4秒出百万面！突破千万面精度+12K高清贴图，手握数亿的3D生成公司下一局怎么打？

今年2月，英伟达公开了一条内部AI工作流。

除了Google、OpenAI这些耳熟能详的名字，量子位注意到，名单里还闯进了唯一一家初创公司的产品——Hyper3D。

Hyper3D为何能收获老黄的青睐？抱着疑惑，我们查了查Hyper3D的最新动向。

Hyper3D的母公司为影眸科技，团队不大，只有60人左右，但技术岗就独占三分之二，其中研发主力还基本全员00后，其算法团队每2人中就有1人获得或被提名过最佳论文。

全球第一个原生3D生成大模型是他们做的，如今3D生成赛道的B端TOP也是他们。

果然，能被老黄pick的产品，绝非等闲之辈。

不过，比这份成绩单更值得说道的，是它出现的时间点。

这两年，AI商业模式正在换挡。

早期AI行业技术路线尚未收敛，资本FOMO情绪又在市场上蔓延，很多时候一个惊艳的demo加上一个够大的愿景，就足够让一家AI初创公司支撑起一轮又一轮融资。

当技术路线逐渐分野，寻找真正具有长期价值的AI公司成为市场共识，大家开始关注一个更为朴素的问题：谁的收入更扎实。

过去一年，企业级（B端）营收的质量与可持续性，正逐步取代消费级用户规模，成为衡量AI公司长期价值的核心维度——以Anthropic为代表的企业级路线被广泛视为这一趋势的典型样本。

相比个人用户的随性尝鲜，以企业客户为核心的收入结构通常具备更强的黏性与盈利能力，一旦嵌入生产流程，往往是长期合作。

而影眸，更早一步和这一转向同频，提前把目光瞄准在了B端用户和pro C用户的增长上。

所以再看它最近的两个新动作，个中意味值得深究。

其一是融资。影眸科技刚刚宣布完成新一轮数亿元融资，由凯辉基金、上海国投先导领投，老股东持续跟投。

凯辉基金长期深耕全球工业、企业服务与科技创新生态。上海国投先导的加入，也体现出国家产业资本对AI 3D生成技术在工业设计、智能制造和数字内容生产中长期价值的认可。

这也是他们过去一年以来的第三次大额融资。在此之前，他们已连续拿到奇绩创坛、字节跳动、红杉中国、美团龙珠、蓝驰创投的多轮押注。

另一边是全新模型Hyper3D Rodin Gen-2.5的发布。

该模型在3D生成领域，首度引入了类LLM的Thinking机制，模型可以根据计算预算自适应决定生成结果的复杂度，覆盖从快速草稿到极致精模的不同场景，4秒即可生成百万面级模型。

它还是全球首个突破千万面级精度上限的3D生成模型，Rodin Gen-2.5的Extreme-High模式搭配同期上线的首个12K原生3D贴图模型，能够真实还原毛孔级皮肤细节，模型生成质量断代领先。

模型上线首月，影眸订阅用户与年经常性收入（ARR） 环比增速扩大了400%。

据公司提供的数据，约80%的收入来自海外市场，其积累的B端客户营收超过同赛道其他公司的总和，客户覆盖游戏、电商、具身智能、空间计算等多个高价值场景。

从英伟达创始人黄仁勋CES主题演讲的3D资产生成工作流，到全球第二大家居建材零售商Lowe’s遍布1750家门店的数字化项目，再到OpenAI首届Codex黑客松的冠军作品——Hyper3D Rodin已出现在这一时代最具标志性的技术现场。

在工具链层面，Unity AI Beta、OctaneRender等专业引擎，以及Canva、Figma等设计平台，亦先后接入其能力。

这类高标准、高密度的专业场景对生成精度、可控性与工程化适配的要求极为严苛，印证了产品在最高标准产业流程中的实际可用性。

实测：4秒百万面到80秒千万面，3D生成天花板

今年1月份，Hyper3D因为上线「3D版Nano Banana」，也就是Rodin Gen-2 Edit版本，而广受关注。

它能够基于自然语言完成任意3D模型的局部编辑，操作逻辑也很简单，输入文字指令，AI会自动框选需要编辑的区域，并编辑该模型。

至今影眸都是独家掌握该项技术的公司。Rodin Gen-2.5是继Rodin Gen-2 Edit之后的又一力作，也是迄今为止最具可控性与实用性的一代模型。

进入官网（https://hyper3d.ai），把产品模式切换到3D，即可体验到全新的Rodin Gen-2.5，支持直接生成和二次编辑两种玩法。

生成模型可以选择从Extreme-Low到Extreme-High的五种模式，用户可以自行决定生成效果和思考时间，思考时间越长，生成精度越高。

对于专业用户来说，还可以选择外形控制3D ControlNet，包括边界框控制、体素控制和点云控制。

比如我们随手将一张AI生成的小怪兽照片丢进去，设置思考时间4s。

这是Rodin Gen-2.5的Extreme-Low模式，可以秒出基础资产，利于快速制作简易资产、批量测试实验，也很适合游戏等各类场景中的UGC玩法。

生成速度非常之快，几乎不用等待。同时生成效果也令人惊喜，直接在模型层面生成了丰富的毛绒质感！

我们再把思考时间调至80s，可以明显看出，Extreme-High模式下可以更为精准地还原3D资产的纹理细节，毛绒质感更胜一筹，毛流感明显，蓬松感也可以直接生成，整体模型更加精细，做到360度全覆盖。

加上材质后，对比更加明显：毛发蓬松、颜色渐变层次丰富，每根毛发的细节都清晰可见，眼神细节也非常逼真，还原度很高。

再试试人像效果，Rodin Gen-2.5对眼角细纹、面部褶皱、皮肤肌理的刻画细腻自然，不会出现生硬抹平、细节丢失的问题。

无论是写实真人形象，还是影视级数字人像，都能保留人物独有的面部纹理特征，让3D人像摆脱“同质化塑料感”，拥有真实生动的视觉表现力。

各类材质的模拟也不在话下。

古风兵器生成效果惊艳出众，完整还原古剑繁复锻造细节。剑刃纹路、雕纹镂刻、护手雕花、剑柄磨损肌理层次分明。

模型原生高面数几何结构，棱角锋利不糊边，完美适配国风短片、游戏素材、线下演示内容。

体验下来，Rodin Gen-2.5主要升级在三个方面：

• 千万面级的几何精度

千万面就好比于拍照时存的RAW格式，文件体积更大，但胜在信息全、后期改起来也自由。

倒不是每个行业都用得上这么高的面数，但有了这块高精度的母版，能折腾的空间一下就大了。

比如游戏美术可以先在高模上把细节抠到位，再烘焙到一个轻量化版本，进了游戏既跑得动又看着精致；影视和高精度工业建模也是这个套路，先出母版，再按不同场景往下派生。

换言之，更高的面数意味着更高的后期自由度。

• 更可控的生成速度和质量

快和精，看起来是矛盾的。Rodin Gen-2.5的解法是让模型学会先想再做。

这就是它首次引入类LLM Thinking机制的理由。和大语言模型一样，模型在生成前会先思考，思考时长从4秒到80秒可控：

赶时间出草稿，就用4秒的极速模式；要雕塑级的成品，就给它80秒慢慢磨。

一共给了五档思考强度（4s、9s、20s、40s、80s），从极速草稿到极致精模，用户可以自己挑。

这也是这一代产品理念最核心的一点，不替用户做决定，把选择权交还给用户。

• 12K最强原生贴图

所谓原生，指的是模型表面的颜色和材质不是贴上去的，而是从模型本身自然“长”出来的。

效果上，它能做到360度无死角覆盖，不会出现某个角度纹理缺失，还能真实还原皮肤、金属、布料这些质感，支持标准的PBR材质。

同时可以一键预处理光影效果，精准保留视觉细节，避免纹理模糊、破损、失真等问题。

另外，更难得的是成本。由于团队对底层算法架构的理解足够深，模型的生成和推理效率远高于行业平均水平。

又快又准又省，Rodin Gen-2.5堪称这一代3D生成的全能王者。

Hyper3D赌了条最难走的「非共识」道路

事实上，这并不是Hyper3D第一次走在行业前面，要厘清Rodin Gen-2.5的来时路，还得把时间拨回至两年前。

2024年以前，原生3D的行业共识还远没有像现在这般普遍，因为数据限制，行业内更主流的做法还是2D升3D，简单来说就是先合成多视角的2D图，再重建成3D。

听上去是个取巧的捷径，但凡事有利有弊，这里始终存在一个绕不过去的硬伤：

即使拥有再多的2D视角也无法完整描述3D内容，而且2D转3D必然会丢失大量信息，导致模型容易破面、拓扑混乱，早期甚至还经常出现多头的诡异结果。

凭借多年的know-how经验，影眸率先意识到此路不通，并大胆探索原生3D的技术路线。

但这条路要比2D升维难得多。

首先是数据，数据对大模型的意义不必多言，就以图像、文本大模型为例，它们的数据都是千万量级起步。反观当时的3D数据呢？可用的只有80万，清洗完更是只剩50万。

就这么点数据，还想做原生3D大模型，在当时看来几乎是天方夜谭。

更何况，做这个决定的，是一家彼时账上只剩两三百万现金的公司。几乎没人看好，但他们还是做了。

后面的结果大家也都知道了，2024年，影眸发布了全球首个三维原生大模型Rodin Gen-1，效果实现代际领先。

Hyper3D让行业清晰认识到原生3D的可行性，在验证这条路之后，行业主流随即开始技术路线的集体转向。

但押对一次可以说是运气，Hyper3D在接下来的几年间频繁押对，甚至说引领行业趋势，靠的就是技术底气。

成立六年，影眸团队发表了30多篇顶会及期刊论文，其中70%都被转化进了实际产品。在图形学顶会SIGGRAPH中，一共斩获3次最佳论文及提名。

2025年同期摘得最佳论文的商业公司，全球就只有三家，谷歌、Meta和影眸，其含金量可见一斑。

另外，拿下SIGGRAPH 2024最佳论文提名的CLAY（《CLAY：用于创建高质量3D资产的可控大规模生成模型》），正是Rodin Gen-1的底层框架。

而到了Rodin Gen-2，与它一同亮相的，是另一项同样入选顶会的智能分件研究BANG（《BANG：通过生成式爆炸动力学实现3D资产分件》）。

可以说，Hyper3D是把尖端科研产品化做到了极致，每一次做出来的东西都刻进了模型的底层代码，最终延伸出最硬的一块壁垒：强可控性。

从最早的3D ControlNet，到能把模型自动拆分成多个部件、拆完还能继续拆的递归分件技术Bang to Parts，再到用自然语言直接改模型的3D Editing，Hyper3D的每一代模型，都在反复死磕可控、可编辑、可应用。

看似吃力不讨好，实则这恰是可控性的关键所在，可控性必须要在预训练阶段内建，训完再补几乎要等到下一代重练，这也是为什么到现在，全行业只有他们做出来了。

用影眸联创兼CTO张启煊的话说：

到这个节点，很难说哪个模型绝对效果百分百更好。但在可控性这个点上，我们是一骑绝尘的。

不讲故事，只做能用的东西

不止技术路径稳扎稳打，在产品商业化上，影眸也有一套自己的打法。

影眸整体给人的感觉有点像Anthropic。

这可不是随便一说，这两年AI圈慢慢想明白一件事：一家公司到底值不值钱，看的不是用户多少，而是到底有多少人愿意真金白银为它付费。

比拼用户规模已经是过去式了，能不能从企业用户身上挣到稳定、可持续的钱，才是估值的硬通货。

Anthropic就是这条路径的典型代表，相比短期流量撑起来的个人订阅，A社更重视B端客户增长，因为企业用户黏性高、盈利强，也更能支撑起资本市场的溢价。

影眸走得几乎如出一辙，打从第一天起，它就将目标群体牢牢锁定在专业用户和产业用户上。游戏、电商、工业设计、具身智能、空间计算等多个高价值场景中，用户对影眸的认可度极高。

影眸深耕3D科研和产业的务实态度，也为其吸引来一批业内头部VC机构。据官方信息，本次融资将会花在两件事上：

往内，继续做3D大模型的前沿探索；往外，加速核心产品Hyper3D Rodin在全球的商业化，落地更多垂直场景。

现在影眸已经建立起一支3D生成领域地表最强科研团队。

团队人员精简，但只要认准一个技术方向，配套资源就会加紧跟上，内部也不会出现赛马的情况。

团队大部分都是博士，但也有很多前沿方向会直接交给本科生来带，不凭经验，也不论资排辈，相当扁平化。

团队小而精、内部氛围自由、团队一心探索硬核技术创新——影眸就像3D生成领域的Anthropic，靠实力说话。他们不热衷于讲宏大的故事，只认准了一件事：做出来的东西，得真的能用。

从「不可用」到「可用」，最先迈过这道坎的是Hyper3D。下一道去往「更好用」的，大概率也是。

官网链接：https://hyper3d.ai

文章来自于"量子位"，作者 "鹭羽"。