从混乱到物理：AI 图像中的空间逻辑

空间的恐怖谷

看了足够多的 AI 生成图像，你会发展出第六感。某种东西感觉不对，在你能表达之前就察觉到了。

阴影向左，但窗户在右边。一个人站在通向 nowhere 的楼梯上。镜子里的反射显示的是完全不同的房间。物体略微悬浮在桌子上方。手以不可能的角度握着杯子。

AI 图像模型是纹理和风格的大师。但历史上，它们在物理方面很糟糕。

认识一下 Chen。他是上海的一名建筑可视化艺术家。2024 年，他用 AI 做室内渲染实验。他的提示词："现代客厅，落地窗，阳光照进来，极简家具。"

结果看起来很美——第一眼。然后他的建筑师同事指出：

• 阴影暗示太阳在地平线以下
• 玻璃桌的反射显示的是完全不同的房间
• 地板和天花板的透视线没有正确汇聚
• 沙发在两个不同方向投下阴影

"它看起来像个梦，"他的同事说。"梦不遵循物理。"

Chen 花了 3 小时在 Photoshop 里修复错误。还不如从一开始就传统渲染。

这就是 2024 年 AI 图像生成的 dirty secret：表层美丽，物理 nonsense。

---

为什么物理对 AI 很难

扩散模型的盲区

扩散模型（DALL-E、Midjourney、Stable Diffusion）学习模式，不学物理。它们在数十亿张图像上训练，学习：

• "房间经常有窗户"
• "窗户经常有光进来"
• "光产生阴影"

但它们不学：

• "光沿直线传播"
• "阴影指向远离光源的方向"
• "反射遵循反射定律"

所以它们生成"像阴影的纹理"，看起来阴影感但不对应实际光源。它们生成"像反射的图案"，看起来反光但不映射实际场景。

级联错误问题

一个小物理错误级联。如果光线方向错了，阴影就错了。如果阴影错了，物体放置看起来随机。如果物体随机，整个场景感觉假。

用户发展出无意识模式识别："AI 图像" = "美丽但有点不对。"

人力成本

对于专业用例——建筑、产品可视化、电影预可视化——这些错误不是怪癖。它们是 deal-breaker。

• 建筑客户："为什么阳光照在北墙上？"
• 产品摄影师："反射显示的是不同产品。我们不能用这个。"
• 电影导演："透视不对。我没法规划镜头。"

每个都需要手动修正，往往抵消了 AI 生成节省的时间。

---

Nano Banana 2：空间推理引擎

从模式匹配到理解

Nano Banana 2 不只是识别视觉模式。它推理：

• 光源：光从哪里来？什么颜色和强度？
• 遮挡：什么遮挡什么？什么在前，什么在后？
• 透视：平行线如何汇聚？相机角度是什么？
• 反射：反光表面应该显示什么？
• 尺度关系：物体 A 相对于物体 B 多大？

这不是后期处理。它是原生空间推理，内建在多模态架构中。

技术差异

传统扩散：

[提示词："带窗户的房间"] → [生成与"房间"和"窗户"统计匹配的像素]

Nano Banana 2：

[提示词："带窗户的房间"] → 
[理解：窗户是光源] →
[计算：光从 X 方向进入] →
[生成：与 X 方向一致的阴影] →
[验证：透视线正确汇聚]

它不只是生成。它是模拟。

---

你可以立即行动

阴影测试

所需时间：5 分钟。成本：约 $0.15。

步骤 1：在任何 AI 工具中生成测试场景：

"一个人站在车旁，日落光线，长阴影"

步骤 2：检查阴影：

• 它们都指向同一方向吗？
• 它们的长度对应日落（长）vs 正午（短）吗？
• 人的阴影与车的阴影对齐吗？

在大多数 2024 年工具中，你会发现不一致。

步骤 3：在 Nano Banana 2 中生成同样的提示词。

步骤 4：对比。阴影连贯性的差异是即时且明显的。

反射测试

步骤 1：

"咖啡店内饰，人在桌旁看书，身后窗户显示城市街道"

步骤 2：检查窗户：

• 它正确反射室内光线吗？
• 人的反射与他们的实际姿势匹配吗？
• 外面的街景与反射对齐吗？

Nano Banana 2 保持需要手动合成的反射连贯性。

透视测试

步骤 1：

"两边有门的长走廊，低相机角度向下看"

步骤 2：检查透视：

• 天花板、地板和门框向消失点汇聚吗？
• 门的大小随距离减小吗？
• 天花板高度看起来一致吗？

这是 Nano Banana 2 空间推理闪耀的地方。透视在几何上是连贯的，不是"大概对"。

---

空间逻辑实现了什么

建筑可视化

Chen 的新工作流：

T1: "现代办公室大堂，3 层挑高，南面玻璃幕墙"
T2: "晨光从玻璃墙进入，显示地板上的阴影"
T3: "中间加前台，天然木材质"
T4: "前台应该投下与晨光角度一致的阴影"
T5: "抛光地板加玻璃墙的反射"

每个元素尊重同一光源。阴影对齐。反射匹配。场景物理上可信。

Chen 的建筑师同事："这个我能用。光线研究其实有用。"

产品摄影

电商团队需要真实场景中的产品：

"无线耳机在大理石台面上，咖啡馆背景，
左边自然窗户光"

对可信度至关重要：

• 接触阴影：产品接触表面的地方
• 反射：大理石应该反射耳机
• 背景虚化：散景应该对暗示的相机设置光学正确
• 光线包裹：面向窗户的边缘应该捕捉到光

Nano Banana 2 原生生成这些物理细节。其他工具需要手动添加或看起来微妙地假。

电影预可视化

导演需要规划镜头。物理连贯性很重要：

"过肩镜头，人看墙上的画，
戏剧性单顶光源"

对预视要有用：

• 肩膀应该部分遮挡画（遮挡）
• 画应该从上方受光，不是正面
• 阴影应该向下落
• 角度应该暗示真实相机位置

Nano Banana 2 的空间推理生成导演真正能用于规划的物理可信构图。

---

空间逻辑实践

光线场景

场景 1：一致光源

"餐厅日落时分，金色时刻光线透过西向窗户"

检查什么：

• 所有阴影向东落（远离落日）
• 被照亮表面温暖的色温
• 凉爽的阴影（环境天光）
• 长的阴影长度（低太阳角度）

场景 2：多光源

"夜晚厨房，温暖的柜底照明加窗户冷月光"

检查什么：

• 两个不同的阴影方向
• 光线重叠处颜色混合
• 光源逻辑放置（上方橱柜，外面月亮）

场景 3：复杂反射

"镜子大厅，人站在中央"

检查什么：

• 反射从正确角度显示人
• 无限镜像反射遵循几何规则
• 没有"不可能"的反射显示场景中不存在的东西

透视场景

场景 1：一点透视

"看火车月台，消失点在中央"

所有水平线应该向那个中央点汇聚。

场景 2：两点透视

"街上看建筑角落，仰视"

水平线向左和右消失点汇聚。垂直保持垂直。

场景 3：三点透视

"从地面直视摩天大楼"

增加垂直汇聚。传统 AI 很难。Nano Banana 2 连贯处理。

物体关系场景

场景 1：遮挡

"桌上堆叠的三本书，中间的书稍微拉出"

中间的书应该部分遮挡后面的书。顶部的书应该遮住中间的一部分。

场景 2：尺度一致

"猫坐在笔记本电脑旁"

猫应该相对于笔记本电脑大小合适。没有"巨型猫"或"微型笔记本电脑"。

场景 3：接触物理

"桌布上的酒杯"

酒杯底座应该轻微压陷桌布。接触应该看起来物理接地，不是悬浮。

---

对比：有和没有空间逻辑

测试案例：室内办公室

提示词："现代办公室，下午阳光透过大窗户，人在办公桌前工作，角落有植物"

测试案例：桌上产品

提示词："木桌上的智能手机，顶光，咖啡馆背景"

---

空间逻辑最要紧的时候

必须有物理连贯性

有物理连贯性更好

不需要物理连贯性

---

当前空间逻辑的限制

还在学习：复杂光学

• 焦散：光通过玻璃/水聚焦（光池）
• 次表面散射：光进入材料内部反射（皮肤、蜡）
• 体积雾：穿过雾/尘的光束

Nano Banana 2 基础正确。高级光学现象还在进化。

还在学习：动态

静态场景效果最好。运动模糊、复杂物理的动作姿势（体育、碰撞）更难。

还在学习：尺度极端

微距摄影（昆虫眼睛）和天文摄影（星系尺度）推动训练数据连贯性的极限。

---

未来：物理感知生成

发展方向

2024："生成看起来对的图像"

2026（Nano Banana 2）："生成物理连贯的图像"

2027-2028："用准确物理模拟生成场景"（光传输、材料属性、动态）

轨迹：从外表到模拟。

影响

随着 AI 空间推理改进：

• 建筑：AI 渲染对光线研究变得可靠
• 电影：预视变得可生产
• 电商：AI 产品照片与工作室摄影无法区分
• 教育：AI 插图可以信任准确性

"AI 生成"和"物理准确"之间的线模糊。

---

系列导航

这是 Nano Banana 2 大师课系列的第 3 篇。

• 上一篇：E02：从文生图到对话生图
• 下一篇：E04：从高价到每图几美分
• 系列总览：大师课索引

---

物理是可信度鸿沟。它正在闭合。