高德地图刚刚发布的ABot-Earth0.5正在颠覆传统3D建模方式。这款全球首个3D原生城市世界模型，通过直接从3D数据训练实现端到端场景生成，效率提升1000倍。本文将深度解析其创新的训练框架、推理机制和自动化交付管线，看它如何让3D城市场景创作进入AI时代。

6月8日，阿里巴巴集团旗下高德正式发布ABot-Earth0.5——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。依托3D原生技术架构与高德自有的3D数据积累，ABot-Earth0.5率先实现了城市级3D场景的全AI端到端生成。

与传统“先采集、后拟合”的3D城市建模方式相比，ABot-Earth0.5不再采用“从2D图像蒸馏3D结构”的技术路径，而是直接以3D数据训练模型，使其建立起对三维空间的原生理解，端到端一次性生成3DGS格式的城市场景。

用户仅需输入一张卫星图或一段文字，即可在一张消费级单卡上快速生成3D城市，生成效率较传统模式提升约1000倍。

原生3D路径在理论上虽具备显著优势，但落地并不容易：原始3DGS数据难以被大模型直接、高效地用于训练；同时，公里级原生3D场景的连续生成也极具挑战。ABot-Earth0.5在数据表征、解码架构与推理策略上进行系统性创新，打通了从原生3D模型训练到场景生成的全流程。

在训练环节，ABot-Earth0.5首创直接面向3DGS点云的压缩-生成框架，该框架能够将包含数百万基元的高质量真实世界3DGS场景编码到紧凑的隐空间，并从中生成全新的场景，有效解决了3DGS无序性等问题，让模型能直接“阅读”大体量的3D数据。并且依托高德自有的三维数据训练，ABot-Earth0.5确保了生成内容与真实环境的几何和空间一致性。

在推理环节，ABot-Earth0.5为实现公里级别的广域生成，提出了一种高效的滑窗推理（Sliding-Window Inference）机制。该机制通过在重叠区域进行智能融合，将分块生成的场景一致拼接，实现公里级广域连续构建，保证了模型生成内容的空间连续性。

在模型生成阶段，ABot-Earth0.5引入跨域自适应模块，有效弥合卫星影像与三维训练数据在分辨率上的域差异（Domain Gap）；同时内置的多层次细节解码器（LOD）使生成结果自带远近景深，无需后处理即可适配不同视距的流畅漫游。

在交付环节，ABot-Earth0.5构建了完备的自动化管线，输出的是原生可渲染的3D城市场景。用户可直接将生成的内容导入Unity、Unreal Engine等主流引擎，添加交互逻辑后即可用于实际生产。

目前，ABot-Earth0.5正式开放内测，用户可前往官方网站（abot-earth.amap.com)提交申请，直观感受空间智能技术对传统3D生产方式的重构。

项目资源：

技术报告： https://github.com/amap-cvlab/ABot-Earth-0.5/blob/main/tech-report.pdf