分类：[AI动态] 标签：[人工智能]、[大模型]、[3D生成]、[具身智能]
近年来，生成式 AI 的浪潮席卷了文本、图像和视频领域，而在更具挑战性的 3D 资产生成赛道上，变革也正在发生。3D 生成的基本单位，正悄然从单一的「物体」跨越到复杂的「场景」。
日前，影眸 Hyper3D 正式发布了全新的世界生成模型 WorldGen。用户只需上传一张场景图片，便能在短短两三分钟内，获得一个由多个独立物体组成的、具备基础物理属性的完整 3D 场景。这项技术的落地，不仅标志着 3D 生成正式迈入场景级时代，也为影视制作、游戏开发、XR 空间计算以及具身智能仿真带来了全新的想象空间。
01 从一张照片到可交互的 3D 世界
过去，图生 3D 技术虽然能将一张空间照片转化为三维模型，但桌椅、电脑、水杯等物体往往与背景整体「黏」在一起，更像是一件无法拆分和编辑的「立体布景」。
而 WorldGen 的核心突破在于其组件对齐式生成能力。系统在识别图片后，会分别生成画面中的主要物体，并将其放回对应的精确空间位置。桌子、椅子和水杯彼此独立，支持单独挑出来进行编辑或替换。
更重要的是，这些生成的资产具备了质量、摩擦系数等基础物理属性，能够在真实的物理引擎中被推动、拿起和交互。例如：
- 支撑关系：系统会自动识别接触、支撑、悬挂等物理关系，减少穿模、悬浮和不合理堆叠。
- 物理仿真：开启 SimReady 后，抽屉里的物品被打翻会滚落到地面，两根叠在一起的柱子抽走下面一根时上面的会随之倒塌。
在技术架构上，WorldGen 巧妙地采用了 Mesh 与 3D Gaussian Splatting（高斯）的混合表达：需要移动、编辑和交互的主体交给 Mesh（具备实体结构并可附加物理属性），而天空、远景等不需要交互的背景则由高斯补全，兼顾了可用性与视觉沉浸感。
02 赋能多元工作流：内容生产的 3D 底座
当场景中的物体可以被随意拆解、修改并接入主流工具链时，WorldGen 的价值便不再局限于节省几个模型的制作时间，而是成为了整个内容生产流程的 3D 底座。
- 影视与视频制作：在多镜头叙事中，纯视频生成往往面临严重的一致性难题。WorldGen 提供了一套「3D 导演台」工作流——创作者先用 WorldGen 建立空间结构稳定、资产独立的 3D 场景来控制镜头与构图，再交由视频模型（如 Seedance 2.5 等）补充材质、光影与动态效果，无缝契合商业宣传片和影视预演。
- 游戏开发与 XR：生成的 Mesh 资产可以无缝导入 Blender、Unity、Unreal Engine、团结引擎等主流 DCC 与实时引擎环境。对于小型开发团队而言，这意味着不必配置完整的美术工种，就能快速验证关卡或世界设定。在 XR 领域，用户也能直接进入由单张图片生成的动态空间，替换物体或调整布局。
03 具身智能训练场：打通从生成到仿真的闭环
如果说影视和游戏追求的是视觉与交互，那么具身智能对场景中的物理准确度则提出了更高的要求。
作为 NVIDIA Inception 成员，影眸 Hyper3D 通过 WorldGen 实现了「整个场景进 Isaac Sim」的跨越。今年 7 月，影眸 Hyper3D 联合地瓜机器人与谋先飞，共同发布了「具身智能可训练仿真闭环联合解决方案」：
- WorldGen 还原场景：从真实照片中还原可交互的 3D 场景并赋予物理属性。
- 仿真引擎运行：通过物理引擎（如 MotrixSim）将资产接入仿真环境，支持机器人在其中运动、抓取和交互。
- 平台策略验证：地瓜机器人提供算力底座，将场景生成、仿真运行与机器人策略验证打通。
这种能力不仅缓解了现实数据采集成本高、极端危险场景难以复现的痛点，也为机器人 Sim-to-Real（仿真到真实）的落地提供了海量的高质量变体数据。
结语：克制与演进
在谈及是否在追逐「世界模型」的概念时，影眸 Hyper3D 团队表现得十分克制与清醒。联合创始人兼 CTO 张启煊指出，团队将 WorldGen 定义为通过 Prompt 或图像还原场景的工具，它可以成为广义上「世界模型」的重要组成部分，但公司本质上依然是一家专注于 3D 生成的技术企业。
展望未来，影眸 Hyper3D 的产品路线图已经清晰：在完成了向外的场景扩展（WorldGen）后，下一步的重点将是让这些资产和场景动起来（引入动画生成、自动绑定等动态能力），并通过统一的调度层进一步降低专业工具的使用门槛。从单物体到全场景，3D 生成正以坚实的工程落地步伐，迎来属于它的黄金时代。