它解决什么问题

过去一年，生成一段可以环视的空间已有不少惊艳展示，但大多只是一张”能环视360度的画”。真实生产需要的是可交互环境：游戏道具要放进关卡继续调整，影视角色要在统一空间完成多镜头调度，机器人训练面对的也不是悬空的杯子影像，而是有位置、遮挡和支撑关系、可被抓取移动的实体。WorldGen 要生成的，正是可交互、可编辑、可进入真实生产环境的三维场景。

技术原理：CAST 架构

WorldGen 基于影眸自研的 CAST 架构（Component-Aligned 3D Scene Reconstruction from an RGB Image）。该架构提出物理感知校正机制，推断物体间的接触与支撑关系，优化姿态，修正穿透、悬空等不合理现象。相关研究获得 SIGGRAPH 2025 最佳论文，同期获得最佳论文的商业公司仅有三家：谷歌、Meta 和影眸 Hyper3D。

系统将图像中需要编辑和交互的主要物体以独立网格资产形式生成，不需要参与交互的墙面、远景和环境背景则通过3D高斯泼溅保留更完整的视觉信息与空间沉浸感。依托 Rodin Gen-2.5 首次提出的 Thinking Effort（思考深度）架构，场景中的每个资产可按需分配生成精度：关键物体可继续细化，远处或非关键物体最快4秒即可生成可用3D资产。

能做什么：落地场景

具身智能仿真训练 WorldGen 可根据单张照片重建可交互三维场景并生成具备仿真导入能力的三维资产。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”，用真实世界影像直接生成可训练虚拟场景，降低机器人数据采集与训练成本。作为 NVIDIA Inception 成员，影眸已与 NVIDIA Isaac Sim 生态衔接，覆盖从资产生成、仿真验证到策略部署的通路。

影视与游戏制作 WorldGen 可与 Seedance 2.5 等视频生成模型组成工作流：先建立空间结构明确的3D场景，确定构图与视角后再交给视频模型生成最终画面，提升多镜头叙事的一致性。其 AI Render 模块支持 AI 渲染与自由运镜。今年7月，影眸与 Unity 中国（团结引擎）宣布打通从3D生成到实时游戏应用的工程闭环，生成资产可进入 Blender、Unity、Unreal Engine 等环境二次创作。

XR 与空间计算 生成的3D场景可结合 Apple Vision Pro 等设备，让用户进入由单张图片生成的三维空间，近距离查看物体与环境细节，并进一步替换场景中的物体、调整陈列与布局。

与同类世界模型的区别

李飞飞 World Labs 的 Atlas 强调”一张照片生成可探索的3D世界”，京东 JoyAI、蚂蚁灵波等也发布了各自的世界模型。WorldGen 的差异化在于”场景级”：它生成的不仅是世界的视觉表象，更是构成世界的独立物体、空间关系与物理约束，并可直接进入 DCC 软件、实时引擎与仿真环境持续编辑，已切入实际影视项目制作流程。

常见问题

普通人现在能用吗？ WorldGen 主要面向具身智能、影视、游戏与空间计算等生产场景，通过影眸 Hyper3D 官方渠道提供，普通创作者可在影视预演、概念短片与工作流提效中试用。

对游戏和影视意味着什么？ 它把前期建模与场景搭建的时间大幅压缩，创作者像使用”3D导演台”一样在统一空间调度镜头、移动物体，再交由视频模型生成连续画面，提升复杂场景的可控性。

本文综合影眸 Hyper3D 官方发布、Z Potentials 深度解读及机器之心等公开报道整理。

游戏厂商集体进场

本轮投资方名单里，产业资本的密度相当高。完美世界、蓝色光标、芯动能投资、延趣游戏、中科创达、三七互娱等出现在战略与产业投资方之列，鼎晖 VGC、中金资本、CMC 资本、洪泰基金、3H Health、中平资本等财务投资机构联合参投。老股东达晨财智、春华资本、四三九九、慕华科创、渶策资本等继续追投。

这已经是短时间内的第二轮大额融资。今年 7 月 2 日，VAST 宣布完成超 10 亿元 A3 战略轮融资，四三九九、贪玩游戏、巨人网络等游戏厂商与吉利资本及多家机构共同参投。两轮相隔约两个月，游戏公司的参与度明显提升。

背后的需求对游戏研发团队来说不难理解：角色、道具、建筑等 3D 资产需要大量制作时间，而 AI 生成的结果能否减少后续修改、能否顺利接入现有工作流程，直接决定提效是否能兑现。一件道具即使外观接近预期，如果拿到手还要花大量时间整理网格，省下来的建模时间很可能被返工消耗掉。

P2.0 的关键改动在拓扑

Tripo P2.0 基于 VAST 自研的 Nexus 生成框架，首次在扩散模型上实现原生四边面（Quad）拓扑网格的端到端生成。官方称其在精度、面数范围、局部编辑与语义级部件拆分四个维度完成升级，使 3D 生成同时满足「引擎可用、动画可绑、编辑可及」的工业级要求。

四边面拓扑不是参数表上的装饰。四边形网格布线更规整，后续编辑、骨骼绑定和动画制作都更顺手，而三角面网格在这些环节往往需要重新整理。P2.0 同时保留三角形拓扑，将三角面数上限从 P1.0 的 2 万提高到 5 万，新增的四边面上限为 2.5 万，并支持多视图输入。这些数字对应的其实是同一个问题：美术人员拿到生成结果之后，还要投入多少工作才能真正把它用进项目。

VAST 把 P2.0 称为迄今最适合 Vibe Coding 的 3D 基座模型。秒级生成速度可以支撑智能体完成「生成—检查—修改—再生成」的快速循环，而语义级分件让大语言模型能够直接识别并编程每一个部件。Nexus 框架的做法是将顶点与拓扑生成解耦，首次基于扩散模型实现无需排序的原生网格生成，相关论文已被 SIGGRAPH 收录。此前 VAST 算法团队凭借 Tripo P1.0 在 SIGGRAPH 2026 的 Real-Time Live! 环节获得最高奖 Best in Show。VAST 还称，Tripo 系列模型在超 20 万用户投票的第三方盲评榜单中长期位居第一。

已经进入哪些真实工作流

比参数更有参考价值的是落地场景。游戏领域，网易《蛋仔派对》的蛋仔工坊在 7 月上线的 3D 模型拆分功能由 Tripo 提供技术支持，此前双方还在《燕云十六声》中合作上线了「万物太极」玩法。3D 打印领域，Tripo 是最早接入拓竹 MakerWorld 的 AI 3D 基座模型，7 月又与黑格科技达成战略合作，合作硬件厂商覆盖拓竹、纵维立方、创想三维等。影视动画领域，由苹果、皮克斯成员创立的海外创意平台 Intangible AI 已接入 Tripo，国内视频平台 TapNow 于 8 月上线了接入 Tripo 模型的「3D 片场」。

按官方介绍，一站式 AI 3D 工作台 Tripo Studio 已汇聚全球数千万创作者，全球 AI 3D 模型生成数量排名第一；Tripo Education Program 覆盖 30 多个国家、350 余所高校。SIGGRAPH 2026 期间，VAST 是唯一登上 Keynote 的中国企业，有 5 篇论文入选 Technical Papers。

下一站是世界模型

3D 资产生成之外，VAST 另一条线是通用世界模型研究项目 Project Eden。今年 6 月发布的这一研究项目，核心思路是将底层状态推演与视觉呈现解耦，生成的资产自带碰撞体、关节与物理属性，可以直接接入 Nvidia Isaac Sim、Gazebo，供具身智能团队做训练。VAST 称，该项目已端到端打通「文本到可交互仿真场景」。

这条路线指向的是更基础的交互要求：环境中发生过的改变需要被保留下来，处在同一个世界里的多个参与者应当共享同步的状态。前一条线可以直接嵌入现有研发流程，后一条线关系到创作者未来用什么方式搭建虚拟世界。

按本轮融资披露，新增资金将投入 3D 原生模型与数据能力迭代、训练与推理基础设施扩建，以及产品开发与商业化落地。VAST 成立于 2023 年，由 AI 与计算机图形学领域的科学家创立，目前服务的行业包括智能制造、虚拟现实、互动娱乐与具身智能。

真正的考验还在后面：生成资产究竟能在多少制作环节中稳定使用，又能在多大程度上减少返工、降低创作门槛。这些答案只能来自真实项目，而不是榜单。