Nvidia 推出 3D 引导生图工作流：用 Blender 摆构图，让 FLUX.1 出图

玩过 AI 生图的人，大概都经历过这种崩溃：你想让画面里的车停在街角左侧、镜头稍微仰拍，结果在提示词里翻来覆去改了二十遍，模型不是把车放到了天上，就是直接换了个俯视大平视。

Nvidia 正式上线了一套名为「3D 引导式生成式 AI」（3D-guided generative AI）的 AI Blueprint 工作流。它的解法很直接：别在提示词里跟模型死磕构图了，先在 3D 软件里把场景摆好，再让 AI 照着画。

这套工作流最早在今年早些时候的 CES 上露过面，现在正式开放下载。不过它的门槛相当硬核，你的电脑必须配有 RTX 4080 或更高规格的 GPU 才能跑得动。

先用火柴盒搭出透视和机位

以往要想精准控制生图的姿态或构图，通常得去折腾复杂的 ControlNet 插件，配置门槛能劝退一大批人。Nvidia 这一次则是把开源 3D 工具 Blender 和 Black Forest Labs 的 FLUX.1-dev 串在了一起。

创作者可以直接在 Blender 里用非常粗糙的几何体，随手搭一个场景。比如放几个长方体代表高楼，放几个小色块代表汽车或树木，然后随意拖拽虚拟摄像机，找准你想要的俯仰角度与焦段。

这些 3D 物体完全不需要精细贴图，因为系统只是提取场景生成的深度图。随后，深度图会被转换成灰度信息传给 FLUX.1-dev，结合提示词直接生成最终画质细腻的 2D 画面。

在底层架构上，Nvidia 把整个管道打包成了一个整体方案。它把 Blender、ComfyUI 及其互联插件、FLUX.1-dev 的 NIM 微服务全都装在了一起，还配了一键安装包和开发文档。

为了让大模型在本地跑得更快，Nvidia 掏出了 TensorRT 加速。在 Blackwell 架构 GPU 上，模型被量化到了 FP4 精度，推理速度比原生 PyTorch FP16 快了一倍多，显存占用砍掉一半以上；如果是在 Ada Lovelace 架构上，则通过 FP8 精度来跑。

类似的想法其实 Adobe 在去年 10 月的 MAX 大会上也展示过，代号叫 Project Concept。但 Adobe 那个工具到现在还停留在实验阶段，能否公开面世都还是未知数。

为什么重要

我们认为，Nvidia 这次打中了专业创作者最大的痛点：确定性。单纯靠自然语言描述空间关系，对扩散模型来说就像开盲盒；而 3D 空间里的坐标、镜头参数和遮挡关系是绝对确定的，拿 3D 骨架去约束 2D 像素，等于把导演手里的取景器还给了创作者。

对于影视概念设计师、游戏美术或者动画分镜师来说，这套工具非常值得试一试。哪怕你只会 Blender 的基础位移和缩放，花两分钟摆几个方块，也比你在聊天框里抽卡两小时更高效，尤其是在需要连续调整机位、保证空间一致性的时候。

但它的短板也写在脸上。首先是苛刻的硬件壁垒，RTX 4080 起步的门槛，直接把大批用轻薄本或者主流中端显卡的用户挡在了门外。这看起来不仅是在推开源工具，更是在给自家的旗舰显卡带货。

对行业而言，这一步给端侧工作流树立了一个标杆。过去大模型比拼的是提示词理解能力，但在专业生产力领域，未来的竞争焦点正在转向多工具协同与可控生成。如果竞品不能提供这种精细的操作手感，光靠提升提示词敏感度，很难打进专业工业管线。