過去半年，AI 行業開始頻繁談「世界模型」。
多條演化出來的路線，讓李飛飛都下場，專門寫了一篇文章，解釋到底什麼是世界模型，又有哪些分類。
上下滑動查看更多內容
李飛飛的 World Labs 做 Marble，DeepMind 推 Genie，LeCun 也長期強調讓 AI 理解物理世界。這個概念聽起來足夠大足夠有前景：讓模型生成、理解、推演一個可以進入、可以交互、可以行動的空間。
但在國內有一家做 AI 3D 生成的年輕公司影眸科技，其 CEO 吳迪對「會不會做世界模型」的回答，反而有點克制。
他說，現在世界模型的定義很寬泛。如果只是生成一個可瀏覽的環境，他們更願意叫它「世界生成模型」。真正的世界模型，應該和具身智能
、控制、交互有關，要能理解並操縱整個世界。
、控制、交互有關，要能理解並操縱整個世界。所以，在真正的世界被 AI 生成出來之前，似乎還有一個更具體的問題要先解決：這個世界裡的物體從哪裡來？
一張桌子、一隻手套、一個遊戲怪獸、一件工業零件，如果只能在螢幕上看起來像，那還停在展示層。真正進入生產流程，它要能被拆分、編輯、換材質、進引擎、接入渲染管線，甚至交給外包團隊繼續加工。
影眸想把這件事情做好，事實證明他們也確實做到了。
就在這個月，影眸科技完成了新一輪數億元融資，由凱輝基金、上海國投先導領投，老股東繼續跟投，早前押注它的名單里有字節跳動、美團龍珠、紅杉中國和藍馳創投等。
宣布融資同一時間，影眸還正式發布了新一代模型 Hyper3D Rodin Gen-2.5。
Hyper3D 官網：hyper3d.ai
新的 AI 3D 生成模型 Rodin Gen-2.5 是全球首個具備千萬面級生成能力的 3D 大模型，也是第一個將類大語言模型的「先思考、再生成」運行邏輯引入 3D 生成領域的模型。
能力的 3D 大模型，也是第一個將類大語言模型的「先思考、再生成」運行邏輯引入 3D 生成領域的模型。不像大語言模型有越來越多的 Benchmark 來證明模型的能力，AI 3D 還是憑藉著實際場景的用戶口碑來證明自己。數據顯示，Rodin Gen-2.5 上線首月，訂閱用戶與 ARR 的環比增速擴大 400%。
我生成了一個 3D 資產，然後呢
圖像和影片解決的是「看起來對」，而 3D 產業真正需要的是「用起來對」。
圖像和影片很多時候服務觀看就停在那裡了，3D 資產會被繼續使用。它會被拆、被改、被綁定、被降面、被導進引擎。生成只是起點，後面的加工才是生產。
2024 年以前，市面上大多數 AI 3D 生成工具都卡在了一個尷尬的瓶頸期：好玩，但不能用。
傳統路徑往往依賴「2D 升 3D」，先合成多視角圖像，再用算法還原幾何，這種做法天生帶有噪聲和坑窪，在視角不連續時甚至會產生「多頭怪」的崩壞結果。
對於 3A 遊戲、影視後期等核心工業管線來說，這種資產只能拿來「隨機抽卡」，完全無法直接交付。
直到 2024 年 8 月，影眸團隊憑藉原生大模型框架 CLAY 提名圖形學頂會 SIGGRAPH 最佳論文，推動了行業技術路徑的底層變革。而剛剛發布的 Hyper3D Rodin Gen-2.5，則直接將 3D 生成推向了「Production-Ready（生產級可用）」的最終落地方向。
Rodin Gen-2.5 的底層變化，可以用一句話概括：讓模型根據計算預算自適應決定生成結果的複雜度。
過去很多生成模型會給不同對象分配近似固定的表達空間。簡單物體和複雜角色，都用相近長度去表示，效率和細節都會受限。但真正有效的方式，應該是簡單物體少花時間，複雜對象多花時間。
這個思路有點像大語言模型在推理時拉長思考過程，只是對象從文字變成了幾何結構和材質細節。我們看到的是 4 秒、20 秒、80 秒這些檔位；模型內部對應的是不同長度、不同計算量的生成過程。
該圖片疑似使用了AI生成技術，請謹慎甄別
4 秒可以快速出草稿，適合批量測試和找方向；20 秒更適合結構與細節均衡的資產；80 秒則面向高精度模型，可以把皮膚微結構、毛孔、紋理、龍鱗這類細節做進模型本身。
影眸科技 CTO 張啟煊表示，Rodin Gen-2.5 之前，很多 AI 3D 結果更多停在白盒或預覽階段。
到了 Rodin Gen-2.5 這一代，已經有遊戲工作室把 Extreme-High 模式用到高模階段。比如生成一隻怪獸，表面微微隆起的龍鱗可以進入高模，再和低多邊形模型結合。
遊戲美術和工業設計師關心的，大概也是這個東西能不能接到下一道工序里。
如果說千萬面級的幾何生成解決了 3D 模型的「骨肉」，那麼 Rodin Gen-2.5 同步推出的 12K 原生 3D 外觀生成模型則徹底解決了 3D 模型的「皮囊」。
不同於行業普遍採用的「多視圖投影」，Hyper3D 通過凍結物體表面光場，將 2D 圖像與 3D 外觀統一到同一潛在空間。
無死角覆蓋： 材質紋理實現全 3D 空間一致性補全，再也沒有投影拉伸和死角破損。
物理級寫實： 完美支持基於物理的 PBR 材質（金屬度、粗糙度、高光、法線）。
超越掃描： 在 12K 超高解析度加持下，生成的幾何精度與材質保真度，在效果上已經可以超越動輒數萬元成本的實景掃描，為後期製作留出了巨大的修改空間。
配合幾何模型同款的 Thinking Effort 設計，最快只需 5 秒，一套包含高精度幾何與 12K 貼圖的完整資產就能直接出爐。
設計，最快只需 5 秒，一套包含高精度幾何與 12K 貼圖的完整資產就能直接出爐。
在當前的 AI 調整期，資本市場衡量一家公司的核心指標，已經從「擁有多少用戶」變成了「誰在為你持續付費」。影眸科技選擇了一條類似 Anthropic 的硬核 B 端路線。
目前，影眸的整體商業化結構表現可以總結為：
全球化造血： 約 80% 的收入來自海外市場，核心主戰場在北美。
高黏性 B 端： 營收結構中 B 端與 C 端（Pro C 專業用戶）基本呈現 4:6 結構。其積累的 B 端客戶營收超過同賽道其他所有友商的總和，且續費率幾近 100%。
頂流大廠排隊接入： 在英偉達創始人黃仁勛的 CES 主題演講中，3D 資產生成工作流便採用了 Hyper3D Rodin。目前，Unity AI Beta、OctaneRender、Canva、Figma 等專業設計與引擎平台均已先後接入 Hyper3D 的能力。
核心研發平均 00 後的公司
AI 時代，小體量的公司，甚至是一人公司逐漸成為主流，此外，年輕化也是 AI 領域的一大特徵。
公司創始人曾提到，影眸現在加上實習生約 60 人，技術團隊約占三分之二，核心算法團隊很多人從本科階段一起成長，流動很少。
其 CTO 張啟煊說，公司成立到現在，流出的核心算法人才只有 3 個，分別去了英偉達、迪士尼研發部門和騰訊。
小團隊的好處，是方向更集中，年輕化的好處，是點子更加天馬行空。
影眸的核心團隊來自上海科技大學的 MARS 實驗室，吳迪 2015 年入學，第二年就搭起了這個實驗室。
核心研發平均 00 後、約 60 人的團隊，很難讓人把它和「生成世界」這樣宏大的命題聯繫起來。
但回頭看影眸過去幾年的路線，會發現他們幾乎一直在做同一件事。從掃描真實世界，到生成數字人；從生成單個物體，到生成完整資產；接下來再從資產走向場景。尺度一直在變大，但方向始終沒變。
當 AI 行業開始重新討論世界模型時，有人在生成環境，有人在生成遊戲，有人在探索具身智能。對於世界模型究竟是什麼，至今沒人能給出標準答案。
但有一點或許越來越清晰：在那個能夠被進入、被交互、被操縱的數字世界真正出現之前，總得有人先把裡面真實可控的東西造出來。
