卡帕西用10美元生成3D《指环王》：AI自省力有多弱鸡？
内容提要
AI大神Karpathy用10美元让模型生成《指环王》3D场景，通过写代码而非画图，暴露了AI视觉自省能力的短板。文章指出，AI擅长代码逻辑但缺乏视觉校验，生成场景粗糙，难以支撑“定制化GTA”的愿景，更多是廉价幻觉和科技圈自我感动。
延伸解读
AI为何选择写代码而非画图？
文章指出，大语言模型本质是文字接龙，在像素空间预测远不如在逻辑空间（代码）中预测稳定。代码有语法规则和坐标系，训练数据充足，因此AI能生成三维场景代码，但直接画图却常出错。这解释了为何AI在视觉生成上笨拙，却在程序化生成上表现较好。
10美元成本的背后：质量与价值的权衡
Karpathy的实验成本约10美元，产出粗糙但可识别的3D场景。文章认为，当成本趋近于零时，质量权重下降，用户更易容忍瑕疵。这种“能用就行”的心态，使AI生成内容成为一次性商品，但也可能降低对作品深度和意义的期待。
视觉自省：AI的致命短板
AI无法直接“看”自己的生成结果，只能通过截图反馈缓慢调整，效率极低且易出错。文章比喻为盲人摸象，指出这是当前AI造物能力的主要瓶颈。缺乏视觉自省，意味着AI难以独立校验和优化输出，限制了其从“技术演示”走向“实用产品”的可能。
定制化世界的距离：从单向输出到互动体验
文章认为，AI生成世界目前是单向输出，缺乏互动性。真正可玩的世界需要低延迟和逻辑一致性，而当前AI生成的代码只能“看起来像世界”，无法“运行起来像世界”。因此，距离“定制版GTA”的愿景仍有巨大鸿沟，核心在于交互和长期内容沉淀。
Q&A
卡帕西用10美元生成《指环王》3D场景的实验具体是怎么做的？
卡帕西让Opus 5模型根据《指环王》第一段文字，花费近两小时生成5500行代码，在浏览器中渲染出袋底洞的3D场景，包括树木、山坡和圆形绿色大门，比尔博·巴金斯还在门口出现后消失。
为什么AI宁愿写代码生成3D场景，也不直接画图？
因为大语言模型本质是文字接龙，擅长在逻辑空间（代码）中预测，代码有语法规则和大量训练数据；而图像生成需要在混乱的像素空间预测，难度更大。因此AI在代码生成上表现更好，但在视觉生成上笨手笨脚。
AI在视觉自省能力上有什么短板？
AI无法直接“看”到自己生成的3D场景，只能通过截图和视觉模块缓慢反馈来调整，效率极低，且经常出现窗户悬浮、树木错位等错误，就像盲人摸象，无法高效审视自己的作品。
卡帕西认为AI生成3D世界的成本和质量如何？
成本约10美元，质量粗糙但可识别，他认为这种例子有趣是因为正常人不会花时间写定制化代码，成本趋近于零时，质量权重下降，人们会容忍瑕疵。
AI生成3D世界距离定制化GTA还有多远？
基础能力已具备，但缺少编排层，且目前是单向输出，无法实现互动，需要极低延迟和逻辑一致性，因此距离可玩的定制化GTA还有很大距离。
网友对卡帕西实验的主要批评是什么？
网友批评实验依赖训练数据复现而非创造，效果粗糙，缺乏可玩性，成本并非真正免费，且AI缺乏物理校验能力，认为噱头大于实质。
