当 Refik Anadol 把数亿张来自史密森尼学会、伦敦自然历史博物馆与《国家地理》的自然影像，喂给一个名为「大型自然模型」（Large Nature Model, LNM）的 AI 系统，再让它在巨幕上「做梦」时，他真正追问的，是一个比「AI 能不能画画」更深的问题：数据，能不能被当作一种活体材料，而不只是一张图像？

从「记忆的灵光」到「活体建筑」

Anadol 的实践始终围绕「数据」展开。早在 2018 年的《WDCH Dreams》里，他就用洛杉矶爱乐百年档案训练 AI，让弗兰克·盖里的迪士尼音乐厅外墙变成一块会呼吸的「反应式皮肤」；到了 2024 年的《Echoes of the Earth: Living Archive》，他彻底转向自然——LNM 不再以人类语言，而以森林、海洋与大气的「智能」为训练对象。数百万张图像、田野录音与环境数据集，被压缩成发光的体块，在美术馆里持续重组。

这是一种「翻译」而非「再现」的思路：鸟鸣成为空间节奏，珊瑚礁变异为光场，气味数据被合成为氛围线索。机器不是在「画」自然，而是在与自然协作——一种近乎数字泛灵论的姿态，让非人系统也在文化空间里获得了在场感。

DATALAND：全球首座 AI 艺术博物馆

2026 年，这套思考在洛杉矶落定为实体：DATALAND，一座由弗兰克·盖里设计的「AI 艺术博物馆」，被定位为研究实验室、展览空间与公共平台的混合体。它最激进的一步，是宣布 LNM 开源——这直接对抗了当下多数 AI 系统封闭的倾向，也把「作者权」从个人生产推向共享的文化基础设施。

「计算机是核心，但它应该是一面镜子，映照出人类的集体记忆——而不是替代它。」

环境代价与数据的来路

Anadol 并不回避 AI 惊人的能耗。他的模型依赖可再生能源训练，DATALAND 的建筑也把数据效率与空间设计一并考量。更重要的是「来路」问题：数据集来自公共档案与科学机构，使作品建立在可追溯、可问责的来源之上，而非从网上随意抓取。

给 AIGC 栏目的三点启示

在 AIGC 频道 持续观察的生成式艺术现场，Anadol 的实践提供了可复用的方法论：

• 把数据当材料，而非成品：价值在于你如何重组、质询与赋形，而不在某句提示词。
• 开放优于封闭：开源模型让创作权回归社群，也经得起溯源与质疑。
• 透明即美学：把「思考的笔刷」暴露出来——它的输入、偏见与局限，本身成为作品的一部分。

当 设计 的算法能生成无限画面，真正稀缺的反而是这种「可被追问的来路」。这也是 展览 一直在追问的命题：技术应该拓展表达的边界，而不是替我们完成表达。