摘要：

當3D生成也「卷」成風口，誰在真正做基建？

鳳凰網科技《浪潮》出品

作者｜董雨晴

2026年，AI生成賽道正經歷一場新的狂歡。視頻生成捲到幾秒，世界模型成為每家公司的標配故事，3D生成作為「構造虛擬世界的基礎代碼」被推上風口。孖展消息鋪天蓋地，估值數字令人眩暈，幾乎所有人都急着證明自己能構建那個「最終世界」。

但在賽道的喧囂裏，一家成立於2020年的公司顯得有點另類。

影眸科技，從上海科技大學實驗室走出來的3D生成團隊，以核心產品Hyper3D為基礎，以3D生成大模型Rodin為引擎，定位於面向真實工業流程的高質量、可控、生產級（Production-Ready）3D資產生成。

在世界模型孖展火熱的當下，他們選擇死磕的是一個更底層、更難、也更「不性感」的問題：如何讓AI生成的3D模型，真正能被工業級場景所使用——無論是3A遊戲的雕刻級模型，還是手遊的Low Poly佈線，抑或是工業級3D打印千萬面的硬表面精度。

他們拿過多次SIGGRAPH最佳論文及提名，首創了3D原生的技術框架CLAY，如今全球有大幾百萬用戶，七八成收入來自海外。當同行們爭先恐後往「世界模型」的概念上貼時，Hyper3D選擇扎進遊戲、3D打印、工業設計這些垂直場景裏做「髒活累活」——比如為了讓3D打印用戶更方便，在模型生成時悄悄優化重心，讓它傾向於「站在平面上」。

他們最新推出的全球首個千萬面級模型3D生成模型Rodin Gen-2.5，開創性地將類大語言模型的運行邏輯引入3D生成領域，為用戶提供五檔可調生成模式，實現4秒到80秒的生成時間控制，針對不同場景展現出極強的適配性，並同步推出全球首個12K精度的原生3D貼圖模型。

更特別的是這個團隊的底色：四個創始人全是忠實的Blender用戶，自己建模、自己渲染、自己做產品的直接用戶。用他們自己的話說，「我們可能是學術圈裏少數真正理解工業流水線上那些需求的人。」

影眸科技目前有60人，技術佔三分之二，平均年齡只有25歲。

鳳凰網科技了解到，影眸科技在近期完成了新一輪數億元人民幣孖展。這輪孖展由凱輝基金、上海國投先導領投，老股東持續跟投。

當3D生成賽道從「能生成」捲到「能可用」，這群經歷過元宇宙泡沫的年輕創業者，選擇了一條更慢、更穩的路。

以下是鳳凰網科技和影眸科技CEO吳迪、CTO張啓煊的對話實錄，經編輯發布：

「3D大部分實際是工業型工作」

鳳凰網科技：世界模型現在這麼火，這是不是讓你們更忙了？

吳迪：一直都挺忙的。創業該到哪個階段該忙就得忙。

張啓煊：但這兩天變空了，新模型上線之後這一周確實比之前輕鬆了一些。

鳳凰網科技：從2025年開始看起來你們節奏突然快了，今年初CES上黃仁勳的KeyNote使用了你們的產品，大家對你們的認知度又破了圈。

張啓煊：我覺得是因為3D生成質量提升之後，用途越來越廣了。其他模態發展得好，也反向帶動了3D演進。最早很多國內遊戲公司願意嘗試3D生成，就是因為他們看到了圖片生成帶來的價值，覺得3D也是成本大頭，那會也有人開始接觸我們，即使當時我們還不ready。

鳳凰網科技：關鍵是什麼時候發現這事兒「ready」了？可控了，就覺得可以商業化應用了？

吳迪：我覺得從一開始就可以商業化應用，但很大程度取決於用戶對這件事的接受度有多高。原來大家不管做遊戲還是手搓模型，一整條pipeline已經非常完整了。怎麼樣讓大家接受「先用AI生成，後面再人工處理」這個邏輯？大家花了一年的時間，接觸包括我們在內的各種3D生成工具，慢慢開始接受這個邏輯。或者說，不得不接受。

張啓煊：圖像和文字領域大部分是創作型工作，但3D大部分是工業型工作。工業型工作有個問題——你得交付，有明確的工程和檔期。它不像圖片有80%概率半小時出來，剩下40%三天內出不來。3D對確定性要求更高，比如我建模三天後必須交付，不能接受一個60%概率靠譜、40%可能卡住的東西。

鳳凰網科技：去年大家開始喊「快能工業化應用了」，今年算是明顯的轉折點嗎？

張啓煊：接受度提升，模型質量只是次要因素。最主要的是環境變了——已經有好的C端產品集成了3D生成能力，很多大公司完成了跟我們這樣的公司的磨合，把我們集成到他們的流水線和創作管線裏。其他公司看到，就得跟着走。

鳳凰網科技：往前面倒一些，之前做數字人的時候聲量沒現在這麼大？

吳迪：那時候聲量也不大，只是做數字人的公司太少了。最開始做的也是3D，只是3D的數字形象。先搭了個穹頂光場設備，採了很多數字角色，先做了3D數字角色生成。那時候大家都想着元宇宙，進去得有個3D形象，不可能讓每個人都到我們球裏來掃。所以我們用球掃了很多影視級數字資產，再訓練一個生成網絡，讓用戶直接通過照片生成。那是第一次用diffusion做3D生成。

後來元宇宙賽道逐步萎縮，客戶迴歸到傳統圖形學行業，比如遊戲、電影特效。要服務好這些客戶，就不能只生成人像，必須什麼都能生成，所以才選了3D生成這個方向。

中間也糾結過，3D生成特別難做。那時候市面上主要用「2D升3D」的技術路徑，但我們早年在遊戲、影視領域撞了很多南牆，知道那種方法滿足不了使用需求。所以全新做了一個3D原生的技術框架，就是拿了SIGGRAPH最佳論文提名的CLAY。之後3D原生的技術路徑也成了現在主流的研發方向。我們的產品不是第一個上線的，就是因為中間做了很多原創性研發。

鳳凰網科技：現階段各家技術沒有太大差異嗎？只是工程更強一些？

張啓煊：分層面看。架構級的東西，大家都是Diffusion Transformer、Flow Matching，這種底層架構上3D跟圖像、音頻之間都沒區別，就兩條路——文本的GPT路線（next token predict）和其他模態的diffusion或flow matching路線。但決定模型好壞的不是這些，是細節設計，比如通過什麼結構設計去enable編輯能力和控制能力。大架構上我們在等下一個GPT出現，但真正拉開差距的是底層設計。

鳳凰網科技：大廠買單時看重什麼？你們覺得賽道已經ready了嗎？

張啓煊：還差遠了。3D相比其他模態有個很大區別——其他是消費級，大家要求比較一致。3D是工業，不同下游場景要的內容差異巨大。啱啱吳迪也提了，3D打印、遊戲、工業生產要的是三種完全不同的模型，包括表面風格和輸出制式的不同，都需要去適配。

現在能滿足的情景還比較少。以遊戲為例，我們的Rodin Gen-2.5的Extreme High模式慢慢能滿足雕刻級的模型需求，但最後放到手遊裏的不是雕刻級模型，是Low Poly模型，你得專門設定網絡結構讓輸出佈線合理的Low Poly（低精度）。所以一線3D生成公司都不止做一條路線，我們既有生成高質量表面的flow matching模型，也有輸出Low Poly（低精度）的next token predict模型。3D行業結構太複雜了，不是說到了臨界點所有行業就能用。

鳳凰網科技：再具體說說，遊戲和3D打印分別看重什麼？

張啓煊：遊戲裏不同階段、不同工序看重的不一樣。3A遊戲在原型概念階段看你模型的絕對質量，因為他們會自己去做後面的減面優化、拓撲、佈線，看的是雕塑級的絕對質量。但手遊或非3A遊戲，他很注重拓撲和Low Poly模型的質量，要考慮下游應用的性能，看簡面後佈線是否合理、是否適合做動畫。

3D打印只把模型打印出來，絕對表面質量很重要。還有一類是打產品原型，表面的平整度很關鍵——如果是個高細節模型但杯子表面打出來坑坑窪窪，那不行。

首次把思考模式引入3D領域

鳳凰網科技：Rodin Gen-2.5比較重大的進展是什麼？

吳迪：我們第一次把「思考深度」（thinking effort）的模式引入3D，Rodin Gen-2.5提供五檔可調的思考深度，可以滿足快速草稿設計到高保真成品資產製作的不同場景需求。就像大家用豆包時，複雜任務用專家模型，簡單任務用快速模型。在3D裏我們是第一次引入這個概念。因為3D在不同場景裏有不同評價指標，網上任意一個簡單的3D測評其實都不公允，沒有限定場景的測評標準。

3D用在打印、工業、遊戲裏，評價標準都不一樣。3D打印要更多細節，可以直接打出來呈現在面前；遊戲裏反而需要更低的面數、更好的拓撲結構、更加可用的材質；工業裏需要把硬表面、轉角、倒角表達得特別正確。

這些不同領域對模型需求都不一樣。以前用戶沒法選擇自己要什麼偏好的模型，這個版本里用戶可以通過一個選項來控制最終輸出結果，適配使用場景。以前做3D打印可能更多用A家，做遊戲更多用B家，現在可以在一個模型裏把需求全部完成。

鳳凰網科技：做這種更加精細化的分類，需要突破哪些問題？

張啓煊：Gen-2.5 的核心架構創新，是把「表徵長度」從一個固定參數變成了一個可學習、可伸縮的變量。模型不再為所有物體分配等量算力，而是像 LLM 做推理時擴展那樣，按對象複雜度自適應分配計算預算。這也為未來我們與LLM的深度結合提供了可能性。這一策略最早在我們的CLAY框架中被提出。

比如UGC場景，國外有些UGC遊戲，國內也有項目，他們傾向於用我們的快速模式。去年跟《蛋仔派對》一起做了個有標杆意義的項目，當時生成一個模型要70秒，對C端用戶來說太久了——圖片最快三四秒就能搞定，3D模型70秒實在難等。

現在這個版本里，最快4秒就能完成生成，這是質變，UGC環節從只能在關卡編輯器裏用，變成甚至能實時使用。當然4秒生成的模型質量相對差一些，但如果是手遊裏可能只佔幾千個像素的小東西，那就足夠了。

對專業創作型用戶，要用於雕刻甚至高精細度工業級3D打印的，我們支持80秒的幾何生成，出來是千萬面的模型，能直接用。Rodin Gen- 1.5的時候，我們想的是給每個行業做一個分支風格，推出了focal高細節、zero低細節、turbo快速、標準版。到Gen-2.5發現大部分需求最後映射到時間上，所以用時間控制來調節，用不同的思考深度來自適應不同場景。這些設計很大程度來自圖像生成和文本生成模型的工程化經驗，我們現在整個方法論跟其他模態越來越像。

鳳凰網科技：你們服務不同類型公司，是跟着他們做適配，還是希望他們開箱即用？

張啓煊：我們給他們提供足夠選項，指向他們要的那種風格。這件事據我觀察只有我們做了。但這不只是產品問題，還是模型能力問題。

鳳凰網科技：但我們聽起來會覺得像工程問題，不是模型問題？

張啓煊：你覺得純文本模型怎麼生成圖像？你需要訓一個專門的圖像讓它能解碼成圖像。所以這是由產品需求產生的、在模型側要重新設計和訓練才能實現的事。

鳳凰網科技：只有你們在這麼做？

張啓煊：大家都聰明，應該都能看到這個機會，但不是所有模型團隊都有這個底層能力。

鳳凰網科技：需要什麼交叉能力？

張啓煊：3D原生的技術框架基本就是CLAY那時候提出來的，現在有很多變體和創新，開源社區也有不錯的工作。但我們對這套框架的理解比大家早至少半年。

鳳凰網科技：半年時間算是你們的技術窗口期。

張啓煊：有些feature大家很想要，花了半年也沒做出來；有些半年就能做出來。

鳳凰網科技：你們那個「分件」功能是怎麼磕出來的？

張啓煊：傳統方法是給三維模型每個點分配類別，比如杯底、杯身、杯沿。但以零件為單位的數據量少，邊界分不清楚，做出來邊緣坑坑窪窪，中間可能突然有個孤島，因為高光或表面起伏就覺得不屬於這個類了。這其實是非生成式的思路，先聚類再人工塗邊緣。

我們搞了快一年效果都不滿意。有天跟另一個聯創張文龍閒聊，說3D生成下一步是什麼？有人說是4D，是時間。我說會不會不是時間，是由時間引發的物理狀態和動態變化？比如「爆炸」？能不能用爆炸做3D生成？

第二天他就給了我一個demo。我們用已經訓好的3D生成大模型，給它加了個特殊的ControlNet，讓它在給定三維模型基礎上直接生成「爆炸」後的狀態。這個思路借鑑自語言模型——大語言模型時代用生成的方式做理解，而不是顯式聚類劃線。從決定做到做出來就一個半月，是至今最快的項目，效果也是最好的。

這篇文章至今仍能看到不少類似思路的跟進工作，何愷明老師團隊最近那篇用圖像編輯模型做分割的文章（Vision Banana），底層思想跟我們一脈相承。

鳳凰網科技：那3D原生貼圖呢，這裏面有哪些技術突破？

張啓煊：傳統方法是拍多角度圖像投影回去，總有投不到的地方，文字生成不了，顏色有斷層，遮擋地方不精準。我們做的是讓顏色直接從三維模型上「長」出來——每個點長出一個顏色值。用幾乎等於訓了一個圖像生成模型的資源，讓這個模型同時具備圖像生成和三維貼圖生成能力。給它一個平面的三維模型能生成圖像，給一個三維模型能長出貼圖。它能生成文字級圖案，精度能到12K，人臉的話眼角細紋都清清楚楚。

做大廠做不了的髒活累活

鳳凰網科技：如果字節等大廠突然決定做這塊，對你們有什麼影響？

吳迪：一直有大廠在。3D生成分兩步，一部分是生成3D模型，第二步是怎麼解決這個模型在不同場景裏用的問題。大廠一般只做第一步，證明自己有各種模態的能力。但跟工業適配、跟遊戲適配、做3D打印下沉，大廠很難每個場景都做好。這裏面有很多髒活累活，不只是研發問題。

鳳凰網科技：舉個「髒活累活」的例子？

張啓煊：比如這代模型有個潛在優化——生成的東西重心傾向於站在平面上。因為我們發現很多3D打印用戶有這個需求。如果是個通用產品，大廠很可能不會對這個點優化。對這類人群來說，我們就是更好的選擇。

吳迪：2021年做數字人的時候就發現了。電影特效、遊戲內容製作對模型質量要求特別高。這是我們很重要的壁壘，從那時起就有這個思維，產品會更可應用。所以我們的B端大客戶比其他同類公司多。

鳳凰網科技：你們現在發力做專業C端了，這是怎麼思考的。

吳迪：專業C端市場現在跑的很好，這裏面是有機會的。對我們來說其實沒區別，B端和C端提供的產品形態很一致，可能就是運營角度偏C端一點。而且很多B端用戶也是從C端轉過來的。

鳳凰網科技：你們現在燒錢嗎？

吳迪：投放可控，產品能力強天然留存更高，投放不是快速消耗的狀態。

鳳凰網科技：接下來側重增長還是技術？

吳迪：並行。產品到了可以做好增長和投放的階段，接下來還是會聚焦遊戲、3D打印、工業設計、具身智能、空間計算這些垂直領域，從各個角度積累模型能力，deliver出更好的產品。

張啓煊：3D不是消費級模態，普通用戶很難直接使用，得通過3D打印、Vision Pro、遊戲間接消費。我們直接對接的不是大衆用戶，是大衆用戶上層的應用產品。

吳迪：我們也看好未來C端，你會發現當年元宇宙那批公司很多沒聲音了，只有我們還堅定走在通往元宇宙的路上。元宇宙沒成主要是顯示介質沒更新，還有content創建成本太高，要解決的就是這兩個問題。

張啓煊：熱點過去後，做熱點的公司會退化回真實做的事情。元宇宙退化回虛擬場景、數字角色、社交應用。現在講世界模型，最後會退化回機器人控制策略、實時視頻生成、場景生成。只是在熱點下被包裝成統一概念。

鳳凰網科技：為什麼不講「世界模型」的故事？沒被投資人罵過嗎？

吳迪：好問題，是有投資人替我們着急，畢竟"世界模型"是當下最熱的敘事。

張啓煊：揭開「世界模型」這層紗，最後做的還是場景生成、實時視頻生成那幾件事。

鳳凰網科技：幾乎所有做生成的公司突然都在說自己在做世界模型。

張啓煊：3D生成肯定是各種模態生成裏很重要的一部分，但我們不會因為市場概念熱而去做。

鳳凰網科技：你們看起來不像95後，像上一代創業者，穩紮穩打。

張啓煊：創業6年了，經歷過周期。

鳳凰網科技：你們覺得自己和其他生成公司的最大區別是什麼？

張啓煊：我們四個創始人全是忠實的Blender用戶，自己會建模、會渲染、會做宣傳片。

吳迪：都是被逼的，以前在實驗室發論文要做宣傳片，又沒錢找別人。

張啓煊：我們是自己產品的直接用戶，對需求和產品定義有更深的理解。

鳳凰網科技：你們用自然語言編輯3D模型，難在哪？

張啓煊：跟圖像編輯一樣的困難——怎麼確保編輯以外的結構保持不變。需要從圖生3D、文生3D拓展到3D生3D，難度像GPT-4到GPT-4V，要對原來的3D模型有理解。

鳳凰網科技：你們接下來最想拓什麼客戶？

張啓煊：工業領域，汽車設計、充電寶設計這種外觀類。現在行業裏，其實我們是為數不多還在死磕3D的。3D的盤子，工業比娛樂更大。

鳳凰網科技：你們公司現在多少人？

吳迪：60，技術佔三分之二。