AI 景观设计方案生成：AI 怎么理解空间尺度、植被搭配和材质组合

你让 AI 生成一个 500 平米的庭院，提示词写 "modern courtyard, 500 square meters, top view"。出来的图很可能是一个 50 平米的私人花园，配着两米高的人和半米高的树。AI 完全没有 500 平米的尺度感。这不是它笨，而是它根本不知道 "平方米" 是什么意思。

AI 图像生成模型处理的是像素，不是物理世界。你可能用过 Stable Diffusion，但未必看过它的底层论文 High-Resolution Image Synthesis with Latent Diffusion Models。它先把图像压缩到一个低维的潜在空间（latent space），然后在这个空间里反复去噪——从一个纯噪声向量开始，每一步都让图像变得更清晰。整个过程像是把一堆碎片重新拼成原图。但这个拼图过程里，没有一个参数代表 "米"。模型只看到抽象的视觉特征向量，不包含物理量。你告诉它 500 平米，它最多在训练数据里找到 "大花园" 这种关联，而 "大" 是一个相对概念。

那为什么 AI 有时候能画出尺度正常的建筑？因为它从训练图片里学到了统计关系：房间通常比人高、门通常比人矮、一个庭院里往往有围栏和铺地。这些关系本质上不是绝对尺度，而是相对比例。模型知道树比人高，但不知道树到底多高；知道车道比停在上面的车宽，但不知道实际宽度是多少。这就是为什么你让它生成一个 "10 米宽的入户车道"，结果出来一条蜿蜒的园路——10 米在它的世界里只是一句没什么视觉含义的话。

我最早用 Midjourney 做景观概念图的时候，也踩过这个坑。写 "3 米高的挡土墙"，出来的图里墙只有膝盖高。后来我才想明白，AI 的语言理解来自 CLIP 这类模型，它把文本和图像映射到同一个语义空间，但语义空间里没有标尺。"3 米高" 没有对应的视觉原型，模型就挑了个相似的概念——挡土墙通常画成矮墙，于是它给了个矮墙。

深度图给了 AI 一把 "相对的尺子"

要控制 AI 生成图的空间关系，目前最有效的办法不是用文字，而是用图。ControlNet 出现后，你可以给 Stable Diffusion 一张深度图或者线稿，让它按照这个草图来生成。

ControlNet 论文 的核心做法是：把一张条件图（比如深度图、边缘图、法线图）和文本提示一起作为输入，让模型在去噪的每一步都参考这个空间拓扑。你用灰度表示远近，越白越近，越黑越远。这样 AI 就会按照深度关系来放置建筑物和树木，前景、中景、背景的关系就对了。

具体的工作流是这样的：

1. 先用 3D 建模软件或手绘，画一张简化的深度图或构图草图，标出主要的体块关系。
2. 把这张图作为 ControlNet 的条件输入，配合文本提示词，生成多张概念效果图。
3. 在专业软件里对生成图做尺度校核，用参照物重新缩放，调整关键控制点。

但要注意，深度图里的值只是相对灰阶，不是米。一张深度图无法区分 3 米和 30 米。比如你在深度图里画一个长方体代表建筑，模型可以把它的尺度理解为小房子，也可能理解为高层建筑。这种歧义通常要靠旁边的参照物来消除——放一把小椅子，AI 就把建筑理解成更矮的；放一辆车，AI 就以车为基准缩放。说到底，AI 依然是在做相对比例的计算，而不是绝对尺寸的测量。你要让 AI 生成精确到厘米的施工图，现在依然做不到，因为训练数据里没有带尺子的图像。

植被搭配：AI 只学会了 "它们经常一起出现"

我第一次让 AI 生成 "日式庭院植物组合" 时，它给出了一棵松树、一株枫树，还有一堆蕨类。看着挺像那么回事。但当我要求 "耐阴的搭配"，它仍然给了一堆喜阳植物。这让我意识到：AI 对植物的理解，不是植物学意义上的理解，而是视觉共现。

景观设计中的植被搭配，需要知道植物是乔木还是灌木、常绿还是落叶、喜光还是耐阴、生长速度快不快、根系会不会破坏铺装。这些信息对 AI 来说都太抽象了。它唯一能学到的东西，是海量花园图片里哪几种植物经常出现在同一个画面里。比如，棕榈树配白色砾石、绣球花配灰色墙、鼠尾草配薰衣草和橄榄树——这些是网红花园里被拍烂了的组合。模型在潜在空间里把这些视觉 token 关联起来，于是生成的图里它们就会携手出现。

这是统计的胜利，也是知识的缺席。AI 可以生成一组极具美学感染力的植物搭配，但它不会告诉你，这几种植物之间的色彩对比是来自色轮理论，还是来自同质化的社交平台审美。它更不会告诉你，这组搭配的养护成本、生态效益、适应性。

我后来试着用提示词注入知识：把植物学特性写进提示词，比如 "drought-tolerant, deep root system, evergreen"。你会发现，AI 能生成相应特征的视觉形态（针叶、肉质叶、深色的常绿树），但前提是你自己先知道这些知识。你反问 AI，它不会像植物学家那样推理，只是把你给的标签翻译成图像元素。

下面是个常见的对比表，我经常用来向同事解释 AI 和人的差距：

材质组合：在 AI 眼里，材质只是纹理

材质这一环，AI 的表现是最接近人类直觉的。因为材质本质上就是纹理、反光、粗糙度的可视集合。Stable Diffusion 里的交叉注意力机制，让 "weathered teak" 这样的文本 token 去影响图像中特定区域的生成。这种映射关系是在训练中确立的——成千上万张户外木地板照片，让模型把 wood 和特定的木纹斑驳关联起来。

你想让 AI 生成一组 "耐候钢板 + 清水混凝土 + 白卵石" 的材质搭配，它完全可以给你一个非常漂亮的透视效果图。每一块材质在视觉上都有正确的颜色、质感和光影。问题出在功能上：AI 不知道耐候钢板不能用在儿童能碰到的栏杆上，不知道清水混凝土表面的防水涂层会因为车行踩踏而磨损，不知道白卵石在斜坡上会被冲走。这一切，都是因为它在训练时看到的只是照片。照片里没有温度、没有荷载、没有十年后的雨水侵蚀。

所以，材质组合的生成，经常是 "图片很美，施工很哭"。生成时有多惊艳，落地时就有多狼狈。

言尽于此：AI 的边界在哪里

我们得把 AI 的边界画清楚。它能做的是：在你描述风格、氛围、场地意象时，快速生成大量概念参考图，帮你打开思路。它不能做的是：判断这个方案在真实场地上的尺度关系、生态适生性、构造可行性。

如果你要精确控制空间尺度，就把 AI 用在方案前期的体量推敲上，用 ControlNet 配合深度图做出空间草图，然后导入 CAD 或者 GIS 里做精确调整。如果你要植被搭配，就把它当作构图工具，植物清单还得靠你的植物库。如果你要材质组合，就把它当作材质板生成器，至于防火等级、耐磨指数、防滑系数，那是规范和材料手册的事。

AI 景观设计生成，本质是 "风格放大器"，不是 "设计引擎"。它放大的是你已有的设计直觉，而不是替代你的思考。

这里有几个我常常被问的问题，也一并澄清：

AI 能生成精确的景观施工图吗？

不能。AI 生成的是位图，没有尺寸标注，也没有图层。施工图需要可编辑的矢量信息和精确坐标，这超出了当前生成模型的输出能力。

为什么 AI 生成的植物有时在同一张图里反复出现？

因为模型在像素层面没有 "一棵" 的概念。它只知道这个区域应该填充 "树" 的纹理，至于树的数量和位置，由随机噪声决定，所以经常会出现诡异的重复。

多模态大模型（比如 GPT-4V）能解决尺度问题吗？

能理解相对大小，但依然没有绝对尺度的概念。它能告诉你 "这个建筑比旁边的树高"，但无法告诉你它有多高。要精确到米，还是得求助于参数化工具。

现在也有人在做模型微调（LoRA）、知识图谱注入、以及用多模态大模型来理解场地照片并给出建议。这些方向确实在进步，但到目前为止，还没有一个工具能端到端地生成一个符合规范、满足生态、考虑施工的完整景观设计。短期内也别指望——因为景观设计的目标不是一张好看的图，而是一个能让人和自然长期和谐相处的空间。这个空间，AI 很难用像素来理解。

所以，用 AI 做景观设计时，我会把它当成一个兴奋的实习生：创意多、速度快，但没有经验。你要做的是给它清晰的约束，然后把它的产出重新拉回现实世界，用你的专业知识给每一棵树、每一块砖盖章。十年后，AI 或许能学会看现场、查规范、算工程量，但那时候，它也还是一个更聪明的工具。真正的设计，依然发生在人的判断里。