從混亂到物理：AI 圖像中的空間邏輯

空間的詭異谷

看過足夠多的 AI 生成圖像後，你會養成第六感。在你能說出為什麼之前，就能感覺出有些不對勁。

陰影落在左邊，但窗口在右邊。一個人站在通往無處的樓梯上。鏡子中的倒影顯示了一個完全不同的房間。物體浮在桌子上方。手以不可能的角度拿著杯子。

AI 圖像模型擅長紋理和風格。但從歷史上看，它們在物理方面一直很糟糕。

認識一下 Chen。他是上海的一位建築可視化藝術家。2024 年，他嘗試將 AI 用於室內渲染。他的提示是："現代客廳，落地窗，陽光流入，極簡主義家具。"

結果看起來很漂亮——乍一看。然後他的建築師同事指出：

• 陰影表明太陽在地平線以下
• 玻璃桌子的倒影顯示了一個完全不同的房間
• 地板和天花板的���視線沒有正確匯聚
• 沙發在兩個不同的方向上投下了陰影

"看起來像一場夢，"他的同事說。"夢不遵循物理規則。"

Chen 在 Photoshop 中花了 3 個小時來修復這些錯誤。還不如從一開始就用傳統方式渲染它。

這是 2024 年代 AI 圖像生成的骯髒秘密：表面上很美，物理上是胡言亂語。

---

為什麼物理對 AI 來說很難

擴散模型的盲點

擴散模型（DALL-E、Midjourney、Stable Diffusion）學習的是模式，而不是物理。它們在數十億張圖像上訓練，學到：

• "房間通常有窗戶"
• "窗戶通���有光照進來"
• "光創造陰影"

但它們沒有學到：

• "光沿直線傳播"
• "陰影指向遠離光源的地��"
• "反射遵循反射定律"

所以它們生成"看起來像陰影的紋理"，但不與實際光源相��應。它們生成"看起來有反射的圖案"，但不反映實際場景。

複合誤差問題

一個小的物理錯誤會級聯。如果光線方向錯誤，陰影就錯誤。如果陰影錯誤，物體放置看起來隨意。如果物體感覺隨意，整個場景就顯得虛假。

用戶會養成無意識的模式識別："AI 圖像"="漂亮但略有不對"。

人工成本

對於專業用例——建築、產品可視化、電影概念設計——這些錯誤不是怪癖。它們是交易破壞者。

• 建築客戶："為什麼陽光照在北牆上？"
• 產品攝影師："反射顯示了不同的產品。我們不能用這個。"
• 電影導演："透視有問題。我無法規劃鏡頭。"

每一個都需要手動修正，往往抵消了 AI 生成的時間節省。

---

Nano Banana 2：空間推理引擎

從模式匹配到理解

Nano Banana 2 不僅識別視覺模式。它還推理：

• 光源：光從哪裡來？它的顏色和強度是什麼？
• 遮擋：什麼遮擋什麼？什麼在前面，什麼在後面？
• 透視：平行線如何匯聚？攝像機角度是什麼？
• 反射：反射表面上應該看到什麼？
• 比例關係：物體 A 相對於物體 B 有多大？

這不是後期處理。這是內置於多模態架構中的原生空間推理。

技術區別

傳統擴散：

[提示："帶窗戶的房間"] → [生成在統計上與"房間"和"窗戶"匹配的像素]

Nano Banana 2：

[提示："帶窗戶的房間"] →
[理解：窗戶是光源] →
[計算：光從方向 X 進入] →
[生成：與方向 X 一致的陰影] →
[驗證：透視線正確匯聚]

它不僅在生成。它在模擬。

---

你現在可以採取行動

陰影測試

所需時間：5 分鐘。成本：約 $0.15。

第 1 步：在任何 AI 工具中生成測試場景：

"一個人站在汽車旁邊，日落光線，長陰影"

第 2 步：檢查陰影：

• 它們都指向同一方向嗎？
• 它們的長度與日落（長）vs 正午（短）對應嗎？
• 人物的陰影與汽車的陰影對齊嗎？

在大多數 2024 年代的工具中，你會發現不一致。

第 3 步：在 Nano Banana 2 中生成相同的提示。

第 4 步：比較。陰影一致性的差異立竿見影。

反射測試

第 1 步：

"咖啡館內部，一個人在桌子上閱讀，他們身後的窗戶顯示城市街道"

第 2 步：檢查窗口：

• 它是否正確反映了室內燈光？
• 人物的倒影是否與他們的實際姿勢匹配？
• 外面的街道場景是否與倒影對齊？

Nano Banana 2 保持了反射的一致性，這在其他工具中需要手動合成。

透視測試

第 1 步：

"一條長走廊，兩側都有門，低攝像機角度向下看"

第 2 步：檢查透視：

• 天花板、地板和門框是否朝向消失點匯聚？
• 門的大小是否隨距離遞減？
• 天花板的高度是否看起來一致？

這是 Nano Banana 2 的空間推理閃耀的地方。透視在幾何上是一致的，不是"大致正確"。

---

空間邏輯能做什麼

建築可視化

Chen 的新工作流程：

T1："現代辦公大堂，3 層樓高，南側有玻璃幕牆"
T2："早晨光線從玻璃牆進入，顯示地板上的陰影"
T3："在中心添加接待台，天然木材"
T4："台子應該投下與早晨光線角度一致的陰影"
T5："在拋光地板上添加玻璃牆的倒影"

每個元素都遵循相同的光源。陰影對齊。反射匹配。場景在物理上是可信的。

Chen 的建築師同事："這個我可以用。照明研究確實很有用。"

產品攝影

電子商務團隊需要在逼真的背景中展示產品：

"無線耳塞放在大理石台面上，咖啡館背景，
從左邊進來的自然窗光"

對可信度至關重要：

• 接觸陰影：產品與表面相接處
• 反射：大理石應該反射耳塞
• 背景虛化：Bokeh 應該光學上對得上隱含的攝像機設置
• 光包裹：面向窗戶的邊緣應該捕捉光線

Nano Banana 2 原生地生成這些物理細節。其他工具需要手動添加或看起來略微虛假。

電影概念設計

導演需要規劃鏡頭。物理一致性很重要：

"肩頭鏡頭，一個人看著牆上的畫，
來自單一頭頂光源的戲劇性光線"

為了讓概念設計有用：

• 肩膀應該部分遮擋畫（遮擋）
• 畫應該從上方照亮，而不是正面照亮
• 陰影應該向下落
• 角度應該暗示真實的攝像機位置

Nano Banana 2 的空間推理生成物理上可信的構圖，導演可以實際用於規劃。

---

空間邏輯的實踐

照明場景

場景 1：一致的光源

"日落時的餐廳，金色時刻光線透過朝西的窗戶流入"

檢查內容：

• 所有陰影向東落下（遠離夕陽）
• 被照亮表面的溫暖色溫
• 較冷的陰影（環境天光）
• 長陰影長度（太陽角度低）

場景 2：多個光源

"夜晚的廚房，溫暖的櫥櫃下照明加上來自窗戶的冷月光"

檢查內容：

• 兩個不同的陰影方向
• 光線重疊的地方有顏色混合
• 光源的邏輯位置（櫥櫃上方，月亮外面）

場景 3：複雜的反射

"鏡子走廊，一個人站在中心"

檢查內容：

• 反射從正確的角度顯示人物
• 無限鏡子反射遵循幾何規則
• 沒有顯示場景中不存在的事物的"不可能"反射

透視場景

場景 1：一點透視

"沿著火車站台往下看，消失點在中心"

所有水平線應該匯聚到該中心點。

場景 2：兩點透視

"從街道水平線看建築物的角落，向上看"

水平線匯聚到左右消失點。豎直線保持豎直。

場景 3：三點透視

"從地面向上直視摩天大樓"

增加豎直匯聚。對傳統 AI 來說很難。Nano Banana 2 能夠連貫地處理。

物體關係場景

場景 1：遮擋

"三本書堆疊在桌子上，中間的書略微拉出"

中間的書應該部分遮擋後面的書。頂部的書應該覆蓋中間書的一部分。

場景 2：比例一致性

"一隻貓坐在筆記本電腦旁邊"

貓的大小應該與筆記本電腦相比是合適的。沒有"巨大的貓"或"微小的筆記本"。

場景 3：接觸物理

"一個酒杯放在桌布上"

玻璃底部應該略微壓下桌布。接觸應該看起來物理上是紮根的，而不是懸浮的。

---

比較：有和沒有空間邏輯

測試用例：辦公室內部

提示："現代辦公室，下午陽光透過大窗戶，一個人在辦公桌前工作，角落裡有植物"

測試用例：桌子上的產品

提示："智能手機放在木桌上，頭頂照明，咖啡館背景"

---

空間邏輯最重要的時候

必須具有物理一致性

很好有物理一致性

不需要物理一致性

---

當前空間邏輯的局限

仍在學習：複雜光學

• 焦散：通過玻璃/水聚焦光線（光的池塘）
• 次表面散射：光進入材料內並反彈（皮膚、蠟）
• 體積光：光束通過霧/灰塵

Nano Banana 2 把基礎做對了。高級光學現象仍在發展。

仍在學習：動力學

靜止場景效果最好。運動模糊、複雜物理的動作姿勢（運動、碰撞）更難。

仍在學習：極端尺度

微觀攝影（昆蟲眼睛）和天體攝影（星系尺度）突破了訓練數據一致性的極限。

---

未來：物理感知生成

走向何方

2024 年："生成一個看起來正確的圖像"

2026 年（Nano Banana 2）："生成一個物理上一致的圖像"

2027-2028 年："生成具有準確物理模擬的場景"（光傳輸、材料屬性、動力學）

軌跡：從外觀到模擬。

影響

隨著 AI 空間推理的改進：

• 建築：AI 生成的渲染變成可靠的照明研究
• 電影：概念設計變成製作就緒
• 電商：AI 產品照片與工作室攝影不可區分
• 教育：AI 插圖可以信任的準確性

"AI 生成"和"物理準確"之間的界限模糊了。

---

系列導航

這是 Nano Banana 2 Masterclass 系列的第 3 篇文章。

• 前一篇：E02：從文本到圖像到對話到圖像
• 下一篇：E04：從高級定價到每張圖像幾分錢
• 系列概覽：Masterclass 索引

---

物理是可信度的差距。它正在縮小。