钟,一座城,这件事今天已经可以用代码运行、用消费级显卡计算了。