人类动动嘴，AI 跑断腿！

（文中两个测试场景完整构建都使用约CodeX GPT sol5.6周用量2%，约合人民币10元成本， 没有任何MCP， 没有连接任何DCC， 一把梭计算出整个3D场景文件和模型资产后进入3D软件使用）

“构建一个别墅园区，要求:所有的别墅都有整屋，都有不同的形态，都有不同的构造，都有不同的材质，屋内的道具全部都细化出来，都要考虑别墅的后院的和侧面的构成:湖，池，亭，植被等....结合这里面的技能和之前得到的训练，以及你自带的建模理解知识，一步步来，分层解决和细化问题，直到最后完成资产落盘，场景,材质聚合.聚合成新的场景和材质文件.”

视频｜自动构建结果的场景演示，约 3 分 28 秒。随视点变化观察建筑、道路、植被与构件细节。

在以上这个案例中，人类的参与只有三轮需求对话。从方位与布局构建、意图理解与执行，到模型细化、材质落盘和场景聚合，全部由智能体与空间智能系统自动完成，中间没有任何人工操作。

做过三维场景的人，往往都有一种体会：让一个世界“看起来像那么回事”，与让它真正经得起使用，是两件成本相差很大的事。

生成式三维的玩法正越来越多。它们不是一条道路上的前后代，而是在回答不同的问题。

场景越大，细节越多，这些问题就越难靠最后一次人工检查补齐。改动一处，又可能牵动许多已经完成的部分。

游戏制作、仿真环境、环境营造、虚拟现实，都在面对这个长期难题：怎样以足够低的成本，构建规模大、细节丰富、空间合理，而且具备物理使用基础的三维场景？

这是亚特兰蒂斯（Atlantis）空间智能系统的出发点。

01

多样的生成式路径，不是一条递进阶梯

今天讨论生成式三维，很容易把所有技术混在一起，再按“更先进”或“更落后”排成一条时间线。我们更愿意按主导构建方式，把它们看成三条各有所长的路径。每条路径选择了不同的基本生产单元，也承担不同的交付目标。

非LLM：图文生成3D与世界模型

第一条路径以专门的生成模型为核心，不要求 LLM 担任规划与编程者，内部又可以分成两支。

图文生 3D 的核心单元，主要是一个模型物体。用户给出一句话或一张图，系统生成一个角色、一件家具、一栋建筑或一段局部几何。主流技术与评测长期围绕单体形状、纹理、多视角一致性和重建质量展开。它非常适合补充资产，但“生成一个物体”与“构建一个能够使用的世界”之间，还有场景组织、对象关系、可达性、碰撞、操作空间、部件运动和持续修改等一整套问题。

以视觉生成和环境预测为主的世界模型，把尺度扩展到了环境。常见结果包括预测视频、神经辐射场、体素特征场或 3D Gaussian Splatting。它们可以产生连续画面、支持新视角观察，部分系统也能根据动作预测后续视觉状态；但仅有这些视觉表征，并不等于已经交付了一套带有可编辑实体、碰撞体、可动部件、语义关系和长期物理状态的场景。

其中，以点或高斯基元组织视觉空间的结果，可以直观地称为“点云世界”。它把世界的外观组织出来，供人观看或漫游；要把里面的家具拆成可操作对象，让门能开、抽屉能拉，让机器人长期改变物体状态，还需要补上对象结构与物理交互机制。我们关心的分界是交付物：一个可观看的世界，与一个可持续操作的对象世界。世界模型的具体实现并不都属于点云，也有研究在继续补足交互能力。

LLM：通过MCP操作三维软件

第二条路径让大语言模型通过 MCP 或类似工具协议操作 Blender、Unity、Unreal Engine 等软件。它的价值很明确：能够接入已有软件、资产库和人工工作流，也方便人在熟悉的界面里查看与接管。

但如果目标是全自动构建几何，真正改变网格、材质和场景树的，最终仍是软件内的底层算法。这些往返可能消耗大量 Token，而几何计算本身并不需要让模型逐步复述。

用更直白的产品语言说：在能够直接调用几何内核的任务里，仍把模型限制在细碎的软件操作上，无外乎“脱裤子放屁”。

LLM：Coding3D直达几何内核

第三条路径是 Coding3D。它把大语言模型的代码理解与生成能力直接连接到几何库、程序化建模工具、空间求解器、材质系统和场景编译器。

模型不必逐个点击按钮，也不必把每一步界面操作翻译成 MCP 调用。它可以把自然语言拆成可执行程序，直接计算几何，生成结构化场景，再通过渲染与审计结果继续修订。用同样直白的话说：Coding3D 则“直接放屁”——让模型直接写出并运行几何运算代码，而不用绕道模拟人类操作软件。

Coding3D 实例｜巴洛克客厅。从顶部水晶吊灯，到桌面的杯盘盏具、座椅与壁炉上的钟表，复杂场景由具体的器物与构件组成。

到了“桃花岛”，同样的构建方式延伸到竹子与桃花：竹节、枝叶、树干与花朵不只是远景中的色块，而是组成植被的几何细节。它们可以随镜头推进，从山林的整体层次，显露为眼前的一枝一叶。

Coding3D 实例｜竹林与院落。竹秆、竹节与枝叶形成前后遮挡，建筑置身其中，植物和房屋共享同一个三维空间。Coding3D 实例｜竹子与桃花。近处的花枝、层叠的竹叶与远处的桃林，把构件细节连接为完整的植被景观。

建筑也不止于一个外壳。竹亭可以继续展开为石砌台基、竹柱、节点绑扎和屋架；住宅可以继续拆解到地基、门窗格栅、房梁与屋面瓦片。从房梁到瓦片，从整座建筑到具体连接，构建过程自动深入几何内部，而不是停在表面的视觉相似。

Coding3D 构件拆解｜竹亭。多视图与局部剖切展示台基砌筑、竹柱节点、绑扎连接和中空屋架，结构细节随建模流程自动展开。Coding3D 构件拆解｜住宅。从地基的分层构成、窗框与窗格，到房梁和瓦片屋面，真实的比例感来自有尺度的几何堆叠。

这些实例中的模型细化、材质落盘与场景聚合，同样由自动流程完成，不需要人再逐件补建。Coding3D 连接的，是从器物、植物到建筑的同一套构建能力。

从 LLM 辅助程序化建模，到生成 CAD 代码并利用反馈校正，公开研究已经持续探索这条方向。随着 LLM 的编码、规划与自检能力提升，Coding3D 正在接近更大规模应用的拐点。关键在于它能否持续完成任务分解、跨尺度建模、约束求解、失败定位和结果修订，并最终输出可交付的模型、材质与场景文件。

（技术脉络参考：DreamFusion展示了以二维扩散先验优化单体三维表示的代表性路线；NeuralField-LDM与Navigation World Models分别代表神经场场景生成和动作条件视频预测；3D-GPT与CADCodeVerify体现了 LLM 生成程序化三维或 CAD 代码并通过反馈修订的方向；MCP 的主机、客户端与服务器分层见官方架构说明。）

02

给大模型一把空间的“手术刀”

大语言模型能够理解“一个适合休息的公园”，也知道公园可能需要树木、座椅、园路和活动设施。

但要把这些知识落实为一个三维世界，还需要回答更具体的问题：物体多大、放在哪里、朝向哪里、由谁支撑、需要留出多少活动空间，以及修改之后哪些关系必须继续成立。

我们选择把智能体、规则约束和空间求解优化，放进同一套工作框架。支撑这套框架的，是亚特兰蒂斯系统的核心。

可以这样理解：大语言模型可以放开尝试，亚特兰蒂斯负责守住空间合理性的边界；即使模型的尝试出现偏差，也会被检查出来并进入修正流程。

大模型自动理解人的意图、分解任务，借助亚特兰蒂斯系统构建场景，再检查结果。如果出现冲突，就把具体问题交还给智能体，由它继续修订和调用工具。

任务拆解、代码编写、工具调用、检查与修订，同样在自动流程内完成，没有转交给人工处理的中间步骤。整个过程形成闭环：

目标 → 约束 → 求解 → 反馈 → 修正 → 交付

衡量一次工作的终点，也就从“生成了什么”，推进到“是否满足了任务的完成条件”。

例如，大模型可以提出：

沙发面向电视。 电视放在电视柜上。 电视柜靠墙。 人能够走到沙发前，柜门打开时不被挡住。

这些语句描述了对象之间的关系。具体选择哪面墙、怎样安排朝向、坐标落在哪里，则交给空间求解器计算。

大模型表达空间关系，不必逐点猜测坐标，它的语义理解与构建能力，可以通过一套可执行的空间语言发挥作用。

空间约束，具体约束什么？

下面三张室内案例图，展示了三个相互关联的层次：放得稳、用得了、走得到。

一、严谨、精准的放置与落地关系。

约束图A｜精准放置与落地。茶具 → 茶盘 → 茶桌 → 地面，逐级支撑关系由空间求解落实到几何位置。

二、为前方操作区域留出空间的全局优化。

约束图B｜前方操作净空。粉色区域表示需要保留的工作空间；全局布局同时考虑物体本体和使用区域。

三、以通路净宽约束保障全局可达性。

约束图C｜全局可达性。粉色路径示意通行组织；本案例要求每一扇门到每一个物体都有可达通路，且通路最窄处净宽大于 56cm。

可抽动的抽屉、可开启的柜门、可转动的轴承，也是自动构建的内容。

构件图A｜可抽动的抽屉、可开启的柜门。图中展示抽屉抽出和柜门开启的状态，构件细化延伸到柜内层板、门板、抽屉与连接关系。

构件图B｜可转动的轴承。台灯的灯臂与底座、相邻灯臂之间通过转动连接组织起来，支持姿态调整。

从构件几何、连接与运动关系，到材质落盘和场景聚合，这些细节同样进入自动构建流程，不需要人工逐件补建。

亚特兰蒂斯的定位，是让不同的大语言模型与 Agent 系统获得手术刀级的空间理解与操作能力。

03

低成本，来自改变任务的分工

复杂场景的成本，远不止一次模型调用。

它还包括反复调整坐标的时间、检查穿插的时间、修改后恢复其他部分的时间，以及把“能看”整理成“能交付”的时间。

因此，我们关注的单位，是一个达到任务要求的完整场景，总共需要付出多少成本。

这也意味着，自动化不能停在输出一张布局图或一批模型。本案例的自动执行一直延续到模型细化、材质落盘与场景聚合，不需要人在中间接手把结果整理成完整场景。

空间智能系统尝试把语言模型擅长的语义理解，与专门算法擅长的几何计算融合。

同样一套关系语言，也可以贯穿不同尺度：园区里的道路与建筑、房间里的家具与通道、道具内部的部件与连接。

把大型、高细节场景的构建成本大幅降低，是这套系统追求的方向。下面这些案例，展示了这种工作方式怎样落实到一个不断生长的园区。

04

围绕U型道路的别墅和依山而建的桃花岛

第一轮，用户提出了一段完整的园区需求。以下节选保留了其中的核心要求：

“构建一个别墅园区给我，要求:所有的别墅都有整屋，都有不同的形态，都有不同的构造，都有不同的材质，屋内的道具全部都细化出来……”

“5套左右的现代别墅，有地中海式的，意大利式的，中式的，美式的，这些别墅都围绕着一个U型的弯路的外侧分布，U型弯路的内侧是一个植物岛，上面有植被分布。”

“一步步来，分层解决和细化问题，直到最后完成资产落盘，场景,材质聚合。”

这里同时包含了总体规划、建筑差异、室内细化和室外环境的要求。用户还要求考虑别墅后院与侧面的湖、池、亭和植被等构成。

这一轮，人类只提交了需求；从总体方位到构件细节，再到文件交付，均由系统自动完成。

图1｜第一轮自动构建结果。屋顶转折、建筑体量、窗洞、庭院步道与廊架被自动构建并聚合到同一个三维场景中。

拉高视角，总体关系会更清楚。

五栋建筑沿U型弯路外侧分布。它们的平面形态和屋顶组织有所区别，入户步道把建筑连接到道路，中央留出植物岛。

图2｜自动求解的园区布局。五栋建筑、U 型道路和中央植物岛的方位与空间关系由系统落实，没有人工摆放。

真实的比例感，来自一片片几何构件的堆叠。把镜头拉近屋顶，这种构建方式会变得更直观。

图2补充｜自动细化的屋顶近景。瓦片的曲面、边缘厚度、层叠关系与脊瓦共同构成屋面；这些构件细节并非人工补建。

一片瓦给出局部尺度，连续的瓦列形成屋面的节奏，屋顶与墙体共同确定建筑的体量。镜头从园区远景推进到檐口近景，空间细节仍然有具体的构件作为依据。

再把镜头落到路边。

这里可以看到人行道铺装、沿道路延伸的黄色盲道、路缘，以及路侧排水格栅。长椅和植被分布在人行道一侧。

图3｜自动构建的道路配套。铺装分缝、盲道、路缘和排水设施随流程生成，没有人工逐项补齐。

这类细节很容易在远景里被忽略，却决定了场景靠近后是否仍然可信。它们也说明，构建任务可以沿着道路的功能和结构继续展开，而不止停在一条表示道路的几何带上。 从园区走向山岛：更广义的空间关系

在“桃花岛”中，空间关系进一步延伸到地形、植被、路桥与建筑地基。不只是房间里的物体需要摆得合理，山林里的植物怎样分布、道路怎样连接高差、建筑怎样落在山坡上，也属于同一个构建问题。

植被分布不是给地面均匀撒上一层绿色。不同物种与地形、水域及彼此之间的关系共同参与求解，形成不同的分布范围与疏密层次，再落到具体植物的构建与场景聚合。

山岛空间关系｜植被分布。六个分图分别展示不同物种在同一地形上的分布；不同的空间响应共同组织出山林层次，而非人工逐棵摆放。

路桥构建甚至建筑地基的优化，也要与山地一起求解：路径要连接真实入口，台阶要承接高差，建筑落位与地基要处理坡地的支撑和衔接。

山岛空间关系｜路桥与地基优化。图中可见沿坡展开的建筑、连接入口的道路与台阶，以及建筑基座和地形的衔接；它们作为相互关联的任务自动构建。

从一张植被分布图，到一段上坡的路、一个承接房屋的地基，系统处理的是跨尺度的空间关系。布局求解、几何细化、材质落盘与场景聚合继续自动执行，而不是交给人逐处补齐。

05

一句话需求，自动把植物岛构建成公园

园区完成后，用户继续提出：

“给中间的植物岛盖个公园， 有些烧烤休息的地方”

这句话没有重新定义整个园区。它指定了已有场景中的一个区域，并增加新的使用目的。

人类没有另行画园路、安排设施或整理文件。第二轮的人类输入，就是上面这一句对话。

图4｜第二轮自动构建结果。园路、烧烤与休息设施由系统生成，并自动接入已有园区。

连续构建的价值开始显现：用户可以指着已经存在的空间继续提要求。系统需要理解“中间”指什么，哪些对象应该保留，新增功能应该怎样接入。一轮构建的结果，成为下一轮修改的基础。

06

自动增加儿童区，并为秋千留出摆动空间

第三轮，用户又追加了一句话：

“中间的公园， 再加点跷跷板， 滑梯， 秋千， 沙池之类的儿童娱乐区”

这句话之后，儿童游乐设施及各自场地的规划、求解和构建继续由系统自动执行，人类不再提供具体坐标或中途操作。

图5｜第三轮自动构建结果。系统为秋千、跷跷板、滑梯和沙池安排位置、方向及使用区域，并构建到已有公园中。

这个过程里，值得停下来看的，是一段可见的执行规划：

“儿童设施会单独计算使用净空：尤其秋千前后的摆动区，不让园路从中穿过。接下来会在现有树木之间搜索合适的位置，保留炭烤区、别墅和已完成的园路。”

图6｜智能体可见的执行规划。设施的使用空间、园路关系和既有对象的保留要求，进入同一个任务。

用户没有逐项提醒“秋千要留摆动空间”，也没有在这一轮重新列出要保留的园区内容。执行规划却主动把这些问题列了出来。

这段可见规划让我们看到，任务已经从“添加几个模型”，展开为“在已有空间中安排新的使用关系”。

接下来，智能体自动把这些关系组织为约束并调用求解器，不需要人把规划再翻译一遍或手动执行。

图7｜自动调用求解器得到的布局。彩色区域包含设备使用区；系统同时考虑既有树木、园路和烧烤区，无需人工调整点位。

布局图里，设施本体与使用区域分别表达。秋千、跷跷板、滑梯和沙池有各自的位置与方向，旁边还安排了看护和停留位置。

镜头拉近秋千，能看到两侧悬挂链条上逐节相连的链环，以及座椅、支架、连接处和底脚的构成。

图8｜自动细化的秋千。重复链环构成悬挂链条，几何细节延伸到部件连接，没有人工逐节建模。

滑梯也继续细化到踏步、扶手、平台围挡和支撑立柱。它的入口朝向与周边步道、场地保持空间联系。

图9｜自动细化的滑梯。从总体布局到踏步、扶手、平台与支撑构件，均在同一条自动构建流程中完成。

模型细化结束后，系统继续自动完成模型与材质落盘、场景与材质聚合，将新增设施纳入已有园区。自动化的终点，是这些文件与完整场景的形成，而不是等待人继续加工的一批中间结果。

三轮对话，就是这个园区案例中全部的人类输入。背后的规划、方位求解、意图执行、模型细化、材质落盘、场景聚合，以及过程中的检查与修订，全部自动完成，没有人工介入。

三轮对话不等于系统只执行三步：每轮需求都可以展开为多次工具调用与反馈循环，但这些中间步骤由智能体自行推进。

07

视觉趣味是空间关系的自然涌现，而非人为刻意营造

仔细看这片儿童区，会发现一种空间上的趣味。

设施散落在树木之间。园路把不同活动点联系起来。停留的位置靠近活动区域，又与穿行路线有所区别。近看能看到构件，远看能辨认出空间的层次。

用户并没有逐点指定这些坐标，也没有给出每一个局部构图，更没有在生成之后手动摆放或修整这些空间。人类的作用，仍然只是前面的三轮需求对话。

我们把这种现象称为“空间涌现”：人在高层表达意图，系统结合语义知识、规则和空间条件，逐步形成未被逐项指定的整体组织。

在“桃花岛”里，这种视觉趣味更为惊人。古建依山落位，竹林与桃林顺着地形展开，屋顶在枝叶之间时隐时现。“隐居于山林”的感受，来自建筑、地形与植被之间真实成立的距离、尺度和遮挡关系，而不是人在出图后逐株移动植物、专门拼出一张构图。

空间涌现｜古建隐居于山林之中。山势组织高低，竹林形成掩映，桃林铺开远景；建筑不必被人为摆成“画面中心”，也能自然成为空间中的停留点。

再沿路走进竹林，视线被近处的竹秆与枝叶收拢，前方的桃花又在转折处显露。路径承担通行，植物遵循分布与避让关系，地形带来高差；这些关系叠加在一起，便出现了竹林深处、桃源小径的曲径通幽。

空间涌现｜竹影摇曳，曲径通幽。步道、竹秆、枝叶与桃花在真实三维空间中形成远近层次；

行进时的遮挡与显露，来自几何和空间关系本身。

我们没有逐点规定哪里必须“诗意”、哪里必须“幽深”。当通行、落地、分布、避让与尺度关系共同成立，视觉趣味便在这些关系中自然涌现。

这种涌现并非没有规则，而是不依靠人工逐处编排画面。功能目标、构件尺度、植被分布、材质与光照共同参与结果；同一组约束也可以形成不同的解。我们希望让可用性与视觉趣味，在同一条自动构建流程里一起长出来。

08

一个能够继续生长的三维世界

在已有材料中，任务从整屋布局延伸到不同建筑形态、院落组织、水陆关系、地形和路网。新任务带来新的规则，也不断检验这套框架能够表达什么、计算什么。

对游戏制作，这意味着关卡和环境能够接受后续玩法修改，而不只是提供一轮初稿。

对仿真环境，这意味着场景构建可以围绕通行、操作和任务条件展开，为后续交互验证准备结构化资产。

对环境营造于虚拟现实，这意味着人可以持续提出“这里增加一个功能”“那里调整一下关系”，让一个世界沿着使用需求不断完善。

我们希望交给开发者和智能体的，是一套持续构建、修改与检查空间的能力。上层可以有不同的模型、不同的应用和不同的构建者。

回到这个园区案例，分工已经很清楚：人类只负责三轮对话；智能体与空间智能系统负责其余全部构建工作，直到模型与材质落盘、场景聚合完成。

一片园区的秩序，和一根秋千链条的细节，一座岛的隐逸， 和一支桃花的盛开，出现在同一条无人介入的自动构建链路里。

让这样的世界以极低成本被构建出来，并且能够继续修改、继续丰富、继续使用，是我们正在推进的事。

桃花岛补充图景：一句话，构建山水人居大场景

整岛通过一句话构建，没有第二轮人工调整。人类输入的提示词是：

桃花影落飞神剑，碧海潮生按玉箫，请按照金庸原著中的描写，结合所有可以调用的空间引擎能力，生成一座桃花岛。

← 左右滑动查看项目实景 →

桃花岛补充图景｜从左至右：整岛鸟瞰、建筑室内、试剑亭、竹林院落、山林建筑群。由同一句提示词展开的跨尺度构建结果，没有第二轮人工调整。点击图片可查看大图。