老登玩AI|英伟达开源了一个＂虚拟地球＂,干了20年实景三维的老登看完沉默了

6月1号晚上，我在GTC Taipei的直播画面里，看着黄仁勋按下了一个按钮。

身后的大屏幕上，一个机器人走进仓库，绕过地面上的水渍，准确地抓起了货架上那个红色箱子。

黄仁勋说："这不是游戏，不是电影。这是一个机器人，在完全由模拟训练的环境中，在真实世界里行动。"

然后画面切换——那个仓库，不是Unity做的，不是Unreal Engine做的，是一个叫Cosmos 3的模型，用一段文字描述生成的。

我坐在屏幕前，沉默了。

干了二十年测绘，从倾斜摄影到激光雷达，从Mesh建模到语义分割，我们花无数个小时、无数台设备，才建出一个城市的三维模型。而现在，一个开源AI模型，用几秒钟，生成了一个物理一致的虚拟世界。

我们的"实景三维"，是不是该换赛道了？

一、传统实景三维：3-6个月，几百万投入

先回忆一下，做一个地级市的实景三维项目有多难：

外业数据采集（2-4周）

飞无人机、架激光雷达、拍倾斜摄影。一个地级市1000平方公里，一架无人机一天飞20平方公里，光采集就要飞50天。天气、空域、飞行高度、重叠度——每个参数都要人工控制。

点云处理（2-3周）

去噪、滤波、分类、配准。百万级点云数据需要高性能工作站——一台机器一天处理5平方公里，1000平方公里要200天。所以得上集群，10台机器并行，20天搞定。

Mesh建模（1-2周）

点云转三角网，生成纹理，优化拓扑。一个中等城市的数据量轻松上TB。

语义标注（2-4周）

给每个物体打标签：这是建筑，那是道路，这是树木。以前靠人工，现在AI辅助，但准确率永远到不了100%。

平台发布（1-2周）

切片、索引、发布服务。TB级数据发布成Web服务，需要专门的服务器和CDN。

总计：3-6个月，一个团队全职，成本数百万。

Cosmos 3和Sora、Luma这些视频生成模型的本质区别在于：它的目标不是"好看"，而是"真实"。

Cosmos 3采用了双塔架构：一个"推理塔"理解物体交互和时空关系，一个"生成塔"生成视频和动作轨迹。它输出的不只是画面，还有物体的运动轨迹、关节角度——它理解这个世界是怎么动的。

三个规格：

全部开源，许可证是OpenMDW 1.1。

做GIS的看到这个，第一反应应该是：我们的数据训练方式要被重构了。

传统实景三维的外业采集受天气、空域、时间限制。Cosmos 3可以用文本描述生成物理一致的三维场景——从仓库到城市街道，从晴天到暴雨。

虽然现在还做不到"替代真实三维模型"，但作为训练数据的补充，已经非常实用。你用少量真实数据采集+大量合成数据填充，训练效率提升一个量级。

语义标注占了实景三维项目18%的时间。Cosmos 3生成的场景自带标注信息——因为它"知道"画面里每个物体是什么。这意味着你可以用生成数据训练AI模型，再做迁移学习应用到真实场景。

地质灾害场景、洪水淹没模拟、火灾现场——这些场景真实采集几乎不可能。Cosmos 3可以生成物理一致的极端场景，让AI模型在安全环境里预先训练。

Cosmos 3不会"取代"实景三维。但它会重新定义"实景三维"能干什么。

现在的实景三维，核心价值是"看得见、量得准"。未来的实景三维，核心价值应该是"可理解、可交互、可预测"。

拿一个具体的例子：自然资源部的"国土空间规划实施监测网络（CSPON）"。传统的做法是用卫星遥感+实景三维做变化监测。如果引入Cosmos 3的范式，能不能用生成数据做"规划实施预演"——建一个片区前，先在虚拟环境里模拟它对周边生态、交通、景观的影响？

这才是"数字孪生"的真正价值——不是复制现实，而是预见未来。

Cosmos 3全开源，下载就能跑。干的二十年的老测绘，学一个新工具的时间，总比花3-6个月做外业采集快。

一个看完GTC Taipei直播、对着Cosmos 3发呆半小时的老登说：不是我们的实景三维不牛逼了，是"真实"这个词的定义，正在被AI改写。