機(jī)器之心編輯部

速度、質(zhì)量、管線可用性，是 AI 3D 生成領(lǐng)域公認(rèn)的不可能三角。三件事，從來沒有同時(shí)成立過。直到現(xiàn)在。VAST 最新發(fā)布的 Tripo P1.0，首次在原生三維空間中實(shí)現(xiàn)概率生成，2 秒內(nèi)即可輸出專業(yè)建模師級(jí)別的 3D 資產(chǎn)，效率較現(xiàn)有方案提升百倍以上。

過去，一個(gè)經(jīng)驗(yàn)豐富的 3D 建模師，完成一個(gè)游戲級(jí)別的角色資產(chǎn)，往往需要數(shù)天時(shí)間。

現(xiàn)在，只要2 秒

用戶只需輸入一張圖片，或給出簡(jiǎn)單的提示語，系統(tǒng)便能在 2 秒內(nèi)生成一個(gè)拓?fù)湟?guī)整、布線合理、約 5000 面（最高可達(dá) 20000 面）的游戲級(jí)模型。

這一突破來自國(guó)內(nèi)專注于 3D 生成的明星初創(chuàng)公司 VAST。其最新發(fā)布的Tripo P1.0 模型通過 Smart Mesh 功能，在 Tripo Studio 平臺(tái)上實(shí)測(cè)只需約 2 秒即可生成結(jié)構(gòu)化 3D 網(wǎng)格。

使用地址：https://studio.tripo3d.ai/workspace/generate

不少網(wǎng)友看到這一消息后只剩下一句評(píng)價(jià)：從提示詞到可用網(wǎng)格資產(chǎn)，如今幾乎瞬間完成。隨著生成速度的大幅提升，創(chuàng)作的試錯(cuò)成本被進(jìn)一步壓低：

但速度只是這次突破的一部分。更重要的是，生成結(jié)果本身已經(jīng)具備管線級(jí)的結(jié)構(gòu)質(zhì)量。

P1.0 生成的 Mesh 擁有更加干凈、智能的拓?fù)浣Y(jié)構(gòu)，整體布線規(guī)整，幾何形體與輸入圖像高度一致。同時(shí)，面數(shù)可以在500 到 20000 面之間靈活控制，以適配不同使用場(chǎng)景。

更關(guān)鍵的是，生成后的資產(chǎn)可以直接進(jìn)入實(shí)時(shí)圖形流程，適用于游戲開發(fā)、仿真模擬、實(shí)時(shí)渲染、Web 工具以及大規(guī)模內(nèi)容生產(chǎn)等場(chǎng)景。換句話說，從提示詞到一個(gè)可用的 3D 資產(chǎn)，中間幾乎不再需要復(fù)雜的建模流程。

在 3D 生成領(lǐng)域，速度、質(zhì)量和管線可用性長(zhǎng)期以來被視為難以同時(shí)滿足的不可能三角。過去的模型要么生成速度慢，要么結(jié)構(gòu)質(zhì)量不足，要么無法進(jìn)入真實(shí)生產(chǎn)管線。

而隨著 Tripo P1.0 的發(fā)布，這三件事，第一次開始同時(shí)成立。

效果怎么樣，我們先來看 Smart Mesh 功能的測(cè)試案例。

在這個(gè)案例中，Smart Mesh 完美復(fù)刻了角色頭盔的圓潤(rùn)弧度與護(hù)甲的硬朗切面，尾巴等細(xì)長(zhǎng)結(jié)構(gòu)無粘連，幾何形變控制極其穩(wěn)?。?/p>

對(duì)這種帶有露臺(tái)、階梯和多層結(jié)構(gòu)的建筑，在傳統(tǒng) AI 生成中極易出現(xiàn)「結(jié)構(gòu)穿插」或「透視扭曲」。而 Smart Mesh 完美還原了陽臺(tái)護(hù)欄、外部樓梯與主體的空間連接關(guān)系，幾何邏輯非常清晰：

下面是 Tripo P1.0 自動(dòng)生成匹配的紋理貼圖的效果展示。

可以看出，Tripo P1.0 體現(xiàn)了極高的紋理采樣與幾何捕捉能力，在材質(zhì)精度、光影渲染以及細(xì)節(jié)刻畫上都達(dá)到了專業(yè)級(jí)水準(zhǔn)：

在這個(gè)案例中，Tripo P1.0 模型的紋理貼圖非常真實(shí)，精細(xì)地捕捉了木雕或彩塑表面的斑駁感、油漆脫落的痕跡以及木材本身的紋理：

這種驚艷的資產(chǎn)交付能力并非偶然，而是源于 VAST 對(duì) 3D 生成底層范式的推倒重來。

為什么 3D 是 AI 最難啃的骨頭

過去幾年，AI 在圖像、視頻與語音領(lǐng)域席卷一切，但 3D 始終是那塊最難啃的骨頭。

原因在于，幾乎所有主流 AI 模型都脫胎于語言或圖像的邏輯，它們本質(zhì)上是在處理一維序列（文字）或二維矩陣（像素）。當(dāng)這套邏輯被沿用到三維空間時(shí)，研究者面臨一個(gè)根本性的困境：三維空間沒有天然的順序。

我們不妨用一個(gè)直覺類比來理解這個(gè)困境：你試圖用電話向一個(gè)從未見過椅子的人描述一把椅子。你必須把它拆成一句一句話，按順序描述，先說四條腿，再說椅面，再說靠背。但椅子本身并不是按這個(gè)順序存在的，它同時(shí)存在，整體存在。你描述第一條腿的時(shí)候，另外三條腿也在那里。

把一個(gè)整體存在的結(jié)構(gòu)強(qiáng)行序列化，意味著人為引入了本不存在的因果順序。這帶來兩個(gè)直接后果。

• 其一，對(duì)稱性的喪失。三維空間本質(zhì)上具有各向同性，沒有絕對(duì)的前后左右。強(qiáng)行加入順序，就等于強(qiáng)行破壞了這種原生的對(duì)稱性，讓模型從一開始就帶著一個(gè)結(jié)構(gòu)性錯(cuò)誤去學(xué)習(xí)。
• 其二，誤差的級(jí)聯(lián)。在逐步生成的過程中，前端的微小偏差會(huì)被持續(xù)放大。模型生成桌子四條腿時(shí)，如果它處于處理第一條腿的階段，它并不知道另外三條腿的存在，于是每一步預(yù)測(cè)都缺乏全局視野，最終導(dǎo)致結(jié)構(gòu)混亂。

這正是為何傳統(tǒng) AI 3D 網(wǎng)格生成長(zhǎng)期徘徊在速度慢、拓?fù)鋪y、后處理重的困境之中。

Tripo P1.0：從第一性原理出發(fā)的重構(gòu)

VAST 的選擇是，回到更基礎(chǔ)的問題重新問一遍。

既然三維形狀本質(zhì)上是一個(gè)整體結(jié)構(gòu)，模型就應(yīng)該從整體角度，在原生三維空間中對(duì)整個(gè)形狀的生成過程建模，而不是把它拆碎了、排成序列、再逐步還原。

這正是 P1.0 的核心范式轉(zhuǎn)變：從強(qiáng)行序列化到原生空間演化

在 P1.0 的框架中，頂點(diǎn)的位置、邊的連接關(guān)系以及面的結(jié)構(gòu)，被統(tǒng)一表示在同一個(gè)特征空間中，通過統(tǒng)一的特征度量來描述點(diǎn)、線、面之間的關(guān)系。整個(gè)三維網(wǎng)格的幾何結(jié)構(gòu)與拓?fù)潢P(guān)系，在一個(gè)概率空間中同時(shí)建模，共同演化。

用 VAST 首席科學(xué)家曹炎培的話來說：我們把整個(gè)三維的網(wǎng)格信號(hào)概率化，然后在這個(gè)概率空間里做全局的三維幾何演化。

這種從局部拼接到全局涌現(xiàn)的架構(gòu)轉(zhuǎn)變，帶來了三個(gè)層面的直接改變。

幾何層面：整體涌現(xiàn)，而非局部拼接。由于模型在生成任何一個(gè)局部結(jié)構(gòu)時(shí)都能感知整體，結(jié)構(gòu)對(duì)稱性、比例關(guān)系、幾何一致性不再依賴后期修正，而是作為全局生成的自然結(jié)果涌現(xiàn)出來。例如人類角色左右手臂布線的對(duì)稱性、復(fù)雜機(jī)械零件的幾何規(guī)律性，在 P1.0 的框架下都能自然形成，而不需要任何人工干預(yù)。

質(zhì)量層面：訓(xùn)練數(shù)據(jù)即工業(yè)標(biāo)準(zhǔn)。P1.0 直接在符合工業(yè)規(guī)范的高質(zhì)量三維網(wǎng)格數(shù)據(jù)上進(jìn)行訓(xùn)練，這背后是 VAST 多年積累的約 5000 萬條高質(zhì)量 3D 數(shù)據(jù)，規(guī)模為全行業(yè)之最。生成結(jié)果本身就具備規(guī)范的拓?fù)浣Y(jié)構(gòu)和合理的布線邏輯，傳統(tǒng)流程中耗時(shí)的重拓?fù)?、手工布線修復(fù)等后處理步驟，在 P1.0 的工作流中已基本不再必要。

效率層面：傳統(tǒng)序列化方法的計(jì)算開銷居高不下，核心原因在于它本質(zhì)上是在離散的組合空間中做暴力搜索，引發(fā)了巨大的組合復(fù)雜度。P1.0 將復(fù)雜的拓?fù)潢P(guān)系映射為高維特征場(chǎng)之間的連續(xù)度量關(guān)系，只需簡(jiǎn)單的向量?jī)?nèi)積等線性代數(shù)運(yùn)算即可完成大量結(jié)構(gòu)推理，這類運(yùn)算天然契合 GPU 的大規(guī)模并行特性。這也是為何過去需要數(shù)百秒才能完成的生成任務(wù)，P1.0 只需約 2 秒。

這三個(gè)層面的改變，本質(zhì)上指向同一件事：AI 3D 網(wǎng)格生成的底層范式，正在經(jīng)歷一次徹底改變。

算法 1.0 階段，以基于序列化的自回歸生成方法為代表。這一階段的核心貢獻(xiàn)是驗(yàn)證了 AI 生成三維內(nèi)容的技術(shù)可行性，但受制于序列化方法論的結(jié)構(gòu)性局限，始終在速度、質(zhì)量、管線可用性三者之間被迫取舍：要速度就犧牲質(zhì)量，要質(zhì)量就承受漫長(zhǎng)等待，要工程可用就需要大量后處理，三件事從未同時(shí)成立過。

隨著 Tripo P1.0 的發(fā)布，以原生三維空間中的概率生成為核心特征。三維結(jié)構(gòu)不再被強(qiáng)行分解為序列，而是在統(tǒng)一的高維特征空間中整體建模、全局演化。速度、質(zhì)量與管線可用性，第一次開始同時(shí)成立。

深度對(duì)話 VAST 首席科學(xué)家曹炎培：從「視覺近似」跨越到「工業(yè)資產(chǎn)」

另外，機(jī)器之心也有幸采訪到了 VAST 首席科學(xué)家曹炎培，他的講述或許能讓我們更清晰地看到，這家公司究竟在下一盤什么樣的棋。

「雙旗艦」布局

其實(shí)在 P1.0 之外，VAST 另一條路線Tripo H3.1 也在 3D 生成賽道領(lǐng)跑。但團(tuán)隊(duì)并沒有停在已有成果上，而是選擇了再出發(fā)。VAST 認(rèn)為：現(xiàn)有范式存在結(jié)構(gòu)性天花板，需要從底層算法架構(gòu)上重新來過。

機(jī)器之心：這次發(fā)布的 H3.1 和 P1.0 分別承擔(dān)什么角色？各自的優(yōu)勢(shì)是什么？

曹炎培：H3.1 延續(xù)了 Tripo 從 1.0 到 3.0 再到 3.1 的進(jìn)化路線，追求極致的視覺和幾何保真度，不斷突破 3D 生成的分辨率上限。

P1.0 解決的是時(shí)效性問題，在滿足生產(chǎn)管線和工業(yè)標(biāo)準(zhǔn)兼容性的前提下實(shí)現(xiàn)極快的生成。以前 H3.0 也可以通過一套模型串聯(lián)來實(shí)現(xiàn)良好拓?fù)洹⒖勺鰟?dòng)畫的程度，但時(shí)間和流程都比較長(zhǎng)。P1.0 直接在工業(yè)可用的標(biāo)準(zhǔn)數(shù)據(jù)上訓(xùn)練和生成，端到端地解決了滿足藝術(shù)家要求的、帶邏輯布線的網(wǎng)格生成，跨越了以往圖形學(xué)中繁瑣的重拓?fù)洳襟E。

具體應(yīng)用上，H3.1 適用于追求視覺天花板或需要精細(xì)表面細(xì)節(jié)的產(chǎn)品，比如工業(yè)級(jí) 3D 打印、3A 游戲主角的參考建模、汽車油泥模型等工業(yè)設(shè)計(jì)場(chǎng)景。P1.0 生成的是各種引擎和 3D 編輯器中能直接使用的實(shí)時(shí)資產(chǎn)，可以直接進(jìn)入可交互的動(dòng)畫或游戲，以及機(jī)器人仿真、XR/AR 等場(chǎng)景。兩者結(jié)合能覆蓋更廣的應(yīng)用場(chǎng)景。

H3.1 生成的城堡效果

從專業(yè)工具到普通用戶：3D 建模門檻的消失

機(jī)器之心：對(duì) 3A 游戲制作、具身智能等行業(yè)來說意義很大？

曹炎培：是的，比如具身智能領(lǐng)域，大家不只需要靜態(tài)資產(chǎn)，還需要資產(chǎn)具有可動(dòng)性和交互性 —— 盒子能打開，抽屜能抽出來，桌子能傾倒，機(jī)械臂能操作。這涉及實(shí)時(shí)動(dòng)畫，要在計(jì)算預(yù)算有限的仿真器里實(shí)時(shí)模擬和運(yùn)行，這些都是更適合 P1.0 的場(chǎng)景

機(jī)器之心：Smart Mesh 對(duì)不會(huì) 3D 建模的普通用戶意味著什么？

曹炎培：未來很快，大家會(huì)模糊 3D 建模這個(gè)概念。用戶會(huì)回歸到創(chuàng)造 3D 模型的原始意圖，而不是糾結(jié)于該怎么用工具得到三維模型

我們最看好的是 UGC 場(chǎng)景。3D 打印本身也是一種 UGC，而 P1.0 帶來的是 UGC 交互內(nèi)容的普及和大眾化。現(xiàn)在各種 AI agent 和 World Model 的發(fā)展已經(jīng)為構(gòu)建可交互環(huán)境和背后邏輯打好了基礎(chǔ)，缺的就是各種各樣的元素。以后大家不需要考慮這些元素怎么獲得，它會(huì)像生成一張圖片或一個(gè) icon 一樣簡(jiǎn)單。在 3D 交互環(huán)境里，需要一座山、一棟樓、一個(gè)角色，只需要跟大模型需要怎樣的資產(chǎn)包、維護(hù)怎樣的行為邏輯，我們的模型就都能提供。大多數(shù)人使用 P1.0 這樣的模型時(shí)，甚至不會(huì)意識(shí)到自己完成了建模步驟，只是獲得了最終有價(jià)值的資產(chǎn)。這可能為未來空間計(jì)算等方向提供了最重要的基礎(chǔ)。

機(jī)器之心：你們提到 AI 3D 已經(jīng)打破了速度、質(zhì)量和工程可用性的不可能三角，這對(duì)行業(yè)意味著什么樣的質(zhì)變？

曹炎培：以前所有受限于資產(chǎn)豐富性、建模成本以及 3D 生成模型可用性的場(chǎng)景，創(chuàng)作者都會(huì)發(fā)現(xiàn)這些限制不復(fù)存在。當(dāng)生成一個(gè)標(biāo)準(zhǔn)的 3D 交互資產(chǎn)只需要幾秒，想象力就被無限放大，用戶不會(huì)覺得利用三維資產(chǎn)做想做的事情還有任何障礙。

機(jī)器之心：P1.0 生成出來的物體是否可以直接進(jìn)入游戲或渲染 pipeline ，或進(jìn)行編輯？

曹炎培：完全沒有問題。Tripo P1.0 就是在圖形管線可用的數(shù)據(jù)上訓(xùn)練的，生成出來的模型已經(jīng)模糊了專業(yè)建模師和普通創(chuàng)作者之間的邊界 —— 甚至不只是模糊。我們相當(dāng)于把擁有五年經(jīng)驗(yàn)的美術(shù)或技術(shù)美術(shù)才能做出的拓?fù)洳季€邏輯，變成了算法上的直覺。普通人通過一張圖或一個(gè)想法就能瞬間獲得外觀正確、結(jié)構(gòu)符合工業(yè)標(biāo)準(zhǔn)的資產(chǎn)。不管是創(chuàng)意者還是生產(chǎn)力用戶，都能回歸到意圖本身。

關(guān)于編輯，目前我們已經(jīng)有內(nèi)測(cè)功能，近期在 GDC 上也會(huì)展示模型原生的編輯能力。以后連 Blender 等復(fù)雜編輯工具也不再成為門檻，大家只需要與模型交互或?qū)υ挘涂梢跃庉嫽蜓莼鲎罱K想要的模型。

3D 模態(tài)正在成為 AI 基礎(chǔ)設(shè)施

機(jī)器之心：如果用一段話總結(jié) P1.0 的意義，你會(huì)怎么說？

曹炎培：從行業(yè)和技術(shù)演進(jìn)的角度講，P1.0 讓 3D 生成從以前的視覺近似跨越到了產(chǎn)業(yè)級(jí)、工業(yè)級(jí)的結(jié)構(gòu)資產(chǎn)可用階段。在算法和理論層面，它證明了 AI 完全可以在原生三維空間中直接生成符合藝術(shù)家生產(chǎn)管線標(biāo)準(zhǔn)的高質(zhì)量網(wǎng)格，打破了很多人對(duì) AI 3D 的偏見。AI 3D 能夠進(jìn)一步大規(guī)模進(jìn)入次世代游戲、空間計(jì)算、物理 AI 等實(shí)時(shí)工作流，打通了 AI 對(duì) 3D 理解和生成的一大瓶頸。3D 這個(gè)模態(tài)依然很有希望，正在以很快的速度發(fā)展，并且正在成為整個(gè) AI 基礎(chǔ)設(shè)施中非常重要的一環(huán)，而不是說所有的 AI 都必須建立在語言、圖像、視頻的基礎(chǔ)上。

人才護(hù)城河：V?STAR 計(jì)劃與持續(xù)創(chuàng)新

機(jī)器之心：關(guān)于團(tuán)隊(duì)和人才方面，還有什么想補(bǔ)充的？

曹炎培：我們之所以能做出這些重要突破，很大程度上是因?yàn)閾碛行袠I(yè)內(nèi)最優(yōu)秀的一群 researcher。這既包括從公司成立以來就一起做研究、一起共事的伙伴們，也很大程度上歸功于去年推出的V?STAR 人才計(jì)劃—— 一項(xiàng)面向頂尖研究者的專項(xiàng)招募與培養(yǎng)機(jī)制。V?STAR 計(jì)劃幫助我們團(tuán)結(jié)了很多對(duì)多模態(tài)生成領(lǐng)域有濃厚興趣且能力很強(qiáng)的小伙伴，才能不斷持續(xù)有突破，包括 H3.1、P1.0，以及后續(xù)在世界模型方面的進(jìn)展，都和人才積累密切相關(guān)。

我們也在持續(xù)發(fā)布新的招聘計(jì)劃，希望吸納更多優(yōu)秀的人加入。