影眸Hyper3D发布WorldGen：AI 3D从造单个资产到组织一个可编辑世界

一张照片，能不能变成一个含有重力、支撑、可编辑、可运行的完整3D世界？9月1日，影眸Hyper3D给出的答案是WorldGen——一个让3D生成从“单个资产”迈入“完整场景”的世界生成模型。几乎同一时间，另一家3D大模型公司VAST宣布完成合计约30亿元的B轮与B+轮融资，并发布旗舰模型Tripo P2.0。两件事同日落地，AI 3D生成正式进入“场景级竞赛”的新阶段。

一张图生成一个“能用的世界”：WorldGen在解决什么问题

过去两年，3D生成技术的重心一直是“如何生成一个能用的三维资产”。当单资产生成逐步跨过质量与可用性门槛，行业面临的下一道题不再是继续堆模型精度，而是如何把多个资产组织成具备空间结构与物理关系的完整场景。对游戏、影视、具身智能仿真训练等生产场景而言，只有一个孤立资产，或一幅视觉上完整的三维画面，都远远不够。

WorldGen给出的路径是：用户上传一张场景图片，模型自动识别其中的主要物体并生成3D资产，也可以根据手动框选的内容完成生成；随后通过影眸团队自研的CAST架构，重构物体之间的物理属性与关系——谁支撑谁、谁悬挂于谁——最终输出一个由多个可编辑、可替换、可交互资产组成的完整3D场景。CAST全称《CAST：基于单张RGB图像的组件对齐式3D场景重建》，是影眸2025年发布的场景级生成研究成果，当年斩获国际图形学顶会SIGGRAPH最佳论文，同期获此荣誉的商业公司仅谷歌、Meta与影眸三家。

技术路线上，WorldGen采用Mesh与3D Gaussian Splatting结合的混合表达：场景中需要编辑和交互的物体，由Hyper3D Rodin生成，具备完整几何结构与物理属性的独立Mesh资产；墙面、远景等背景环境则通过3D Gaussian Splatting表达，保留更完整的环境信息与沉浸感。模型还会预测各资产的几何位置、尺度、朝向与摆放关系，并估计碰撞体、质量、摩擦等物理属性。生成结果因此不再只是“可观看的三维画面”，而是包含独立物体、空间关系与物理约束，能够继续编辑、运行和交互的完整3D场景。

从论文到产品：场景级生成的工程化门槛

WorldGen并不是一次停留在Demo层面的发布。从2025年发表的CAST研究，到2026年9月发布的WorldGen，影眸团队沿着CAST验证的方向，完成了模型、算法与工程系统的多阶段演进，最终形成面向真实生产的技术路线。场景级生成要处理物体几何补全、物体关系图构建、接触支撑与悬挂识别、统一三维空间的位姿预测等多个环节，每个模块都面临遮挡、透视畸变与信息缺失的干扰。多模块级联意味着单点误差会被层层放大——这正是场景级3D生成从“实验室可行”到“产线可用”最难跨越的工程门槛，也是很多同类团队容易低估的部分。

同日双响：VAST约30亿元融资与Tripo P2.0，赛道为何突然热闹

WorldGen发布同日，VAST宣布完成B轮与B+轮融资，合计约30亿元，由经纬创投领投，完美世界、蓝色光标、芯动能投资、延趣游戏、中科创达、广电投资、三七互娱等产业资本，以及鼎晖VGC、中金资本、CMC资本等财务投资机构联合参投。公司不到半年时间累计融资约50亿元，创下AI 3D领域融资纪录。与融资同步，VAST发布Tripo P2.0，被定义为全球首个支持原生四边面拓扑网格的3D基座模型，首次让3D生成同时满足“引擎可用、动画可绑、编辑可及”三条工业级门槛，单面数上限由2万三角面提升至5万三角面。

影眸与VAST实际上回答了同一个行业问题的两条岔路：影眸WorldGen聚焦“如何把多个资产组织成可运行的场景”，VAST Tripo P2.0聚焦“如何更快更好地生成单个工业级资产”。两家公司从不同角度回应同一需求——3D生成必须成为现有生产流程中的生产力工具，而不是实验室里的技术演示。

赛道热度不止于此。就在8月底至9月初的同一窗口，世界模型赛道的动作并不只有影眸一家：WorldLabs于9月1日发布多模态世界模型Atlas，原生支持文本、图像、视频与3D数据，可基于图片生成最高1440p、1分钟的视频，也能基于图片生成3D世界场景；Runway在8月31日发布首个界面世界模型Solaris，可基于用户输入即时响应、生成下一帧画面。头部公司密集出手的背后，是同一判断：3D生成正从“生成单个资产”迈向“生成完整世界”，场景级能力正在成为下一阶段竞争的主战场。

三个已经落地的产业场景：仿真、影视与游戏工作流

从官方披露的落地进展看，WorldGen并没有把应用锁定在单一行业，而是至少有三个方向已经进入真实生产。

第一是具身智能仿真训练。影眸长期融入NVIDIA全球仿真生态，作为NVIDIA Inception成员，此前已通过Rodin在NVIDIA Omniverse与Isaac Lab上线Sim-Ready功能，并推出Isaac Sim官方插件。WorldGen把“单个资产用于Isaac Sim”拓展为“整个场景用于Isaac Sim”，覆盖从资产生成到仿真验证的上下游通路。今年7月，影眸联合地瓜机器人（D-Robotics）、谋先飞（Motphys）发布“具身智能可训练仿真闭环联合解决方案”，用真实世界的影像直接生成可训练的虚拟场景：WorldGen根据单张照片重建可交互三维场景，谋先飞基于自研物理引擎MotrixSim完成仿真适配与SimReady场景构建，地瓜机器人提供算力底座与开发工具链。通过调整场景布局与资产状态，可以构造同一任务下的多种环境变体，训练所得策略可向实体机器人迁移部署。影眸参与的研究工作cuNRTO还获得2026年具身智能国际顶会RSS最佳论文提名，探索Sim-to-Real问题。

第二是影视制作。多镜头复杂调度与叙事连贯中，角色、物体、空间结构与场景布局的一致性一直是视频生成的关键难题。WorldGen的解法是先建立资产彼此独立、空间结构明确的3D场景，创作者在其中自由调整镜头、移动物体、替换资产、修改布局，再把确定后的构图交给视频生成模型。目前WorldGen已能与Seedance 2.5等模型形成完整AI工作流：3D场景提供稳定空间结构、镜头关系和可控白模，视频模型补充人物表现、材质光影与整体风格。创作者像使用“3D导演台”一样调度空间，已进入实际影视生产，相关作品正在制作中并陆续上线。

第三是打通DCC与实时引擎。WorldGen生成的独立资产可以直接进入Blender、Unity、PlayCanvas、团结引擎、Unreal Engine等环境，进行材质调整、动画绑定、关卡编辑等二次创作。今年7月，影眸与Unity中国（团结引擎）共同宣布构建从3D生成到实时游戏应用的工程闭环，WorldGen也在团结引擎2.0发布会上亮相。此外，WorldGen生成的3D场景可与Apple Vision Pro等XR设备结合，应用于室内设计、沉浸式教育、空间展示与XR内容创作，把一张图片转化为可以进入、编辑和交互的三维空间。

对创业者与一人公司：3D内容的生产成本结构正在被改写

把这几条信息放到创业视角下看，有几个判断值得沉淀。

其一，3D生成的基本单位正在变化，从“造一个模型”变成“组织一个世界”，这意味着下游工具链的采购逻辑会随之改变。过去团队买3D资产按件计价，未来可能按场景、按可编辑能力、按仿真就绪程度来评估价值。对做游戏Demo、电商展示、空间营销内容的一人公司而言，单张照片直出可编辑场景意味着前期建模与场景搭建时间被大幅压缩，试错成本降到极低。

其二，赛道收敛期真正值钱的不是演示效果，而是能否进得了现有工作流。吴迪与张启煊的表态都指向同一件事：能用、能编辑、能交付，比“看起来好看”更接近壁垒。对选择AI 3D作为创业方向的团队，与其追逐下一个新模型，不如尽早绑定一个能进生产管线的平台，把资产标准、物理语义和交付格式吃透。

其三，资本用约30亿元投票给“工具型”3D公司，说明这个赛道正从技术叙事转向产业叙事。对资源有限的一人公司，最现实的机会不在底层模型，而在场景应用层：帮特定行业把WorldGen、Tripo这类能力包装成可交付的解决方案，无论是电商商品场景化、教育培训内容还是机器人仿真数据服务，都是结构性红利。3D生成正在成为“空间智能”时代的基础设施层，当AI竞争从语言智能走向空间智能，谁能先把基础设施接进具体生意，谁就先吃到红利。