高德发布ABot-Earth0.5：跨越2D蒸馏模式 以3D原生驱动高一致性场景生成

6月8日，高德正式发布了一款名为ABot-Earth0.5的产品。这可不是一次常规的版本迭代——它被定位为全球首个完全基于3D数据训练、并能真正投入工程使用的3D原生城市世界模型。

传统3D城市建模是怎么做的？通常是“先采集、后拟合”，从2D图像里硬生生地“蒸馏”出3D结构。但ABot-Earth0.5走了一条完全不同的路：它直接拿3D数据去训练模型，让模型自己建立起对三维空间的底层理解，然后端到端一次性生成整个城市场景（格式是3DGS）。换句话说，用户只需输入一张卫星图或者一段文字描述，就能在一张消费级显卡上快速生成3D城市——效率比传统模式提升了大约1000倍。

听起来很美好，但原生3D这条路理论上优势明显，落地起来却并不轻松。原始的3DGS数据很难被大模型直接、高效地用来训练；同时，要实现公里级别的连续3D场景生成，更是难上加难。ABot-Earth0.5在数据表征、解码架构和推理策略上做了一系列系统性创新，才打通了从原生3D模型训练到场景生成的完整流程。

先说训练环节。ABot-Earth0.5首创了一套直接面向3DGS点云的压缩-生成框架——它能把包含数百万基元的真实世界3DGS场景编码到紧凑的隐空间中，然后从这个隐空间里“生成”全新的场景。这套框架有效解决了3DGS无序性等棘手问题，让模型能够直接“读懂”大体量的3D数据。更重要的是，模型训练完全依托高德自有的三维数据，这样生成出来的内容在几何和空间上都能跟真实环境保持一致。

再看推理环节。为了实现公里级别的广域生成，团队提出了一种高效的滑窗推理（Sliding-Window Inference）机制。简单来说，就是把大场景分块生成，然后在重叠区域进行智能融合，把一块块场景无缝拼接起来，保证整个模型生成的内容在空间上连续不跳变。

在模型生成阶段，ABot-Earth0.5引入了一个跨域自适应模块，用来弥合卫星影像与三维训练数据之间因分辨率差异造成的“域差距”（Domain Gap）。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——这意味着用户不需要任何后处理，就能直接在不同视距下流畅漫游。

最后的交付环节也考虑得很周全。ABot-Earth0.5构建了一条完备的自动化管线，输出的是原生可渲染的3D城市场景。你可以直接把生成的内容导入Unity、Unreal Engine这些主流引擎，加上交互逻辑就能用于实际生产。

目前ABot-Earth0.5已经正式开放内测。如果你对这个空间智能技术如何重构传统3D生产方式感兴趣，不妨去试试看。