高德ABot-Earth0.5发布：3D原生驱动高一致性场景生成

高德发布ABot-Earth0.5：首个3D原生城市模型，一张消费级显卡就能生成城市

6月8日，阿里巴巴集团旗下高德扔出了一枚技术冲击波——正式发布ABot-Earth0.5，号称全球首个完全基于3D数据训练、工程可用的3D原生城市世界模型。这个命名背后藏着两层意思：一是它真的“从3D中来，到3D中去”，二是它实打实能用了，不是实验室里的demo。

传统城市3D建模的主流做法，说白了就是“先拍照片，再拼模型”——从2D图像里硬生生提取3D结构，过程繁琐不说，精度和效率都受限。高德这次的做法，可以说是彻底换了个思路：直接拿3D数据去训练模型，让它天然具备对三维空间的理解能力，然后端到端一次性生成3DGS格式的城市场景。换句话说，它跳过了二维中间商的环节。

结果就是，用户只需要输入一张卫星图或者一段文字描述，在一张消费级的普通显卡上，就能快速生成一个3D城市。据官方数据，生成效率比传统模式提升了大约1000倍。这个数字听着有些夸张，但从技术路径的碘伏性来看，倒是可信的。

当然，理论优势再明显，真要做到工程可用，难度不会小。原始3DGS数据体量巨大，大模型很难高效直接读取；而要做到公里级别的连续场景生成，更是对算力和算法设计的双重考验。高德这次在三个核心环节上做了系统性创新：数据表征、解码架构和推理策略，才把这条从原生3D模型训练到场景生成的全链条打通。

具体来看几个关键设计。

训练环节：ABot-Earth0.5首创了一套直接面向3DGS点云的压缩-生成框架。它能将包含数百万基元的高质量3DGS场景编码到一个紧凑的隐空间，再从中生成全新的场景。这套框架有效解决了3DGS存在的无序性问题，让模型能直接“读懂”大体量的3D数据。更重要的一点是，训练数据全部来自高德自有的三维地图，因此生成内容在几何和空间上与现实环境保持了高度一致。

推理环节：为实现公里级的广域生成，模型采用了一种高效的滑窗推理机制。简单来说，就是像滑动窗户一样，把大场景拆成小块逐一生成，再通过重叠区域的智能融合进行无缝拼接。这样既能保证生成质量，又能确保空间的连续性。

生成阶段：这里引入了一个跨域自适应模块，专门用来弥合卫星影像与三维训练数据在分辨率上的域差异。同时，内置的多层次细节解码器（LOD）让生成结果自带远近景深效果，不需要额外后处理，就能在不同视距下实现流畅漫游。

交付环节：ABot-Earth0.5构建了自动化的输出管线，生成的结果是原生可渲染的3D城市场景，可以直接导入Unity、Unreal Engine等主流游戏引擎。这意味着，开发者拿到手就能往里面加交互逻辑，投入实际生产使用，而不是只能看的“贴图模型”。

目前，ABot-Earth0.5已经开放内测申请。对空间智能技术如何重构传统3D生产方式感兴趣的朋友，不妨去官网提交一下，亲身体验或许比看任何技术报告的冲击力都大。