配资网股票配资训个“逆天改命”的模型，拯救公司也顺手重塑AI 3D

1配资网股票配资

2023 年，AI 行业的融资低谷年。脱胎于上海科技大学 MARS 实验室的影眸科技也遇到了自己的"危机"。这家公司的两位创始人吴迪和张启煊，当时一个刚毕业，一个还是研究生。

一家已经谈好、SPA 协议都已完成的领投机构，因为当时地缘政治对投资机构的冲击而在签字前几周临时撤回投资。而影眸当时公司账上只剩下 8 个月的资金。

解决方案是有的，甚至是显而易见的：他们最早的商业化项目——那个在这家公司办公室摆放着的无法忽视的巨大球形扫描仪"穹顶光场"，是一个有稳定需求的服务。它为 3A 游戏和电影公司扫描人像，每年能带来可观收入，靠它活下去没啥问题。

但团队能感觉到，元宇宙概念市场在萎缩，项目制的服务也很难规模化。而更重要的是，它并不是这家公司最想做的事情。

在最初创办这家公司时，虽然不确定具体要做什么，但年轻的创始团队的大目标是让所有人都能用到 3D，比如，做出一个 home studio。而在影眸看来，在所谓的元宇宙里，显然普通用户大多只是旁观者，但他们希望的是让每个人可以成为创造者，这最终需要靠 3D 生成，需要一次更彻底的底层技术创新。随着 AI 生成 3D 因为大模型的进步而热闹起来，这个底层技术创新指向一个全新的模型。

于是一个神奇的决定出现了：在公司"弹尽粮绝"的危机下，创始团队却决定赌一把——

训练一个当时没人做出来过的原生 3D 模型。

他们能调用的资源有限，时间上也只够选择一条路径。这基本就是一次训练机会，成功就成功，失败（训不出来）基本就没有第二次机会了。

Go big，or go home。

然后 Rodin 的训练就开始了。

这个模型在当时算是异类。当时做 3D 生成最主流的方向，是先通过"文生图"的模型生成各个角度的图像，再合成一个 3D 模型，即" 2D 升维"。影眸的同行几乎都选择了这条路。

然而事实上，在 2D 图像生成大火之前，3D 领域原本的主流就是在走 3D 数据原生训练的路线。只是突然 2D 技术太强了，导致" 2D 升维"成了热点。

影眸脱胎于上科大。2020 年，吴迪刚读研一，张启煊还是大三，两人一起在学校里开始创业。

吴迪是上科大最早的一批学生，这所带点实验性质的年轻大学，给学生提供了独特的空间。作为学生会主席，吴迪能直接跟校领导汇报、申请经费，参与搭建实验室。张启煊在学校也闲不下来，到处打比赛，并在本科就进入了 MARS（Multi-disciplinary Artificial Reality Studio）实验室。也因此认识了吴迪。

这些计算机科学方向的学生，同时也对 Blender 等 3D 软件以及 3D 技术痴迷，当时吴迪和张启煊在学校主要在做的项目，就是那个巨大的"穹顶光场"，它并非简单的相机阵列拍摄多角度照片，而是基于"光度立体法"（Photometric Stereo），能在 0.1 秒内向扫描对象投射二三十种不同的光照模式，算出整个面部细微的法线信息，甚至引入"偏振态"光线来解耦高光材质，从而采集到远超传统方式的超细腻皮肤细节。

2020 年，公司成立后他们开始各种摸索，当时他们基于实验室发表的一篇 SoftGAN 的论文，做了一个画真实人物的画板产品，但起初没什么反响。后来他们换了一批二次元数据，做成了 AI 画板 APP WAND。

然后这款 app 就瞬间爆了，立刻就登上了中日两国 App Store图形与设计分区的榜首，两周获取了 160 多万用户。

来自 @taptap 发现好游戏

这给他们带来了第一波融资，在那之前，奇迹创坛的陆奇来学校参观，看过他们的穹顶，鼓励他们报了奇绩。在 APP 爆火的当晚 11 点，奇绩的人紧急联系他们，对他们说：

"立刻跟我们签吧"。

但他们却快速"抛弃"了这个产品。

WAND 是个像极了后来 Midjourney 样貌的产品。但在当时，他们想不出来它的商业模式。而更让他们提不起兴趣的，是这个产品背后的技术—— GAN。

GAN（生成对抗网络）在当时是主流，它通过两个网络（生成器和判别器）相互博弈来"伪造"图像，但在多样性和可控性上很快遇到了瓶颈。而影眸团队当时没有预料到的是，另一条技术路线—— Diffusion（扩散模型）即将爆发。以 Stable Diffusion 为代表的扩散模型，通过一个"去噪"过程逐步生成图像，实现了前所未有的图像质量和"言出法随"的文本控制能力，这才是后来真正引爆 AIGC 浪潮的关键。但在当时，GAN 限制了人们对图像生成技术的想象。于是在拿到钱后，他们反而"更逆反了"。

他们去向陆奇要建议，对方回到："你们要专注，做你们最想做的事情"。张启煊的理解是："你只能做一件事。"

砍掉了 WAND 项目后，他们继续专注到"更广泛更通用的 3D "上。在 2021 年底，他们做出了 ChatAvatar，一个用文字描述生成 3D 形象的产品。同样，追求真实，而不是好看。这解决了"十几万"扫描费和" 30 块"廉价角色之间的巨大需求，也是影眸开始向 AI 产品迈出的重要一步。

穹顶光场、WAND、ChatAvatar，这些技术和产品研发里的经验最终都汇聚在了 Rodin 这个模型上。

2024 年 3 月，新模型终于有了内部 Demo。

训练成功了。

Rodin 模型第一次展示了原生 3D 路线的强大效果。这套名为 Clay 的原创框架希望彻底绕开行业的"主流陷阱"。当时，包括业内巨头和看似引领着技术方向的实验室都采用着" 2D 升维"路线，这本质上是一种妥协：

它们的出发点是希望利用 2D 图像模型如 Stable Diffusion 当时取得的成果，因此选择了使用一种叫做 SDS（Score Distillation Sampling 分数蒸馏采样）的方法来让 2D 模型做 3D 生成过程的"老师"——一个 3D 数据先转成不同切面的 2D 数据，交给 2D 模型打分，然后蒸馏反馈评估最终拟合出一个 3D 资产，以此训练文字生成 3D 的能力。

但很显然，这种方式不仅计算量大、速度慢，而且由于 2D 视角的不一致，生成的 3D 模型几何结构混乱、表面粗糙，无法用于实际生产。

影眸的赌注，是"原生 3D "——即模型直接在 3D 数据上训练，直接生成 3D 模型。这是一个公认更难、但理论上效果好得多的路线。他们需要在已有工作基础上，设计一个更优雅的架构。

首先是数据表达，他们选择了 "Vecset" （3DShape2VecSet: A 3D Shape Representation for Neural Fields and Generative Diffusion Models）这个研究里的方法，他们认为这个已有的研究，是 3D 数据在隐空间中的最佳表达——它像一种"长条形"的无序数据链，它恰好完美适配了 Transformer 架构。于是，在 Sora 带火 DiT（Diffusion Transformer）架构之前，影眸的 Rodin 已经在把赌注押到 DiT 上。"我们当时叫它 Transformer with Diffusion，后来发现 DiT 火了后，我们在论文里也统一了它的名字。"

除此之外，团队也做了很多工程上的工作，他们专门开发了一套"数据标准化"管线，用来"重构网格"（Remeshing）和统一来自 ShapeNet、Objaverse 等不同来源、质量参差不齐的数据。这是很关键的一步，但最初的方法需要人工标注，这本来可能是一个制约效率的大问题，但就在这时，GPT-4V 出现，标注可以由模型完成。一切再次加速。

最终它的技术细节被写进名为《CLAY: A Controllable Large-scale Generative Model for Creating High-quality 3D Assets》的论文，这篇论文获得了 SIGGRAPH 2024 最佳论文提名，并成为 50 年来首个入选 SIGGRAPH "Real-Time Live! "的中国团队。ResNet 之父何恺明教授在当年 MIT 的深度生成模型课程中将 CLAY 列为推荐阅读 ( 6.S978 ,MIT EECS, Fall 2024 ) 。

基于 CLAY，影眸于 2024 年中上线了全球首个原生 3D 生成大模型产品 Hyper3D.AI Rodin。

现在，原生 3D 已成为行业共识——包括腾讯混元、字节 Seed3D 在内的公司，都已采用 3D 原生技术路线。可以说，影眸定义了 3D 生成的"可用性拐点"。

2024 年，影眸带着他们的技术成果登上了 GDC（全球游戏开发者大会）的讲台首次对外公开展示了还是 demo 的 Rodin。影眸也成为少有的被官方邀请的中国初创公司。

这次分享吸引来了行业内诸多关注，影眸将 Rodin 模型接入了拥有 5 亿用户的超级头部游戏的移动端 Runtime 环境，为其 UGC 创作赋能。

在行业中，这是一个重要的信号。它意味着影眸的 AI 模型不再是纯粹的" Demo "工具，而是开始被真正集成到实时运行的、海量用户的移动游戏引擎中。

玩家在游戏中使用 Hyper3D.AI Rodin 生成内容

" Production Ready "是影眸不停强调的目标。3D 模型没有标准的 Benchmark，最终是客户自己来判断，用钱投票。这些真实产业环节里的合作，就是一张张最有分量的"票"。

目前影眸的商业模式也归一到服务游戏、影视制作，以及更大一块的工业设计，整体以专业的建模场景为主。

" 3D 生成对游戏公司来说是天然适合外包的业务。这是分工明确和工业化成熟的结果，所以独立的第三方服务商是有价值的。"吴迪认为。

2024 年，在 Clay 框架和 Rodin 模型的 Demo 跑通后，影眸的融资也顺利推进。2025 年以来，他们连续完成了两轮大规模融资，前一轮由字节跳动和美团龙珠联合领投，红杉资本和奇绩创坛跟投。

2025 年 8 月，影眸再次宣布完成新一轮数千万美金融资，由蓝驰创投领投，字节跳动、红杉中国种子基金等老股东跟投。

模型的成功是基础，但这在今天已不是全部。当 Rodin 训成时，AI 3D 生成的赛道也已经迅速变得拥挤。诸多玩家相继入场，竞争显然已经进入了产品层面。

对一个普通用户而言，影眸的产品（Hyper3D.AI）是一个网页工具和一套插件的结合体。最基础的体验与 Midjourney 类似：输入一段文字或一张图片，模型就能在几十秒到几分钟内生成一个 3D 模型。

但影眸从一开始就想解决专业人士的痛点。他们的产品提供了针对不同场景的"模型矩阵"：如" Speedy "（极速预览）、" Focal "（极致细节）、" Zero "（适用于手游的低面数平滑模型）和 Defualt（细节精度和表面平滑度平衡）。

影眸的" Production Ready "，就是更让自己产品真正接入产业工作流。

而这种理念最直观的体现，是他们对产品细节的偏执。其他公司的插件可能是网页的"阉割版"，而影眸为 Blender 等 3D 软件设计的插件，是一个"超级精巧"的浮窗。它像 YouTube 的画中画，承载了网站的全部功能，同时又不入侵艺术家原有的工作界面。

"我们几个核心创始人都亲自使用 Blender 等 3D 软件，自己剪视频、做渲染。"张启煊说，"所以我们知道做这件事会遇到哪些困难，知道怎么用才方便。"

另一个最新的"杀手级"功能是BANG。

( 可以插入影眸科技视频号视频 )

对于游戏或工业设计来说，一个"糊"在一起的 AI 模型无法高效完成后续的绑定和二次编辑。影眸的" Bang to Parts "功能，能自动将一个复杂的模型"爆炸拆解"为多个可编辑的部件。

这个功能的交互设计，也体现了他们对工作流的理解。张启煊形容："你点分件的时候，我先给你一张蓝图（预览图），告诉你‘我大概会拆成这样’，你不满意就点‘随机’换一种方案。觉得 OK 了，它‘啪’一下炸开来。你还可以选中炸开的某个部分，让它再生成这个部分的炸开蓝图……像链式反应一样。"

这些"好用"的表面功能，每一项都源于底层的技术创新。BANG 的背后是一套名为"通过生成式爆炸动力学实现 3D 资产分件"的原创架构。这项研究工作被计算机图形学顶级期刊 ACM TOG 收录，并在 SIGGRAPH 2025 上获评" Top 10 技术论文速览"。它尝试解决 AI 模型"只能看不能改"的难题。

影眸还是全行业第一个做出" 3D ControlNet "的团队。这套控制技术并非单一论文，而是其核心生成框架的关键组成部分，其"可控性"（Controllable）的理念在 CLAY 的论文中已有体现。就像 ControlNet 让 2D 绘画的"随机抽卡"变成了"按图索骥"，影眸的" 3D ControlNet "让开发者可以通过边框盒（Bounding Box）、体素（Voxel）甚至点云（PointCloud）来精准控制生成模型的形态和结构，这在专业生产领域是刚需。