世界生成模型来了3D头部玩家，可进入生产管线的场景级生成时代来临！

鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

牛大发了！3D生成，刚刚从「造物」一脚跨进了「造世界」！

看过《盗梦空间》吗？造梦师只用挥挥双手，物理规律下街道能折叠，建筑随之升起。

现在，类似的一幕就出现在3D生成中：

随便上传一张场景图，2～3分钟后，一个完整的3D场景直接生成。

桌上的碗是可以单独拎起来的，椅子是可以旋转挪动的，不喜欢的家具也是可以随时随地替换的……

不同于只能围观的三维画面，这里每个资产都「活着」。

再或者，除了牛来，我们还可以马来、虎来！

踏出这一步的，正是3D生成头部玩家影眸Hyper3D，其正式发布世界生成模型WorldGen，把3D生成从单个资产推向完整场景。

相比业内宽泛的“世界模型”概念，WorldGen的定位更具体明晰——

不是生成一个只能观看的世界，而是交付可交互、可编辑、可进入真实生产环境的3D场景。

就像拼乐高积木，既能往里面持续加模块，也能随时抽出、替换其中任意一块；每一块还自带物理属性，如果不小心抽走关键支撑物，周围的物体同样会发生位移或跌落。

简单来说，这里的每一项资产都不会和背景彻底锁死，资产之间同样物理关系明确。

视频链接：https://weixin.qq.com/sph/Aj2SvejT8Q

也正因为具体，它离真实工作也更近。

游戏需要关卡，影视需要片场，机器人需要训练环境……但它们现在都可以从WorldGen开始，其生成能力已经足以跑进真实生产场景。

这条路也不是凭空造出来的，早在去年，影眸Hyper3D就凭借自研的场景级生成技术CAST拿下国际图形学顶会SIGGRAPH 2025最佳论文。

同期获奖的商业公司只有谷歌和Meta。

而CAST，就是WorldGen的技术基座。

所以如果说AI 3D的第一步是回答物体长什么样，那么WorldGen回答的则是第二个问题：

多个物体如何带着空间关系和物理属性，组成一个场景。

一张图→一组资产→一个场景

且说当下绝大多数的整体式场景生成，都有个通病：

好看，但中看不中用。

用户在场景内能做到的相当有限，基本就是走走看看。想改动？不好意思，只能推翻重来。

问题的根源出在生成方式上。用影眸Hyper3D创始人兼CEO吴迪的话来说：

传统做法直接将整个场景作为一个模型生成，所有内容容易被合并成不可拆解的整体，场景很难继续使用。
WorldGen的关键变化，是把场景拆解为可单独操作的资产，同时保留它们之间的空间与物理关系。

整个生成流程拆开来看是这样的：

打开官网（https://hyper3d.ai），选择WorldGen生成。

这里咱们上传一张卡通风格的厨房局部图。

系统会自动识别出图中的主要物体，也可以手动框选，单独指定要生成的部分。

接下来，每件前景物体将作为独立资产逐个生成，大约2到3秒就能出预览。

背景环境则用3D Gaussian Splatting补全，兼顾视觉完整性。整体可压缩至2到3分钟。

打开SimReady模式后，系统还会为每件资产补充碰撞体，并估计质量、摩擦系数、恢复系数等仿真所需的物理属性。

最终成功复刻3D版胡闹厨房。

场景初稿到手后，行业应用也不在话下。

先看数据需求最迫切的具身智能。

真实采集不仅要承担场地、设备和人员成本，火灾、坍塌等危险环境也无法被安全复现；传统仿真虽然可以补位，却又需要工程师耗费大量时间手把手搭场景，成本高还偏差大。

WorldGen则在二者当中达成了微妙的平衡。

以影眸Hyper3D、地瓜机器人、谋先飞在今年7月联合发布的闭环方案为例：

WorldGen负责从真实影像中生成可交互的三维场景，场景内的3D物品全部都具备仿真导入能力。

谋先飞的MotrixSim引擎负责物理与并行仿真，让机器人在其中运动、抓取和交互。

地瓜机器人提供算力和开发工具链。

三方整合，才形成从场景准备、仿真运行到数据采集和策略验证的完整链路。

作为NVIDIA Inception（初创加速计划）的一员，影眸Hyper3D也正通过WorldGen实现英伟达全球仿真生态的进一步联结，将“单个资产用于Isaac Sim”拓展为“整个场景用于Isaac Sim”。

游戏圈用法更直接。

过去拿到一张关卡概念图，美术和策划接下来还有一长串工作。

图生3D已经能缩短单件资产的制作时间，但这些资产最后仍要靠人一件件组装。

WorldGen试图把这部分工作进一步前置。

它先从概念图生成一版对象化场景，策划可以检查动线和空间，关卡设计师可以移动或替换道具，美术再决定哪些关键资产值得精修。

更方便的是，WorldGen生成后的独立资产能够直接进入Blender、Unity、PlayCanvas、团结引擎、Unreal Engine等DCC与实时引擎环境，进行材质调整、动画绑定、关卡编辑、性能优化等二次创作。

今年7月，影眸Hyper3D已经与Unity中国达成合作，合力构建打通从3D生成到实时游戏应用的工程闭环。

据团队介绍，WorldGen灰度测试期间，也已有多名游戏从业者对其表达了兴趣。

影视行业则看中了它当「导演台」的潜力。

吴迪举过一个很具体的例子：

导演要把画面左侧盘子里的苹果移到右侧盘子，纯视频生成很难稳定控制；
用WorldGen建立可控3D基底，再用视频生成模型提升最终画面质量，这样则相当直接。

目前已经有创作者把WorldGen与Seedance 2.5结合：

WorldGen提供3D场景，可以轻松完成镜头调度和构图调整，再交给视频生成模型，补齐人物表演、材质光影和最终风格。

WorldGen的AI Render模块则具备了AI渲染、自由运镜等功能，同一场景可以变换多种视觉风格，也为产品概念演示、空间导览等内容带来制作效率与品质的双重提升。

这套新用法，将让影视生成不必再在可控和好看之间二选一，出手即是大片级。

据了解，WorldGen如今已经进入实际影视项目的制作流程，相关作品将在完成后陆续上线。

XR与空间计算则验证了它的通用性。

既然场景可以从任意视角观察，主要对象又能被替换和移动，一张普通照片便有机会变成可以进入、浏览和调整的沉浸式空间。

室内设计、沉浸式教育、空间展示，都可以成为它的潜在落点。

搭配Apple Vision Pro等XR设备，《头号玩家》照进现实。

当然，这些还只是WorldGen的一小部分用法，潜力无穷，等你来探索～

从顶会最佳论文到产品化，WorldGen攒了整整一年

要理解WorldGen是如何一步“登天”的，还得从去年那篇CAST论文说起。

场景生成难在哪里？

不是把图生3D连续运行十几次就能实现的。单张图片天生缺少深度、真实尺度和物体背面的信息，还存在遮挡和透视畸变。

比如一个苹果被盘子挡住，模型要先补全看不见的部分；稍微生成大一点，摆回桌面时就可能穿进盘子；位置再偏一点，后续碰撞体和支撑关系也会跟着出错。

场景错误还会级联，一步错步步错，最后摊在产品里就是用户返工实打实的成本。

CAST的思路可以压缩成四步，先看懂→再补全→然后放回去→最后做物理纠错：

Step 1：模型把输入图片拆成对象，并估计相对深度，让一张没有结构的RGB图片变成对象清单和空间线索。

Step 2：针对每个物体独立生成完整3D几何。遮挡感知机制会参考可见部分和场景信息，补出图片里看不到的区域。

Step 3：把生成好的物体放回统一空间。系统需要估计旋转、平移和尺度，尽量保持与原图的构图和位置一致。

Step 4：建立更细的物体关系图，描述接触、支撑、悬挂等关系，再结合SDF进行物理校正，减少互相穿透、悬空和不合理堆叠。

于是这套框架拿到了SIGGRAPH去年的最佳论文，组委会的评价是：

CAST支持开放词汇的重建任务，在处理遮挡、精确对齐物体以及确保物理世界与输入图像的一致性方面表现卓越，为虚拟内容的创作和具身智能相关领域开辟了新的可能性。

但距离产品化，CAST还差一口气。

团队后来又花了将近一年的时间，来专门解决多模块串联导致的错误累计问题。

通过减少冗余模块、重构底层流程和提升单环节稳定性，才最终让WorldGen以完全体形态发布。

至于为什么说它是「世界生成模型」，而非广义的「世界模型」或者「场景生成模型」，影眸Hyper3D联创兼CTO张启煊是这样定义的：

我们认为，世界生成模型是通过文本提示或一张图像，把其中描绘的场景还原为可用的三维世界。
它既能生成开放式场景，也更接近“世界”的表达。
它仍然是广义世界模型的重要组成部分，毕竟真正的“世界模型”需要某种载体来承载世界的外观与属性，只不过，影眸选择的载体是3D。

3D生成，进入场景级时代

回到最初的问题：WorldGen到底解决了什么？

答案已然在应用中清晰。

它不会直接生成一款可以上线的游戏、一部完整的电影，也不会替具身智能完成训练和决策，但它解决的是所有这些产业共同面对的前置难题：

怎样将脑洞与海量资产结合起来，快速场景化变现。

以Hyper3D Rodin Gen-2.5为代表的3D生成模型，已经将单资产制作周期从数天缩短至分钟乃至秒级，但真实项目中，极少只需要孤立资产。

后续不可避免要对不同形态、物理属性的资产进行拼装，包括识别、校准、导入引擎等，这些仍然都需要人来做。

WorldGen改变的，正是AI 3D的基础交付单位：

从一件生成好的物体，变成一份已经初步搭建完成的场景。

虽然距离最终成品仍有进步空间，但对于游戏设计师、影视创作者和仿真工程师而言，已经提供了一个能够继续编辑的起点。

而场景要真正可用，仅仅“看起来像”还不够。

对物理规律的模拟，才决定了WorldGen的上限。创造出的细节越多，就越真实、越好用。

当生成出的场景能够承载内容、模拟交互，并接入现有工作流，它吸引的便不再只是尝鲜的普通用户，还有真正需要提高生产效率的专业创作者。

3D生成原本就是最接近生产流程的AI应用之一。只有当生成结果能够被持续编辑、复用并投入生产，它的价值才会真正释放。

过去限制3D生成落地的，就是WorldGen今天补位的场景级缺口。

它的出现，可谓天时地利人和。

于是从生成物体到组装世界，3D生成，就此进入场景级时代。

官网链接：https://hyper3d.ai