一張圖生成3D夢中情房，桌椅擺件隨心換，又一世界生成模型來了
作者 | 楊京麗 編輯 | 李水青 9月1日報道，今天，上海3D生成大模型公司影眸科技發佈世界生成模型Hyper3D WorldGen，推動3D生成從“單個資產”走向“完整場景”。用戶上傳一張場景圖片後，模型可以自動識別畫面中的主要物體，並生成對應的3D資產，也支持手動框選目標生成，並通過影眸Hyper3D團隊自研的CAST架構，重建物體之間的空間與物理關係，最終生成由多個獨立、可編輯、可替換、可交互資產組成的3D場景。CAST為“基於單張RGB圖像的組件對齊式3D場景重建”，是影眸Hyper3D團隊在2025年發佈的場景級生成研究成果。
其核心是從單張圖片中補全被遮擋物體的三維結構，判斷物體之間的接觸、支撐、懸掛等關係，並將多個獨立物體放入統一、物理合理的三維空間。該研究曾獲SIGGRAPH 2025最佳論文。值得注意的是，WorldGen的生成能力已經進入具身智能仿真訓練、影視製作、遊戲開發與XR等真實生產場景，推動場景級3D生成從視覺展示走向產業工作流。模型發佈前，等媒體採訪了影眸科技創始人、CEO吳迪和聯合創始人、CTO張啟煊，圍繞WorldGen的技術路線、應用進展及3D生成行業趨勢等問題進行了交流。
一、一張圖片生成場景，場景內資產可交互 媒體交流會上，張啟煊演示了WorldGen的生成過程：上傳一張辦公室盥洗室的圖片後，系統能夠自動識別水龍頭、盤子、水果等主要物體，約2-3秒生成單個物體的3D預覽，並在約2-3分鐘內還原出完整場景。這些物體都是可以被選擇、移動和替換的獨立資產。開啟SimReady功能後，系統可以為資產估計出物體質量、大小和摩擦係數等物理屬性，水果能夠在力的作用下滾入水池中。此外，用戶還可以根據物體的重要程度選擇不同的生成精度，先快速確定場景結構，再對重點資產進行精修。
吳迪舉例稱，如果用生成模型直接將會議室的圖片轉化為一個3D場景，畫面中的桌椅、牆壁和其他物體通常會被合併在一起，難以單獨選擇和編輯。WorldGen在生成過程中能夠拆分場景中的主要物體，分別生成獨立資產，同時還原它們之間的空間與物理關係。為了兼顧場景可用性與視覺完整性，WorldGen採用混合表達方式：需要編輯和交互的物體使用具備完整幾何結構的網格模型（Mesh），方便後續調整和添加物理屬性；背景則採用側重還原場景外觀的3D高斯潑濺（3D Gaussian Splatting），保留更多環境細節。
二、覆蓋四類應用場景，具身智能、影視領域率先推進 張啟煊向介紹，WorldGen並非針對某個單一行業開發的模型，其應用場景覆蓋具身智能、遊戲、影視製作和XR等領域。目前，WorldGen已經在不同方向上推進落地應用。在具身智能領域，影眸Hyper3D已與地瓜機器人、謀先飛展開合作，推出仿真訓練方案：WorldGen負責生成可用於仿真的3D場景，謀先飛則進行仿真適配，地瓜機器人提供算力與開發工具鏈。張啟煊稱：“生成式3D可以快速擴充物體種類和場景佈局，但不會完全替代真實數據，機器人訓練未來更可能混合使用仿真與真實數據。
” 在影視領域，WorldGen能夠解決視頻模型在多鏡頭中難以保持空間和物體位置一致的問題。創作者可以先生成空間結構明確的3D場景，在其中調整鏡頭、移動物體和修改佈局，再交給Seedance 2.5等視頻模型補充人物表現、材質、光影和畫面風格。在遊戲和專業3D製作領域，WorldGen生成的獨立網格資產可以進入Blender、Unity、PlayCanvas和Unreal Engine等數字內容創作（DCC）工具及實時引擎，繼續進行材質調整、動畫綁定、關卡編輯和性能優化。今年7月，影眸Hyper3D還與Unity中國宣佈合作，嘗試打通從3D生成到實時遊戲應用的流程。
在XR領域，WorldGen可以將參考圖片還原為可編輯的三維空間，用戶能夠從不同視角觀察場景，並調整物體和空間佈局，可用於室內設計、空間展示和沉浸式體驗。張啟煊告訴，WorldGen在上述行業的應用目前主要處於內測或技術驗證階段，團隊將根據實際客戶需求確定後續投入重點。三、以剛體生成為主，向“構建世界”繼續演進 在採訪交流環節，針對WorldGen技術邊界的提問，張啟煊稱，系統生成的質量、摩擦係數等物理屬性並非對真實物體的精確測量，主要結合資產體積、視覺信息、周圍物體關係、傳統估計算法以及視覺語言模型，對質量分佈、摩擦係數和碰撞體進行推斷。因而，這些結果不能作為精密工程數據使用。
現階段，WorldGen主要支持剛體生成，尚未覆蓋關節化資產、柔體和流體等。關於WorldGen與“世界模型”的關係，吳迪稱，世界模型既包括面向決策和行動的行動模型（Action Model），也包括生成可交互、可訓練環境的模型，WorldGen更接近後者。影眸Hyper3D不會因此將自身定義為世界模型公司，其核心定位仍是3D生成。吳迪認為，視頻模型擅長最終畫面呈現，3D則能夠明確保存物體、空間結構和物理關係，兩條路線並非相互取代，未來更可能以混合方式結合。從單個資產走向完整場景，WorldGen讓生成結果具備更強的可控性、可編輯性和工作流兼容能力。
隨著3D生成從“看起來好看”走向“真正可用”，場景級生成也正在成為連接遊戲、影視、具身智能和XR等行業的新基礎能力。結語：3D生成競爭轉向場景可用性 WorldGen的3D生成能力，並不只是侷限於生成單個資產或是一個3D空間，它能夠構建多個獨立資產、理解空間關係與物理屬性，形成可繼續編輯、交互和運行的完整場景。3D生成的競爭重點正在從單個模型的視覺質量，進一步轉向場景的可控性、物理合理性和工作流兼容能力。現階段，WorldGen仍以剛體生成為主，部分物理屬性也依賴模型推斷，在具身智能、遊戲、影視和XR等領域仍處於驗證與早期落地階段。
其後續價值能否真正釋放，還要看生成結果能否穩定進入專業生產流程，但從“生成資產”走向“構建場景”，已經成為3D生成領域可行性較高的方案。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。