95后团队重塑3D生成规则，Rodin大模型引领AI创作新纪元

type

status

date

slug

summary

从原生3D出发：一条更难但更正确的路

当大模型（LLM）的“the bitter lesson”——即规模化和通用计算是王道——成为行业共识时，3D生成领域也迎来了爆发期。然而，在众多团队选择从2D图像升维至3D的“捷径”时，影眸科技做出了一个背离当时主流的选择：坚持从原生3D数据出发，从零开始训练自己的3D生成大模型。

这个决定在当时意味着巨大的风险和更长的研发周期。但影眸团队坚信，2D到3D的升维方案存在天然的技术天花板，无法满足专业生产流程对模型精度和拓扑结构的要求。他们深刻理解，一个真正“可用”的3D模型，不仅要看起来好，更要能无缝融入Blender、Unity等现有工业软件的复杂工作流中。

正是这份坚持，催生了其核心研究成果CLAY模型。CLAY完全基于原生3D数据训练，首次在3D生成领域验证了Scaling Law（规模法则）的可行性，并观察到了“涌现”能力——模型能够理解并生成训练数据中未曾见过的物体。这一突破，将3D生成的效果从“不可用”一举拉升至“可用”的基准线，为后续的商业化应用奠定了坚实基础。

Rodin Gen-2与“爆炸”功能：定义可控性新标准

在CLAY模型成功的基础上，影眸科技推出了新一代百亿参数模型Rodin Gen-2。这一代模型在两个关键维度上实现了质的飞跃：生成质量和生成可控性。

质量飞跃：Rodin Gen-2能够生成拥有平滑、干净几何表面的高精度模型，网格质量大幅提升，显著减少了后期修复的成本。它既支持百万级面数的高精度生成，也能通过法线烘焙技术，让低面数模型呈现高清纹理，完美适配游戏等对性能有严格要求的场景。

革命性可控性——“Bang to Parts”：这是Rodin Gen-2最引人注目的创新之一。用户可以将一个生成的完整模型进行“爆炸”（Bang），使其按照内部结构拆分成多个独立的、但保持空间关联的部件。这一功能源于团队对3D行业工作流程的深刻洞察：复杂的3D资产创作从来都不是一体化的。无论是游戏角色的骨骼绑定与换装，还是工业设计的模块化优化，都需要对模型进行分件处理。

“Bang to Parts”功能彻底颠覆了传统“先分别生成、再费力组合”的工作流，转变为“先整体生成、再拆分编辑”的高效模式。这背后，是3D大模型在理解了海量三维数据后，真正掌握了物体的内部结构和部件关系，实现了从“生成”到“理解性生成”的跨越。这标志着3D大模型正式进入了类似大语言模型的Post-Training（后训练）时代。

从技术到应用：藏在应用背后的3D未来

影眸科技的成功不仅在于学术上的突破，更在于其快速将前沿技术与市场需求结合，并实现商业化落地的能力。在某款大型UGC游戏中，数千万用户已经在使用Hyper3D.AI（由Rodin模型支持）即时生成自己想要的3D物品，生成速度被压缩至10秒以内，几乎与2D生图无异。

这体现了影眸科技对市场需求的敏锐洞察。他们认识到，不同应用场景对3D模型的需求千差万别。因此，Rodin模型矩阵提供了多种模式以适应不同需求： * Zero模式：针对移动端优化，追求极致生成速度。 * Focal模式：注重高细节表现，适用于影视级资产。 * Speedy模式：用于快速预览，平衡速度与质量。 * Default模式：在细节、精度和表面平滑度之间取得最佳平衡。

除了游戏，影眸科技还与头部3D打印厂商合作，让用户可以将AI生成的创意模型直接打印成实体。团队判断，在很长一段时间内，3D仍将是一种“藏在应用后面”的基础技术，其核心价值在于为数字世界提供空间一致性的底层逻辑。

结论：3D生成，下一代智能的核心拼图

影眸科技的故事，不仅仅是一个95后创业团队的技术胜利，更揭示了3D生成技术在未来人工智能发展蓝图中的核心地位。人类对生成的终极追求，是构建一个符合真实物理规律的三维世界。无论是数字内容创作、工业设计，还是AR/VR、具身智能，都离不开对三维空间的精准理解和操控。

3D技术以其在“空间一致性控制”上的不可替代优势，成为了连接数字与现实、保证生成内容逻辑自洽的关键。从这个角度看，以Rodin大模型为代表的3D生成技术，绝非锦上添花，而是支撑下一代智能应用落地的核心拼图与底层基座。随着像影眸科技这样的创新力量不断涌现，一个由AI驱动的、更加真实、可交互的三维数字未来正加速向我们走来。如果你对AI的最新动态和未来趋势感兴趣，不妨常访问AI门户 https://aigc.bar，获取第一手AI新闻和深度解读。