北京
9月1日，3D生成大模型公司影眸Hyper3D正式发布世界生成模型WorldGen，将3D生成从“单个资产”推进到“完整场景”。
用户上传一张场景图片后，系统可以自动识别其中的主要物体，也可以由用户手动框选生成对象；前景中需要编辑和交互的物体由Hyper3D Rodin生成独立Mesh资产，背景则以3D Gaussian Splatting表达。通过团队自研CAST架构，WorldGen会进一步重建物体之间的位置、尺度、朝向和基础物理关系，生成由多个独立资产组成的3D场景。
网易科技也和影眸Hyper3D创始人、CEO吴迪，以及联合创始人、CTO张启煊进行了交流。吴迪表示，WorldGen是公司在场景生成方向的最新进展，“它把3D生成从单物体推进到多物体、可交互的场景级生成”。
据介绍，当单个3D资产生成逐渐可用后，资产如何进入完整场景是当前面临的主要问题。吴迪举例称，传统做法如果直接把整个会议室作为一个模型生成，“所有内容容易被合并为不可拆解的整体，场景很难继续使用”。WorldGen要做的是把场景拆解为可单独操作的资产，同时保持它们之间的空间与物理关系。
在张启煊看来，场景生成比单物体生成更难。这是因为模型“不仅要生成物体，还要理解物体之间的支撑、悬挂、接触和遮挡关系”。他提到，CAST研究完成后，产品化仍用了约一年时间，原因在于多模块系统会产生错误累积，“即使每个模块成功率都很高，级联后的整体成功率也会显著下降”。
物理属性是WorldGen强调的另一项能力。开启SimReady后，系统会为资产补充碰撞体，并估计质量、摩擦系数、恢复系数等仿真所需属性。但张启煊也明确表示，这些属性来自推断，“是用于仿真的估计值，不是测量值，不能当作精密工程数据使用”。当前WorldGen主要生成刚体，关节化资产、柔性体和动态交互仍是后续方向。
这种边界也决定了WorldGen的落点并不只在具身智能。张启煊表示，具身是重要应用方向，但不是唯一方向，“这个产品严格意义上不是为具身行业做的，它是通用产品”。在他看来，场景生成同时对应游戏、XR、视频生成和机器人仿真等需求。
在游戏场景中，张启煊认为，如果只把3D生成理解为降本，“这是相对次要的增益”。更重要的是让UGC成为更有表现力的游戏机制，并让小团队在没有完整美术配置的情况下制作高质量资产。吴迪则判断，“3D生成如果不能更深入地衔接用户workflow，上限会很低”。
影视制作是另一个典型场景。吴迪提到，如果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；但在3D场景中，移动物体会直接得多。他认为，视频模型擅长最终视觉呈现，3D擅长记录空间状态、结构关系和可控操作，“Hybrid一定会发生”。
对于外界关注的“世界模型”概念，吴迪保持了相对明确的区分：“我们不会把公司定位为世界模型公司。”他表示，行业对世界模型尚无统一定义，影眸Hyper3D长期关注的仍是3D生成及其衍生能力如何服务3D从业者，并降低普通用户的使用门槛。
从这个角度看，WorldGen并不是把“图生3D”换一个更大的名字，而是把3D生成的问题从单个资产推进到资产之间的关系、物理约束和生产流程。而张启煊则把行业变化概括为一句话：竞争点正在从“能否生成一个看起来不错的模型”，转向“能否控制、编辑、拆分、进入工作流并稳定交付”。（袁宁）
