一群00后做的AI 3D工具，第3次融到數億元，負責人：得出來搶用戶了

成為全球游戲行業最具影響力的價值連接者

影眸科技宣布又完成了新一輪數億元人民幣融資。本輪融資由凱輝基金、上海國投先導領投，老股東持續跟投。而這已經是他們第三次拿到如此大額的融資了。

影眸科技是3D生成大模型（一句話/一張圖生成3D模型）圈子里的頭部公司之一。2024年，他們首次落地生成工具Hyper3D Rodin，發展中定型出了“用戶可控”的特色，支持生成/自主導入模型的整體與部分編輯、拆分，讓AI 3D生成結果從“賭”變為了“選擇”。

今年6月，Hyper3D Rodin發布了Rodin Gen-2.5版本，又推動該產品實現了應用場景再擴容。據稱，這是全球首個具備千萬面級生成能力的3D大模型，首次將類大語言模型的“先思考、再生成”運行邏輯引入3D生成領域，最快4秒可生成百萬面模型，并以5個生成品質的分層支持滿足不同用戶的不同落地需求，且同步推出全球首個12K精度的原生3D貼圖模型。

根據公司披露的數據，Rodin Gen-2.5上線首月，訂閱用戶與年經常性收入（ARR）的環比增速均超過了400%。

前段時間游戲日報受邀到影眸科技公司觀摩他們最新版本的成果，也和其他媒體一起采訪了影眸科技CEO吳迪、CTO張啟煊。

聊下來我發現這家公司：比如他們僅60余人，平均00后，還有圈子里最多的頂會論文提名，年度ARR數千萬美元，卻并不恣意說空話，把production-ready（可投入生產）作為核心堅持，用行業最頂尖的技術，做腳踏實地的工具。

包括談到這次融資，吳迪也沒有講什么“性感的未來想象”，而是說要投入技術研發，要做傳播擴大增長。理由很直白，既然模型領先，那就該跑出來去搶用戶，讓生態滾起來。

以下為交流內容整理：

Hyper3D Rodin能用來做什么？

Q：借助你們的工具，目前用戶可以將生成內容用到哪個階段了？

張啟煊：Rodin Gen-2.5落地后，很多工作室已經把Extreme High模式用到了高模階段，比如生成一只怪獸，表面微微隆起的龍鱗都會在高模上雕刻出來，然后直接與白模或low poly模型烘焙。往低面走，我們推出了Smart Low Poly功能，可以生成低面布線模型，國內有些工作室開始直接用在了移動端，但該功能還在Beta階段，要跑五六分鐘，所以是小范圍使用。

我們認為，在可預見的未來，像 Extreme-High 模式很可能取代部分三維掃描場景——比如文物類資產的實景掃描，相當一部分其實可以用生成來替代。

Q：你們工具的應用場景是怎么明確下來的？

吳迪：基本是每一代模型上線后，才逐步發掘出新的適用場景。

比如1.0版本精度僅能產出中模，工作流程是原畫師出初稿，再交給外包、建模師在大型軟件里二次修改、重建模，僅能做預覽使用。最早研發3D生成模型時，為提升數據可用性、拉高生成成功率，我們會在底層3D表達上將模型加厚；但該操作存在缺陷，直角、銳角會被渲染成圓弧曲面，整體模型表面過度圓滑，是初代模型性能不足做出的妥協。

1.5版本我們重構了底層3D表達架構，解決了曲面失真問題，硬表面能力成為獨家優勢：直角、銳角輪廓銳利，該特性沿用至今，絕大多數友商都不具備這項能力。2.0是1.5的規模升級版本，實現了更高精細度模型生成，落地場景延伸至預覽后的輕度手游資產制作。

到今年2.5版本上線，模玩雕塑行業的模型師開始主動使用我們的產品，這是超高精度生成能力帶來的全新信號。

Q：這么多同類型工具，大家為什么要用你們的工具？

張啟煊：在不同意圖的使用情景下，我們的模型都能夠調整出比市面上其他工具更好的結果因為產品上每提供一個選項，背后都是模型側在訓練和數據篩選階段就做好的設計。我們一般覺得每一個創新如果不是改了基模，差不多4個月會被行業拉平。但目前來看，有些能力上我們是一直沒被行業追上的，比如3D ControlNet、3D Editing。

而且我們獨有跨廠商 3D 編輯功能，支持導入、修改在我們平臺及任何第三方平臺產出的模型，形成了差異化生態位。我們不做封閉生態，工具支持和其他廠商軟件搭配使用，長期目標不強制全流程閉環，但 AI 工具長期發展趨勢會從碎片化逐步走向一體化閉環，參考大模型發展路徑。

Q：沒有你們去追趕其他友商的能力嗎？

張啟煊：當下行業里應該沒有提供的功能超過我們的，除了骨骼綁定。骨骼綁定目前的一些解決方案基本是采用通用骨骼模板，但我們希望能做到讓用戶自己決定骨架是什么樣。因為實際流程里大家往往已經有建立在自有骨架上的動畫庫，用通用骨架遷移很麻煩。我們希望綁定時可以用標準骨架，也可以自定義。而且我們不想只能綁人，希望動物、甚至一輛車都能綁定。這個功能正在產品化中，我們只有覺得production-ready了才會上。

Q：如果游戲公司想引入你們的工具提升建模效率，要做什么？

吳迪：我們會先提供產品測試，區分落地方案：對接 AI 中臺負責人，工具接入工作室流程最簡單；對接游戲項目組負責人，同步開放三類合作渠道并行推進：平臺訂閱、私有化部署、AI + 人工外包全流程服務。其中外包模式優勢明確，建模綜合成本直接降低 50%。

張啟煊：企業引入 AI 前必須明確核心目標，二選一確定優先級：縮短交付周期，還是同等周期內迭代更多設計方案。

如果是前者，建議采購 AI 人工外包服務，因為全新工具流內部磨合成本高，我們的專業人員可以使用成熟工具流直接生成交付資產，磨合成本遠低于企業內部全員培訓，目前約 20% 標準化建模需求可完全由 AI 完成，僅需人工調整參數，長期可通過 Agent 自動調參替代人工。外包服務經過長期驗證，單模型服務單價約 20 美金，遠低于純人工建模，而且實驗下來客戶滿意度、復購率極高。

如果是后者，建議直接采購平臺賬號。海外企業有成熟 SaaS 付費習慣，往往批量采購多席位團隊賬號，美術人員共享使用；國內企業則普遍搭建內部 AI 中臺，統一接入各家廠商 API，美術團隊集中使用。客戶內部落地也分為兩種模式，一種是直接開放工具給美術自由使用，另一種是嵌入標準化管線，原畫產出后自動批量生成 3D 模型。我們已經觀察到了部分企業單日自動生成上千個模型，依靠極低的生成成本批量迭代方案。

Q：如果中小團隊使用你們的產品呢？

張啟煊：建議盡量不隨意修改自定義參數，直接使用系統默認即可，后臺針對絕大多數場景調試了最優默認配置，自定義參數僅適配極特殊小眾場景，亂調參數會大幅降低成品質量。

Q：如今是否有游戲工作室在應用你們工具改變生產管線？

張啟煊：圖像生成模型已經進了很多游戲設計管線，比如三視圖生成，但圖像模型生成的三視圖各視角不一致。有些工作室會把我們用在前端——先用我們的模型渲染三視圖，再生成視角一致、能直接發出去加工的三視圖和模型。還有些游戲公司會在發包前，先用我們生成更符合原畫意圖的白盒版本，給外包作為參考。

Q：新項目還是老項目更適合接入你們的工具？

吳迪：新項目更容易完整接入，立項階段就能把 AI 外包、工具適配的成本納入整體規劃；老項目管線、流程已經固化，雖然企業愿意嘗試，但完整接入難度更高。

不搞“經驗主義”，拼production-ready

Q：Hyper3D.AI團隊有多少人?

吳迪：我們是個AI native團隊，現在加實習生大約是60人，技術占比三分之二。很多產品上的開發、研發，AI干掉了非常多的事情。

Q：人才的水平和流動性是什么樣的？

張啟煊：我們的lab絕對是目前這個領域全球最TOP的團隊之一。我們是唯一連續多年獲得國際圖形學頂級會議SIGGRAPH最佳論文及提名的商業公司，算法團隊每2人中就有1人獲得或提名過最佳論文。從2020年成立到現在，我們“流出去”的人只有3個，分別去了英偉達、迪士尼和騰訊。穩定的原因之一是我們公司核心算法大部分不是挖來的，從一開始都是本科生，一起成長，默契程度和溝通效率不一樣。

Q：團隊的年齡情況呢？

吳迪：平均下來基本是00后了。我（97年）和張啟煊（99年）是比較大的。

Q：這個領域不拼經驗嗎？

張啟煊：我們是很扁平的團隊，大部分都是博士，但也有很多前沿方向直接讓本科生帶。因為這本身是新方向，如果憑經驗說話，我們可能還在做2D升維，而不是3D原生。

吳迪：我們會拆解研發方向，UV、材質、拓撲等，任何人有想法都可以提，大家討論，覺得可行就去做。AI加持下，很多時候一周就搞定初步驗證性實驗，OK就加資源往后做。大家在比較輕松、能激發主觀能動性去思考的情況下合作，有點像DeepSeek。

Q：在迭代產品功能的選擇上，策略是怎樣的？

吳迪：分件、材質、拓撲、UV這些是每家游戲公司都會提的共性要求，我們肯定會把這些排在靠前的優先級。

張啟煊：另外也要看我們有沒有能力做，比如UV這個點我們到現在還沒有攻克。3D生成跟其他模態不一樣，它不是單一的。就像圖像生成模型前面要接LLM做意圖理解，3D的組合是：生成幾何是一個獨立模型，生成貼圖是另一個獨立模型，生成Low Poly模型又是一個獨立模型，是一組模型配合起來的，這也讓3D模型每一次前進都更困難。

Q：你們如何判斷自己的產品production-ready了？

吳迪：我們在production-ready里主打“聽勸”。游戲行業在不同階段對模型的需求都不一樣。Rodin Gen-1、Gen-1.5 上線時，更多只能用在Preview階段，用的人甚至不是3D建模師而是2D原畫師，他們會生成出來看比例對不對，再丟給建模師，省去中間交互。后面我們清楚了要往哪些方向走：往高模走，就要讓表面生成更多正確、有用的細節；往最終游戲階段走，就要有好的拓撲結構、布線正好在轉角處、UV 展開利用率要高、PBR 材質要分層、分件要好。這些都是客戶傳導給我們的觀念。

張啟煊：不止游戲行業，各行各業不同項目之間對production-ready定義都不一樣。我們的解法是用可控性，讓他們自己決定要的production-ready是什么樣。我們可能是唯一一家提供從生成前控制、生成中控制到生成后控制的產品，這讓產品看起來比較復雜，但這正是專業付費用戶會探索、能找到適合自己設定的重要因素。

Q：你們這次融資的用處是什么？

吳迪：一個是技術研發要大筆投入，另一個是要擴大增長。趁著模型領先行業的情況下，我們應該跑到前面去搶用戶。

Q：為什么不把錢花到“更性感”的探索上？

吳迪：決定公司上限的不是講多好的故事，而是市場上真正拼殺之后大浪淘沙剩下來的東西。這是公司真正的底色，能經歷時間考驗，經歷不同市場環境、經濟周期沉淀下來的東西。這個行業在當前階段下做到足夠強的滲透率和占有率更加重要。

Q：你們下一個階段的目標是什么？

吳迪：有很多。其中一個比較核心的是更加能夠接入生產制造的戰略模型設施。從技術來說，肯定是下一代的Rodin模型，在基模生成能力和內部結構生成能力上會有一定的進展。還有就是打造一個更加方便使用的工具。在未來一兩年的時間里我們主要做兩件事：一是精進底層模型的生成質量；二是拓展編輯、agent化等能力，讓模型在專業領域越來越好用。

張啟煊：一個是給實時互動領域提供更好的平臺工具，游戲就是實時互動。當然包括一些非游戲應用也在用3D生成打造東西。另一個是跟生產制造相關的，3D打印是一個入門級的生產制造領域，還有更深的如CNC加工等，這些我們都有涉及。

談未來：B端應用成長空間還很大

Q：你們的收入情況大致是什么水平？

吳迪：收入量級大概數千萬美金的ARR（年度經常性收入），這個數據計算可能會有些“吃虧”，因為B端不像C端收入能乘12計算。

Q：具體在海外國內、B端C端的占比是什么樣的？

吳迪：最新的數據大概是6:4，C端略超B端。

我們的整體定位有點像Anthropic，B端業務是我們重要的增長方向，在這塊我們是海外市場份額的絕對頭部。目前我們積累的B端客戶數量，比業內其他幾家友商的加起來還多。

在Hyper3D Rodin Gen-2.5上線后，C端增長速度很快，新模型上線首月，訂閱用戶與ARR環比增速均超400%。而我們觀察到的現象是，隨著C端用戶上升，他們會開始采用B端服務。因為大部分C端用戶其實不是純粹C端，是Pro C，勢必會把工具帶到企業里面。

張啟煊：全球分布上，海外業務占比70%～80%，核心市場在北美，我們在北美的技術聲譽和品牌聲譽都很好，例如今年英偉達官方披露的黃仁勛CES Keynote 制作的工作流程中，3D資產生成環節采用了Hyper3D Rodin，我們是整個工作流程里唯一一家初創企業。

Q：國內沒有大客戶嗎？為什么？

張啟煊：核心是海內外企業對 AI 的接受邏輯不同，海外企業重視數據安全，愿意承擔合規成本選擇私有化部署，拉高客單價；國內企業更輕量化，直接接入 API 試用，私有化部署需求極少。不過近兩年國內廠商態度明顯松動，去年對接游戲企業時，對方還完全不接受 AI 外包模式，今年大量企業已經開始愿意嘗試了。

Q：你們覺得3D生成是個好生意嗎？怎么看自己的增長天花板？

張啟煊：引擎大家覺得不是好生意，是因為游戲太賺錢，引擎在其中分到的太少。但我們橫向比較對象是LLM、圖像生成和視頻生成，3D生成相比圖像和視頻是更好的生意。

而且3D從業者是基數很大的群體，不然撐不起Autodesk這類大型公司。隨著模型能力一代代提升，我們能覆蓋到的用戶群體會越來越大。下一步，很多工業領域的3D從業者也會開始使用，用戶圈會進一步擴大。所以用戶圈的天花板，其實是跟著模型能力走的。

Q：但似乎不少友商在做其他方向探索？

吳迪：一開始大家覺得3D原生數據訓不出來3D大模型，都用2D數據訓。我們團隊訓練了第一個原生3D模型，驗證了這件事，并產品化、商業化成功，大家開始轉到這條技術路徑。一開始大家說這領域不存在真正B端，都從C端入手，中國市場也天然更認可C端市場，直到我們打開游戲市場后，大家也開始覺得游戲是個目標市場了。

我們現在的B端收入比全行業其他所有友商加起來總和還要更多。過一兩個月，大家可能會認為3D生成市場存在一個相當體量的B端市場，而且營收還不錯。

Q：現在騰訊、字節等大公司也在研究3D生成，是否會帶來競爭的高壓力？

吳迪：我們目前判斷大廠不太會深入這么垂直細分的場景。大廠的社會使命和初創公司不一樣，做這一塊更多是對自己能力的補足。因為3D沒有非常標準的消費級、各行各業都能用的通用形態，除了底層模型能力，還要做非常多和行業適配相關的工作，這需要非常深入去完成。

Q：大廠在數據儲備上似乎有明顯的優勢？

張啟煊：其實未必。假設某個游戲集團有100個游戲，每個游戲1萬個資產，也就100萬個數據資產。但多數游戲可能1萬的資產都沒有。100萬對于我們現在預訓練階段的數據量級來說是很小的數字。在3D生成這個領域，我們沒有發現像其他模態一樣的大廠數據壁壘。

另外到目前為止，我們每一次真正的質量飛躍都不是因為數據增加，而是底層架構和表達上的創新帶來的。數據增益有，能補全邊緣case上的失敗，但絕對質量更多由底層架構革新帶來。除非是特定任務（如分件），需要新增大量拆分數據。

AI很難完全取代人，工具是更優定位

Q：UGC興起后，AI 3D生成的用戶是否在開始偏向非專業用戶？

吳迪：隨著AI發展，3D建模門檻大幅降低，硬件進步確定讓很多人第一次接觸到“創造”的快樂，但整體而言絕大多數3D AI用戶依然是原本就有3D建模需求的人，集中在專業C 端。影眸的區別是營收一半來自B端大客戶，專業領域的認可度非常高，且付費意愿極強。

張啟煊：3D對普通用戶的基建還沒做好。更好的傳輸帶寬、更好的顯示設備、或者是一個爆款UGC游戲，我們覺得如果哪件事發生了，離C端用戶就會越來越近。過去兩年最接近的時刻是Vision Pro出來，但現在看起來也沒太普及。

Q：AI 3D生成未來的競爭是比拼技術還是比拼產品？

張啟煊：產品始終是最重要的護城河。

3D生成公司有十來家，技術演進處在不同階段，有的靠蒸餾別人的模型追趕，有的從底層自己做。談3D生成的絕對質量是時間前后的問題，但有些東西追不上——那些由應用觸發、需要在模型側做改造的能力，難點在于不知道該怎么改通用框架來解鎖對應能力。

我們是提出這個框架的人，理解最深，從第一天就把這些設計了進去；他們就算意識到，也可能要從預訓練重新做，而train一次失敗的代價不小。

Q：未來AI 3D生成有沒有可能直接被用到游戲里？

吳迪：這和游戲等級有關。3A 游戲的主要角色基本不可能，因為它永遠是最高標準，還有很多審美、非技術性需求，很難說 AI 能完全達到——也許通過agent多輪修改有機會接近，但我覺得基模本身很難達到。

張啟煊：有的項目可以，比如一些簡單的小手游、服務類游戲，但內容向、美術向的游戲要求比較高，在3A上可能永遠沒法達到，因為不存在一個解能滿足所有項目需求，人在其中的作用肯定一直存在。我們的選擇就是讓人可以干預，做一套比原來更方便的AI工具。

Q：你們對3D AI Agent 有什么構想？

吳迪：我們認為單純輸出 3D 資產只能算作工具，不具備真正的 Agent 價值。真正的智能 Agent 應當承接完整業務任務，而非僅產出模型，比如搭建 3D 小游戲完整場景、設計戶型空間，AI 承接整套工作任務，串聯全流程工作流，只有實現這一點，Agent 才有實際意義。我們團隊整體風格務實，只有 2.5 把模型精度提升到足夠高的水準，拓展能力才有落地價值；如果基礎模型精度不足，優先研發 Agent 沒有實際意義。

Q：你們怎么看世界模型？

吳迪：現在啥都能說是世界模型。我們大概下個月要上線場景生成能力，這個能不能算世界模型？我覺得也未必不能。

張啟煊：我們團隊技術出身，對世界模型概念相比一般公司更敬畏。就算上線了這個東西，我們也叫它"世界生成模型"。“世界模型”是一個很廣的概念，現在市場上什么東西都往里面裝，我們不太想這么做。

吳迪：我們覺得能夠操縱的智能控制，真的能理解整個世界，那個才是世界模型。現在的一些我們叫世界生成模型，比如谷歌Genie 3、李飛飛老師World Labs 的 Marble，都是在生成環境。世界模型可能更接近于LeCun提出的概念，但沒人知道那東西到底什么樣。