2024年，一家中型景观事务所的软件采购清单里，AI工具占比从0%跳到了34%。但三个月后，37%的设计师偷偷把其中一半工具卸载了。
这不是技术崇拜的泡沫破裂。是有人发现，那个号称"智能渲染"的功能，输出的草坪纹理像打翻的调色盘；有人付了年费才发现，免费版把他们的场地扫描图压成了马赛克，而修复高清要再掏一笔。
景观设计行业的AI工具潮来得比建筑、室内都晚，但来得更实。不是营销部门贴个AI徽章那种虚，是"两小时变十分钟"的实。问题是：哪些是真有用，哪些是付费陷阱？
扫描类：手机能替代2万块设备了，但有前提
Polycam的免费 tier 会把你的扫描模型压到让人怀疑人生。场地测量用的照片扫描，免费版输出的是带锯齿的低模，植被边缘像剪纸。但付费解锁的高清重建，精度足够直接进CAD描图。
关键区别在用途。做概念汇报，免费版够用；要拿扫描数据直接指导施工放线，必须付费。一位从业八年的设计师告诉我，他用Polycam扫完一个3000平米的社区花园，免费版导出的模型"树的位置是对的，但树冠体积差了将近一半"，这误差在算种植土量的时候会出大事。
RealityScan走另一条路。Epic旗下的这款工具扫描精度稳定，但学习曲线陡——你得理解什么叫"摄影测量学的重叠率"。好处是扫出来的模型可以直接扔进虚幻引擎做实时漫游，适合要向客户展示"建成后什么样"的场景。
生成类：从"咒语工程"到可控出图
Stable Diffusion和Midjourney在景观圈的用法，和建筑圈完全不同。建筑师爱用它们出概念氛围图，景观设计师更务实：拿来做种植搭配的快速试错。
一位上海的设计总监演示过他的工作流：把场地照片丢进ComfyUI（一个可视化节点编辑器），用ControlNet锁定地形高差和建筑轮廓，然后批量生成十几种植物配置方案。"以前这种比选要手绘或者拉SU模型，现在半小时出图，客户能指着图说'这个常绿太多了'。"
但生成类工具有个隐形门槛：你得知道什么是好的植物配置。AI不会告诉你耐阴的八角金盘在南向暴晒位置会焦叶，它只会把绿色像素铺得看起来均衡。一位从业者的吐槽很精准："它生成的图，植物品种搭配像超市货架——颜色丰富，生态上全是灾难。"
Veras这类专门针对AEC行业的生成工具试图解决这个问题，内置了一些植物习性数据库。但2024年的版本里，中国本土常用品种覆盖率不到40%，设计师还是得手动替换。
分析类：GIS的老问题，AI没解决完
景观设计里耗时的脏活——日照分析、视域分析、径流模拟——理论上最适合AI加速。现实是：小尺度项目用不上，大尺度项目不敢全信。
QGIS配合一些AI插件可以做快速地形分类，把卫星图里的建筑、水体、植被自动分层。但一位做城市公园的设计师说，他试过用AI识别现状植被类型，"把一片刚砍完树的空地识别成了草地，因为卫星图是三个月前的"。
时间差是GIS类AI的软肋。景观项目的现状调研强调时效性，而大多数免费数据源更新周期以季度计。付费的高频卫星数据又贵到只有地产开发商用得起。
相对务实的是局部微气候模拟。ENVI-met这类传统软件跑一次模拟要几小时，新的AI加速版本能把时间压到分钟级，精度损失在概念阶段可接受。但施工阶段的设计验证，老派工程师还是坚持要原始计算。
那个被回避的问题：同质化
2023年房地产VR看房火过一阵，后来客户发现不同项目的渲染图"像同一个售楼处换了招牌"。景观设计的AI生成正在面临同样的质疑。
一位参与过多个头部AI工具内测的设计师说，训练数据的来源高度集中。"你让AI生成'现代中式庭院'，它输出的石灯笼、枯山水、红枫组合，和三年前Pinterest上的热门图高度重合。"这不是抄袭，是统计意义上的回归均值——AI倾向于生成它见过最多的样子。
对追求辨识度的设计事务所，这成了悖论：用AI提速，可能牺牲独特性；坚持手绘或原创建模，又跟不上比稿节奏。
北京一家专做高端私宅庭院的工作室，目前的折中方案是：AI出三套"安全牌"方案打底，设计师在此基础上手工改出一版"冒险的"。他们的客户成交率反而比纯AI或纯手工时期都高。
2025年的软件预算该怎么分配？那位卸载了一半工具的设计师最后留下的是：Polycam付费版（扫描）、ComfyUI本地部署（生成，可控性强）、以及传统GIS软件（分析，不敢全信AI）。
他的原话是："现在买AI工具像买彩票，中奖的那几个确实省时间，但你得先交够学费才知道哪张能中。"
你今年买的第一个AI工具，是留下了还是卸载了？
热门跟贴