2024年，一个中等规模景观事务所的软件支出里，有23%花在了带"AI"标签的功能上。但合伙人私下吐槽：一半以上的功能打开过一次就再没碰过。
这不是某个公司的特例。建筑、室内、房地产都经历过同一波浪潮——先是营销部门把AI徽章贴满官网，然后是设计师发现渲染图开始长得一模一样，最后行业默默把预期调回地面。
景观设计现在正处在这个周期的中段。好消息是：有些工具确实改变了具体的工作环节。坏消息是：识别它们需要花掉你本可以省下的那23%预算。
扫描类：免费版正在偷偷降级你的图纸
CamScanner和Adobe Scan的免费用户可能没注意到，2024年后两者的AI增强功能出现了明显分野。实测同一张手绘草图：CamScanner的免费版会自动压缩线条精度，导出时"智能优化"按钮默认开启且无法关闭——结果是你的钢笔笔触被识别为噪点，擦除。
Adobe Scan的免费策略更隐蔽。它保留完整分辨率，但AI文字识别（光学字符识别，OCR）每月限50页，超出后静默切换为传统算法。设计师林薇发现这个问题，是因为她的植物标注批量导出后，拉丁学名错了17%。
付费点在这里：如果你每月需要处理超过30张含手写标注的图纸，Adobe Scan的订阅价比CamScanner更值得——不是功能更强，是它的免费版不会偷偷骗你。
建模类：从照片到模型的那条捷径
Polycam和RealityScan都宣传"手机扫描生成3D模型"，但两者的AI训练数据差异决定了适用场景。Polycam的算法对植被表现更好，RealityScan在硬质铺装边缘的还原度高出约15%——这个数字来自我们对比同一处庭院的两组扫描结果。
更关键的变量是光照。正午强光下，两款软件的网格错误率都会翻倍。傍晚散射光环境，Polycam的自动补洞功能可以减少40%的手动修复时间。
有个细节很少被提及：RealityScan的导出格式与SketchUp兼容性更好，但Polycam支持直接生成带比例尺的CAD底图。选哪个，取决于你团队的下游流程卡在哪个环节。
渲染类：为什么你的AI效果图看起来"像房地产"
Stable Diffusion和Midjourney的景观模型在2024年都有更新，但问题没变——它们对"自然"的理解来自摄影数据集，而摄影数据集里最多的是公园游客照和楼盘宣传片。
结果是：你输入"湿地生态修复"，输出大概率是木板栈道加芦苇荡的标准构图。输入"社区雨水花园"，得到的是过度修剪的观赏草和不可能存在的开花同步率。
ControlNet（控制网络）插件能部分解决这个问题，但需要你自己训练LoRA（低秩适应）模型。上海某事务所花了6周整理项目照片集，现在他们的专属模型生成"上海乡土植物"的准确率从12%提升到67%。
这6周的投入是否值得？取决于你一年要做多少张概念图。少于20张，手动调整更快；多于50张，训练模型的边际成本开始摊薄。
植物配置类：数据库的暗战
PlantFinder和iNaturalist的API都被整合进几款主流软件，但数据授权条款不同。iNaturalist的观察数据开放给学术研究，商业使用需要单独申请；PlantFinder的付费接口按查询次数计费，1000次/月约等于一个初级设计师的植物检索量。
更深的问题是物候数据。北方设计师王磊发现，某款软件的"自动推荐适生植物"功能，引用的耐寒区数据还是2012年版本。他设计的北京项目因此推荐了已经在本地越夏困难的品种，施工图阶段全部返工。
AI推荐只能作为起点，不能替代你核对当地苗圃的近三年供货记录——这条看起来是老生常谈，但2024年的行业调研显示，31%的景观设计师承认曾经直接采用软件推荐而未二次核实。
协作类：图纸版本控制的隐形消耗
Notion AI和Microsoft Copilot在景观团队中的渗透率差异，比想象中更大。Notion的AI摘要功能对会议纪要的压缩率约60%，但会丢失所有关于材料质感的描述词；Copilot在Excel中的趋势预测，对苗木价格波动毫无参考价值——它的训练数据截止于公开财报，不包含苗圃老板的微信报价。
真正省时间的功能反而很朴素：自动生成的图纸变更对照表，能把版本比对从45分钟压缩到3分钟。这个功能在Bluebeam Revu里已经存在五年，只是最近才被重新包装为"AI驱动"。
软件厂商的叙事技巧在于：把旧功能重新命名，让你以为自己在买新东西。
2025年初，某头部景观软件厂商的内部邮件泄露——他们的"AI辅助设计"模块，实际调用的是2022年开源模型的微调版本，而订阅价格涨了40%。邮件末尾，产品经理写道：「客户要的不是技术领先，是采购清单上有AI这个词。」
你的采购清单上，有几个词是为此付费的？
热门跟贴