機器之心編輯部

速度、質(zhì)量、管線可用性，是 AI 3D 生成領(lǐng)域公認的不可能三角。三件事，從來沒有同時成立過。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現(xiàn)概率生成，2 秒內(nèi)即可輸出專業(yè)建模師級別的 3D 資產(chǎn)，效率較現(xiàn)有方案提升百倍以上。

過去，一個經(jīng)驗豐富的 3D 建模師，完成一個游戲級別的角色資產(chǎn)，往往需要數(shù)天時間。

現(xiàn)在，只要2 秒

用戶只需輸入一張圖片，或給出簡單的提示語，系統(tǒng)便能在 2 秒內(nèi)生成一個拓撲規(guī)整、布線合理、約 5000 面（最高可達 20000 面）的游戲級模型。

這一突破來自國內(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 平臺上實測只需約 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價：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)作的試錯成本被進一步壓低：

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)具備管線級的結(jié)構(gòu)質(zhì)量。

P1.0 生成的 Mesh 擁有更加干凈、智能的拓撲結(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，面數(shù)可以在500 到 20000 面之間靈活控制，以適配不同使用場景。

更關(guān)鍵的是，生成后的資產(chǎn)可以直接進入實時圖形流程，適用于游戲開發(fā)、仿真模擬、實時渲染、Web 工具以及大規(guī)模內(nèi)容生產(chǎn)等場景。換句話說，從提示詞到一個可用的 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)量和管線可用性長期以來被視為難以同時滿足的不可能三角。過去的模型要么生成速度慢，要么結(jié)構(gòu)質(zhì)量不足，要么無法進入真實生產(chǎn)管線。

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

效果怎么樣，我們先來看 Smart Mesh 功能的測試案例。

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

對這種帶有露臺、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 完美還原了陽臺護欄、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、光影渲染以及細節(jié)刻畫上都達到了專業(yè)級水準：

在這個案例中，Tripo P1.0 模型的紋理貼圖非常真實，精細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 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）。當這套邏輯被沿用到三維空間時，研究者面臨一個根本性的困境：三維空間沒有天然的順序。

我們不妨用一個直覺類比來理解這個困境：你試圖用電話向一個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順序存在的，它同時存在，整體存在。你描述第一條腿的時候，另外三條腿也在那里。

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

• 其一，對稱性的喪失。三維空間本質(zhì)上具有各向同性，沒有絕對的前后左右。強行加入順序，就等于強行破壞了這種原生的對稱性，讓模型從一開始就帶著一個結(jié)構(gòu)性錯誤去學(xué)習(xí)。
• 其二，誤差的級聯(lián)。在逐步生成的過程中，前端的微小偏差會被持續(xù)放大。模型生成桌子四條腿時，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)格生成長期徘徊在速度慢、拓撲亂、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整個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：從強行序列化到原生空間演化

在 P1.0 的框架中，頂點的位置、邊的連接關(guān)系以及面的結(jié)構(gòu)，被統(tǒng)一表示在同一個特征空間中，通過統(tǒng)一的特征度量來描述點、線、面之間的關(guān)系。整個三維網(wǎng)格的幾何結(jié)構(gòu)與拓撲關(guān)系，在一個概率空間中同時建模，共同演化。

用 VAST 首席科學(xué)家曹炎培的話來說：我們把整個三維的網(wǎng)格信號概率化，然后在這個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局部結(jié)構(gòu)時都能感知整體，結(jié)構(gòu)對稱性、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稱性、復(fù)雜機械零件的幾何規(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)標準。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)范的拓撲結(jié)構(gòu)和合理的布線邏輯，傳統(tǒng)流程中耗時的重拓撲、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)雜的拓撲關(guān)系映射為高維特征場之間的連續(xù)度量關(guān)系，只需簡單的向量內(nèi)積等線性代數(shù)運算即可完成大量結(jié)構(gòu)推理，這類運算天然契合 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是驗證了 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)量就承受漫長等待，要工程可用就需要大量后處理，三件事從未同時成立過。

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，第一次開始同時成立。

深度對話 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。但團隊并沒有停在已有成果上，而是選擇了再出發(fā)。VAST 認為：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。

機器之心：這次發(fā)布的 H3.1 和 P1.0 分別承擔什么角色？各自的優(yōu)勢是什么？

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 解決的是時效性問題，在滿足生產(chǎn)管線和工業(yè)標準兼容性的前提下實現(xiàn)極快的生成。以前 H3.0 也可以通過一套模型串聯(lián)來實現(xiàn)良好拓撲、可做動畫的程度，但時間和流程都比較長。P1.0 直接在工業(yè)可用的標準數(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)中繁瑣的重拓撲步驟。

具體應(yīng)用上，H3.1 適用于追求視覺天花板或需要精細表面細節(jié)的產(chǎn)品，比如工業(yè)級 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)計場景。P1.0 生成的是各種引擎和 3D 編輯器中能直接使用的實時資產(chǎn)，可以直接進入可交互的動畫或游戲，以及機器人仿真、XR/AR 等場景。兩者結(jié)合能覆蓋更廣的應(yīng)用場景。

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

機器之心：對 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)具有可動性和交互性 —— 盒子能打開，抽屜能抽出來，桌子能傾倒，機械臂能操作。這涉及實時動畫，要在計算預(yù)算有限的仿真器里實時模擬和運行，這些都是更適合 P1.0 的場景

機器之心：Smart Mesh 對不會 3D 建模的普通用戶意味著什么？

曹炎培：未來很快，大家會模糊 3D 建模這個概念。用戶會回歸到創(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?，F(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，它會像生成一張圖片或一個 icon 一樣簡單。在 3D 交互環(huán)境里，需要一座山、一棟樓、一個角色，只需要跟大模型需要怎樣的資產(chǎn)包、維護怎樣的行為邏輯，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，甚至不會意識到自己完成了建模步驟，只是獲得了最終有價值的資產(chǎn)。這可能為未來空間計算等方向提供了最重要的基礎(chǔ)。

機器之心：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景，創(chuàng)作者都會發(fā)現(xiàn)這些限制不復(fù)存在。當生成一個標準的 3D 交互資產(chǎn)只需要幾秒，想象力就被無限放大，用戶不會覺得利用三維資產(chǎn)做想做的事情還有任何障礙。

機器之心：P1.0 生成出來的物體是否可以直接進入游戲或渲染 pipeline ，或進行編輯？

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。我們相當于把擁有五年經(jīng)驗的美術(shù)或技術(shù)美術(shù)才能做出的拓撲布線邏輯，變成了算法上的直覺。普通人通過一張圖或一個想法就能瞬間獲得外觀正確、結(jié)構(gòu)符合工業(yè)標準的資產(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)測功能，近期在 GDC 上也會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

機器之心：如果用一段話總結(jié) P1.0 的意義，你會怎么說？

曹炎培：從行業(yè)和技術(shù)演進的角度講，P1.0 讓 3D 生成從以前的視覺近似跨越到了產(chǎn)業(yè)級、工業(yè)級的結(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)管線標準的高質(zhì)量網(wǎng)格，打破了很多人對 AI 3D 的偏見。AI 3D 能夠進一步大規(guī)模進入次世代游戲、空間計算、物理 AI 等實時工作流，打通了 AI 對 3D 理解和生成的一大瓶頸。3D 這個模態(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 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。

人才護城河：V?STAR 計劃與持續(xù)創(chuàng)新

機器之心：關(guān)于團隊和人才方面，還有什么想補充的？

曹炎培：我們之所以能做出這些重要突破，很大程度上是因為擁有行業(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 人才計劃—— 一項面向頂尖研究者的專項招募與培養(yǎng)機制。V?STAR 計劃幫助我們團結(jié)了很多對多模態(tài)生成領(lǐng)域有濃厚興趣且能力很強的小伙伴，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)布新的招聘計劃，希望吸納更多優(yōu)秀的人加入。