从数字化到数智化：3D 可视化大屏的下一个五年

connor

这几年做 3D 可视化项目，有一个感受越来越明显：
大屏做得越来越漂亮，但真正被使用的功能，可能越来越少。
一个智慧工厂项目，打开就是厂区三维模型，设备在运转，管线有流光，四周排满了产量、能耗、设备状态、告警数量等指标。
一个智慧城市项目，打开就是城市三维地图，建筑有科技感描边，道路有动态光效，左右两侧堆满各种统计图表。
视觉效果确实不错。
但仔细想想，这些大屏的交互逻辑，其实和几年前并没有太大区别。
数据提前准备好，图表提前设计好，页面提前规划好。用户能看到什么、能操作什么，基本都由开发人员事先决定。
如果领导突然问一句：
“上周哪几个区域的能耗异常？”
或者：
“这条产线为什么今天的产量下降了？”
大屏可能就回答不上来了。
不是因为没有数据，而是因为我们没有提前设计这个页面。
这其实暴露了传统可视化大屏的一个问题：
我们一直在努力让大屏展示更多信息，却很少思考如何让用户更方便地获取信息。
进入“十五五”，随着数字化向数智化发展，我觉得 3D 可视化大屏也应该发生一次变化。
未来的大屏，不应该只是一块用来展示数据的屏幕。
它应该成为一个行业的统一交互入口。
一、从数字化到数智化，大屏需要重新定位

“十五五”时期，数智化成为数字中国建设的重要方向。
从数字化到数智化，看起来只是增加了一个“智”字，但对软件产品来说，背后的变化值得关注。
过去我们讲数字化，重点往往是把现实世界的信息变成数字。
设备运行状态可以采集，生产过程可以监控，城市基础设施可以映射到三维场景中。
于是，我们有了智慧工厂、智慧园区、智慧城市，也有了各种数据可视化大屏。
这些系统解决了一个重要问题：
让原本分散的数据变得可见。
但随着数据不断积累，新的问题又出现了。
一个行业可能有几十套业务系统，几百个数据指标，几千台设备。
如果我们继续沿用传统思路，把重要的数据全部放到大屏上，结果往往是屏幕越来越复杂。
左边是统计图，右边是排行榜，上面是关键指标，下面是实时告警。
为了让内容放得下，字体越做越小，图表越来越密集。
最后，一块原本用来提高信息获取效率的大屏，反而需要用户花更多时间寻找信息。
而 AI 的出现，提供了另一种可能。
用户不一定需要知道数据在哪个页面，也不一定需要理解每一个指标的含义。
他可能只需要提出一个问题：
“今天有哪些设备存在异常？”
系统就可以查询相关数据，定位异常设备，在三维场景中高亮对应对象，并展示异常原因和历史趋势。
这才是我理解的数智化。
不是在原来的大屏右下角增加一个 AI 对话框，而是让 AI 真正参与数据查询、场景控制和信息组织。
当然，这并不意味着传统图表和固定看板会消失。
对于需要持续监控的关键指标，固定展示仍然是最高效的方式。
真正需要改变的是：不再要求所有信息都必须同时出现在屏幕上。
二、一屏一行业：展示最小，交互最大

如果让我重新设计一套智慧工厂大屏，我会尝试遵循一个原则：
展示最小，交互最大。
这里的“展示最小”，不是让大屏变得空荡荡。
而是默认只展示最重要的信息，把复杂内容留给交互。
我认为未来的行业大屏，可以分成三个层次。
🍋1. 默认态：一眼看懂整个行业

打开大屏时，首先看到的应该是行业的整体状态。
以智慧工厂为例。
屏幕中央是一座完整的三维工厂，周围只保留少量关键指标：
今日产量
设备运行率
综合能耗
当前告警数量
生产计划完成率
其他信息暂时隐藏。
三维场景也不需要所有设备都在旋转、所有管线都在流动。
正常运行的设备保持低干扰状态，异常设备通过颜色、轮廓或适度动画突出。
用户进入系统后，首先应该知道：
工厂整体是否正常？
哪里存在问题？
有没有需要立即处理的事情？
大屏的默认状态，应该帮助用户快速建立全局认知，而不是展示开发团队做了多少功能。
这涉及一个很重要的设计理念：信息层级。
一块屏幕应该有明确的视觉焦点。
如果每一个数字都在发光，每一个图表都在闪烁，那么最终就没有任何信息能够真正突出。
🍋2. 交互态：从行业到设备，逐层深入

当用户对某个区域产生兴趣时，再展示更详细的信息。
例如点击工厂中的一栋车间。
镜头平滑移动到车间位置，其他建筑适当弱化，界面出现车间的生产状态。
继续点击某条产线。
镜头进一步靠近，展示产线设备、运行状态、产量和能耗。
再点击某台设备。
系统展示设备参数、实时数据、历史曲线、维护记录。
整个过程可以形成一条清晰的交互路径：
工厂 → 车间 → 产线 → 设备 → 业务数据。
这里有一个容易被忽略的细节：
三维模型不应该只是一个视觉装饰。
每一个需要交互的三维对象，都应该能够关联到业务实体。
通过这个 ID，可以找到对应的设备信息、实时数据、历史记录以及相关业务接口。
这样，点击三维设备就不再只是弹出一个提前写好的介绍面板。
而是进入对应的业务上下文。
这要求我们在设计三维场景时，就考虑模型与业务数据的映射关系。
未来的三维场景，不只是模型的集合，更应该是行业业务关系的空间表达。
🍋3. 智能态：用户提出问题，系统组织界面

前面两层，其实通过 Three.js、Cesium 和常规前端技术就能实现。
第三层才是 AI 真正能够带来变化的地方。
假设用户打开智慧工厂大屏，直接输入：
“帮我找出上周能耗异常的产线。”
传统大屏可能需要用户进入能耗页面，选择时间范围，再逐个查看产线数据。
而接入 AI 后，可以设计成另一种交互流程。
首先，AI 理解用户想查询的是产线能耗异常。
然后调用业务系统提供的数据查询工具，获取符合条件的产线。
接着，通过产线 ID 找到三维场景中的对应对象。
镜头自动移动到相关区域，高亮异常产线。
最后，系统根据查询结果生成一张临时的能耗趋势图，并展示异常时间、偏离程度以及相关指标。
如果用户继续问：
“和前一周相比呢？”
系统可以保留当前上下文，继续查询并更新图表。
如果再问：
“把异常最严重的设备定位出来。”
镜头就可以进一步移动到对应设备。
注意，这里有一个很大的变化。
过去是开发人员提前设计页面，未来可以是系统根据用户的问题动态组织页面。
当然，这需要一个前提：
AI 必须能够通过可靠的工具访问业务数据，并且具备明确的场景控制能力。
它不能仅凭语言模型生成一段看似合理的设备分析。
真实数据必须来自业务系统。
设备定位必须基于明确的对象 ID。
异常判断需要可追溯的规则或模型。
对于控制设备、修改参数等高风险操作，还必须设置权限和人工确认机制。
所以我更倾向于将 AI 定位为一个智能交互调度层。
它负责理解意图、调用工具、组织信息。
而不是让 AI 凭空生成整个业务系统。
三、3D 模型怎么来，未来不再需要自己建模

聊完交互，再回到 3D 可视化工程师最熟悉的问题。
模型从哪里来？
过去做一个智慧工厂项目，模型生产可能占据相当一部分时间。
厂房需要建模，设备需要建模，管线需要建模，场景还需要不断调整。
如果客户提供了 CAD 或 BIM 文件，情况也未必轻松。
模型可能非常精细，但直接放到浏览器里，性能往往无法接受。
这几年，随着 AI 生成 3D、程序化建模和自动化工具的发展，模型生产方式正在发生变化。
我觉得未来做行业大屏，不应该只依赖某一种建模方式。
而应该根据资产类型选择最合适的技术。
🍋1. 核心资产，仍然需要专业建模

比如智慧工厂中的核心生产设备。
这些设备可能需要展示内部结构、运行原理、拆解动画。
有些还涉及复杂的机械运动。
这种资产对精度、拓扑结构和可控性要求比较高。
Blender、3ds Max 等传统建模软件仍然有不可替代的价值。
尤其是需要做设备动画、结构拆解和精细交互时，模型的组织方式比外观更重要。
一个看起来非常漂亮，但所有零件都合并在一起的模型，实际使用起来可能非常麻烦。