高德ABot-Earth 0.5：用生成式 3D 重塑地球

回顾数据地球技术发展的上一个周期，人们理解数字地球的方式几乎没有变——卫星影像覆盖绝大多数区域，倾斜摄影测量实现重点城市建模，相机和采集车补充街道视角。这条路线创造了惊人的产业价值，也构成了今天智慧城市、文旅展示和空间计算的基础。但它的边界同样清晰：数据采集到哪里，三维世界才到哪里；数据更新到哪里，用户才能看到哪里；现实发生了变化，往往需要经过漫长的生产链路才能跟上。

针对以上问题，高德地图 ABot 系列迎来新的成员：

。首个3D原生城市世界模型，它支持图像、文本等多模态输入，仅需一张图像或一段文字描述，即可在消费级单卡GPU上10分钟内生成1平方公里的高保真3D城市场景。这一方法从底层重构了3D城市构建的技术范式，从依赖采集、重建和拼接的“重资产定制”，走向基于生成式的自动构建、按需编辑的“定制化生成”。让智慧城市、低空经济建设不再依赖无人机，而是让模型在真实地理输入、地图资产和三维先验的约束下，生成一致可信的三维世界。

（技术报告与官方网站等链接已做常规发布，此处不赘述。）

一、ABot-Earth 0.5：首个3D原生城市世界模型

以Google Earth、ContextCapture为代表的三维数字化重建及实景三维产品，依赖复杂的空三重建、模型自动单体化等方法，重度依赖高重叠度的飞机航测和复杂的后处理流程。在大量无法航飞或数据质量差的区域，实景效果往往不尽如人意。再加上高昂的交付成本和周期，无法立等可取的效果演示，制约了三维实景项目的广泛应用和快速成交。

ABot-Earth 0.5 是 ABot 系列面向城市级空间内容构建推出的3D原生世界模型。它以卫星遥感影像和地理空间资产为输入，通过全自研的3D生成算法，输出可渲染、可漫游、可分块扩展的 3D Gaussian Splatting 场景，并进一步与地图中的 POI、路网、AOI、地名、行政区划、城市管理等资产结合，形成面向真实坐标的三维地球底座。目前已经覆盖超过190个国家和地区、300余城市，用户可以通过官方网站体验。

1. 全球任意地点的3D生成

传统三维地球（例如Google Earth）高度依赖航飞采集覆盖。ABot-Earth 0.5 则把地理信息、影像和地图资产转化为生成条件，让任意地点都有机会被快速构建为三维场景。在重点城市，它可以与已有实景数据形成互补，提升更新与创作效率；在偏远地区、低覆盖地区和新兴区域，它可以显著降低三维内容的启动门槛。

ABot-Earth 的技术路线基于一个关键判断：地球表面的很多空间信息，可以从高空观测与地理先验中推断出来。道路走向、街区形态、屋顶轮廓、楼体密度、植被分布、水体边界和地形起伏并非完全随机。模型通过大规模三维数据预训练后，可以从单张图片或少量地面输入中重建出结构合理、外观真实的三维场景。

※注：中国大陆地区暂不对外开放

2. 超大范围连续扩展

单个瓦片生成并不等于Earth级生成。真正困难的是当场景跨越几公里、几十公里甚至更大范围时，模型如何保持路网连续、地貌一致、匀光匀色和空间尺度不断裂。ABot-Earth 0.5 采用分块生成与渐进扩展思路，把大地球切分为可独立生成又可连续拼接的三维单元，避免常见的局部精美但整体破碎的问题。

同时，地球级内容必须支持从高空俯瞰到近距离观察的连续体验。ABot-Earth 0.5 设计了原生的多层级LoD架构，能在不同观察距离下按需输出合适复杂度的三维表示；并在全自研的手机端+网页端“高德云境”渲染引擎上进行了适配，使得用户实现全客户端实时浏览。

3. 可编辑、可叠加的可视化方案

如果说生成能力解决了三维地球“从0到1”的问题，那么可编辑与可叠加的能力则定义了它“从1到N”的广阔应用空间。ABot-Earth 0.5 生成的并非不可更改的最终图像，而是一个结构化的空间底座。用户可以基于这个底座进行二次创作与信息融合：为城市规划部门，可以一键“清空”现有建筑，载入未来的设计蓝图进行可视化评估；为应急指挥，可以在三维场景上叠加火情蔓延范围或救援力量分布，形成直观的指挥沙盘；为商业客户，可以将线下门店位置、物流路线与人口热力图叠加，进行精细化运营分析。这种将生成底座与行业数据流无缝结合的能力，让ABot-Earth超越了地图本身，成为各行各业的空间智能决策场。

二、范式突破：从单图到 3D-Tile

从单张图或者地理空间资产为输入，实现任意真实场景生成，仍然面临着一系列根本性的挑战：

1. 表示差异 (Representation Gap)
   ：现有工作大多基于为专业人士通过渲染引擎制作的3D网格（Mesh）资产进行训练。然而，对于充满复杂非流形拓扑（如植被、水体）的真实户外场景，3D高斯溅射（3DGS）是当前保真度更高的表示方式。因此，必须设计能直接处理包含数百万无序高斯基元的原生3DGS场景的生成算法。

2. 尺度与交互性 (Scale & Interactivity)
   ：地球级场景要求支持从宏观行星尺度到微观街道级别的无缝、连续多层次细节（LOD）漫游，而现有物品级生成器并未考虑这一交互性需求。

3. 空间连续性 (Spatial Coherence)
   ：直接生成公里级的广域场景在计算上极具挑战性。因此，必须开发一种能够无缝拼接多个生成区块（tiles）的策略，以避免可见的接缝，确保大范围漫游的连续性。

4. 条件鲁棒性 (Conditional Robustness)
   ：全球范围内的卫星影像在成像质量、分辨率和采集倾角上存在巨大差异。此外，卫星影像与用于训练的航拍影像之间因大气效应存在显著的域差异（domain gap）。生成模型必须具备处理这些差异的鲁棒性，才能从任意真实卫星影像中生成高可信度的3D场景。

为应对上述挑战，我们的方法提出了一系列针对性的创新，并在以下方面取得了关键突破：

1. 原生3DGS生成框架
   ：首创了一个直接在3DGS表示上进行操作的压缩-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，有效解决了表示差异问题。

2. 原生多层次细节（LOD）解码器
   ：设计了一种与生成过程集成的原生LOD解码方案。该方案可以在不进行昂贵后处理的情况下，直接生成层次化的3DGS结构，为流畅、实时的在线可视化提供了原生支持。

3. 基于滑窗的无缝推理策略
   ：为实现广域生成，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，极大地消除了拼接痕迹，使得近乎无缝的地球级场景生成成为可能。

4. 跨域自适应条件注入
   ：为了弥合卫星与航拍影像间的域差异，提出了一种两阶段策略。在训练时，通过模拟卫星视角对航拍重建进行渲染，为模型提供接近目标的条件输入；在推理时，设计了一个基于视觉语言模型（VLM）的适配模块（harness），动态调整条件以适应真实卫星影像的特性，从而实现了强大的条件鲁棒性，并使模型与真实场景保持一致性。

5. 高自动化训练数据管线
   ：构建了包含 CBD 高楼群、低矮住宅区、工业园区、山地、海岸、湖泊、绿地、城市边缘、乡村道路和混合地貌的数十万真实3D场景训练数据，并构建了高效的数据生产管线，实现约10分钟内合成约1平方公里城市三维内容。后续随着更多地理类型、更多国家地区、更多季节和更多尺度的数据进入训练，ABot-Earth 的覆盖范围、细节保真度和场景一致性还会持续提升。

综上所述，通过这些环环相扣的创新设计，ABot-Earth 0.5 模型首次实现了从真实影像到可交互、可在线漫游的地球级3D户外场景的端到端生成。不仅高效，同时真实。通过一系列专业评测，模型生成效果媲美Google Earth。未来3D城市建设不再受到航飞、天气、人工制作周期的限制，使得高精度3D城市建设能够惠及更多场景，并有望成为具身智能城市级仿真、低空经济等下游产业实现高速发展的主要驱动力。

三、EarthScape：亿级3D场景生产&渲染引擎

：围绕全球超大规模 3D Gaussian Splatting 场景的实时生成需求，提出了一套基于地图 LOD 体系的数据处理与调度方案。全球3D tile生成产生数十万亿级高斯基元与百万级空间分块，远超单节点显存与计算能力的承载上限。为此，EarthScape以等面积分块策略完成并行生成，通过 ENU 局部切平面坐标系统一各分块的空间基准，进而构建六级 LOD 模型体系：高分辨率层级由推理直接产出，低分辨率层级通过 CPU 抽稀生成，抽稀过程与 GPU 推理并行执行，降低管线的串行等待。

：基于视口范围与视距执行动态 LOD 调度，结合视锥裁剪、瓦片优先级队列实现动态计算所需加载的瓦片集合与对应层级。通过异步流式加载，近视点加载高精度瓦片还原模型细节，远视点切换至低精度瓦片呈现宏观轮廓，各层级间通过平滑过渡消除视觉跳变。这种内生化的LOD调度能力确保了GPU资源始终被最优数据量占用，在消费级硬件上即可支撑万亿级高斯基元的流畅实时渲染。同时，3DGS 瓦片与传统栅格底图、矢量图层可在统一渲染管线中联合绘制，实现生成式三维内容与 GIS 数据在从城市到全球的多尺度场景下融合呈现。

从城市级连续区域到全球覆盖范围，EarthScape支撑用户在任何尺度下进行流畅的交互浏览。GS数据与传统栅格底图、矢量图层在同一渲染管线中无缝叠加，实现了生成式三维内容与GIS生态的原生融合。无论是百亿级高斯基元的区域调度，还是从全球宏观视角到街道级精细细节的无缝下钻，都得以高效实现。

依托高德云境项目，EarthScape引擎长期服务于政企客户的地图可视化场景，在瓦片分级加载、三维场景渲染、空间数据调度等方面形成了系统化的技术能力，为3DGS超大规模场景的工程化部署提供了可靠、可扩展的完整技术路径。

四、全方位评测

在左侧的图表中，展示了一项大洲尺度下的覆盖度对比，结果凸显了ABot-Earth 0.5在全球覆盖范围上的显著优势。通过利用生成式范式，我们的方法能够为广阔的地区快速提供三维资产，其中包含了大量在传统、高成本的重建流程中经常被忽略的发展中国家和中小型城市。右侧的雷达图则从覆盖度、效率和视觉质量三个关键维度，将我们的方法与 Google Earth 进行了多方位的比较，其中视觉质量是通过一项全面的用户投票评估得出的。

在效率方面，ABot-Earth 0.5 展现出碾压式的优势。仅需图片作为输入，便能在10分钟内生成1平方公里的场景，为按需三维环境的创建提供了卓越的时效性。与之形成鲜明对比的是，Google Earth 依赖于数据密集型的流程，包括大规模的航空摄影和后续的光度测量重建，这一过程在成本和时间上都更为昂贵和耗时。

在视觉质量方面，定义并通过海量用户投票获得了以下指标：① 几何准确性，用于评估三维形状的结构完整性与正确性（例如，建筑轮廓、墙壁的平直度）；② 纹理保真度，用于衡量表面细节和材质的忠实再现程度（例如，砖块纹理、窗户的清晰度）；③ 整体美学，用于评价场景的整体真实感与艺术吸引力，它综合考量了光照、色彩和谐度与构图等因素。

值得注意的是，ABot-Earth 0.5在美学得分上优于 Google Earth。这一有趣的现象可以归因于审美判断的整体性：相比于微观层面的纹理准确度，观察者往往更看重合理的光照、和谐的色彩以及场景的整体构图。模型得益于在高保真度3DGS数据集上的训练，尤其擅长学习并复现这些决定整体真实感的宏观品质。

另一方面，ABot-Earth 0.5目前在几何和纹理保真度上略逊于 Google Earth，这是由于谷歌的空三重建算法经过了多年针对城市场景的精心优化，其中融合了诸多复杂策略，例如优化的航拍路径规划、类似“曼哈顿世界”假设的强先验，以及大量精细的人工后处理。可以将当前这种差距类比于一位专业3D建模师手工制作的模型与第一代生成式模型（如 LRM 或 CLAY）所生成模型之间的差异。不过，这种差距并非根本性的。随着 ABot-Earth 系列工作的持续迭代，大范围3D的生成质量必定实现能力的快速突破。

最后，诚挚呼吁科研机构、企业与合作伙伴共同携手，共同构建开放的城市级3D数据生态。丰富多样的真实场景数据是提升生成模型质量的核心驱动力，也是低空经济蓬勃发展的重要基础设施。无论是无人机航线规划、城市空域管理，还是智能配送与应急响应，均高度依赖精准、实时的三维环境信息。唯有打破数据壁垒、形成开放共享的合作机制，才能加速低空经济的落地与规模化应用，共同迎接三维智能时代的到来。

五、体验展示：即刻生成你的星球

目前网页端面向公开用户，提供了三个体验入口：

第一，从地球视角进入大范围区域，用户像浏览传统数字地球一样缩放、飞行、漫游，体验全球超大场景下的数据生产能力；

第二，在地块广场中快速查看典型场景和地标区域，理解模型在不同地貌与城市类型中的能力边界。下面给出几个样例效果，更多展示请访问官网-地块广场。

凯旋门	罗马斗兽场
国会大厦	五角大楼
里约热内卢	都柏林

第三，在创作模块中，用户可以上传文本或图像输入，等待系统生成对应 3D 瓦片，并进行下载、浏览或二次编辑，亲自体验高效生成的乐趣。

六、未来愿景：数字孪生、世界模型与动态空间智能平台

ABot-Earth 0.5 的核心价值在于将高成本、专业化的三维内容生产转变为低门槛的生成流程。它能为城市数字孪生快速生成三维底座，大幅缩短项目周期，并填补全球无测绘资料地区的三维空白，让地图服务得以低成本启动。更进一步，ABot-Earth为自动驾驶、机器人等智能系统提供了关键的空间先验，通过结合真实坐标与路网结构，生成海量、多样化的仿真与训练环境，以弥补真实采集数据的不足。同时，它也将真实地点转化为可供创作的素材，无论是景区的四季变迁、城市的未来规划，还是个人创作者的叙事空间，都能轻松生成。所有这些应用共同指向一个趋势：未来的数字地球将不再是被动浏览的工具，而是一个可生成、可推演、可编辑的动态空间智能平台，ABot-Earth 0.5 正是这一演进的起点。