AI 刚学会捏手办，如今已能承包整间房间的生成。曾服务于英伟达等客户的 3D 模型产品 Hyper3D，今日正式发布世界生成模型 WorldGen。
无论是凌乱的办公桌、中式古建筑，还是 AI 视频中的单帧画面，WorldGen 均能将二维照片转化为由独立 3D 资产组成的完整物理世界。该模型不仅能精准识别物体间的支撑与邻接关系，还能自动修复悬空、错位及穿模等几何缺陷。更关键的是，生成的场景中每个物件均可独立提取、移动，并直接导入 Blender 或 Unreal Engine 等专业引擎进行二次创作。
在“世界模型”概念备受资本追捧的 2026 年，Hyper3D 团队坚持将其定义为“世界生成模型”。团队认为，在真正实现对世界的完全理解与操纵之前，这一称呼更为严谨。
从一张 RGB 图像，到一整个可用的 3D 世界
Hyper3D 是影眸科技面向产业级 3D 资产生成打造的产品线，其核心引擎为 Rodin 系列大模型。该命名致敬雕塑大师奥古斯特·罗丹，旨在通过文本或图片，让用户在几分钟内生成高质量、可编辑且具备生产价值的 3D 资产。
Rodin 系列迭代迅速，从早期的 Gen-1，到支持四边面输出与 PBR 材质的 Gen-1.5，再到引入“先思考再生成”范式的 Gen-2.5，不断刷新 3D 生成能力的上限。
在此基础上诞生的 WorldGen，将关注点从单体资产扩展至整体场景，致力于解决 AI 生成 3D 世界的可用性问题。
此前，影眸科技联合团队在计算机图形学顶级会议 SIGGRAPH 2025 上发表了论文《CAST：基于单张 RGB 图像的组件对齐式 3D 场景重建》。同期获此殊荣的商业公司仅有谷歌、Meta 和影眸 Hyper3D。
CAST 技术的核心在于：从单张 RGB 图像中提取物体级 2D 分割与相对深度信息，利用大模型推理物体间的空间关系（如支撑、遮挡），构建细粒度关系图。随后，模型逐个生成组件级 3D 资产并对齐原始构图，显式推断接触与支撑关系，修正穿透、悬空等不合理现象。
该方法不仅在视觉上还原输入图像，更在几何上遵循真实物理约束，为后续仿真与交互奠定基础。CVPR 2026 的 WorldGen 论文及多篇综述均将 CAST 列为组件对齐式场景重建的代表性范式。值得一提的是，CAST 并非停留于实验室的原型，其验证的技术路径已直接构成 Hyper3D WorldGen 产品化的技术底座。
与 Seedance 2.5 并肩打造大片
WorldGen 的核心价值在于嵌入多模型协作的 AI 工作流，解决场景落地问题。
影视与特效工作流升级
视频生成模型 Seedance 2.5 虽能输出高质量动态镜头，但在可控性与三维一致性上仍有提升空间。将 Seedance 生成的关键帧输入 WorldGen，可将其还原为具备组件结构且遵循物理约束的 3D 场景，进而反向驱动新的视频渲染、镜头调度或交互设计。
全球头部特效团队正尝试利用 AI 压缩概念设计与场景搭建周期。WorldGen 输出的资产带有清晰拓扑与 PBR 材质，可直接流入 Blender、Maya、Unreal、Unity 等主流 DCC 软件与游戏引擎。
具身智能仿真训练
机器人学习需要海量、多样且物理可信的三维环境。相比高昂的人工搭建成本与覆盖度有限的程序化生成，WorldGen 能从任意现实场景照片出发，快速构建结构合理、可交互的仿真空间，为策略训练与感知模型迭代提供持续的场景供给。
游戏开发与空间计算
针对开放世界与 UGC 类游戏对场景资产的无限需求，WorldGen 能让单个美术人员在一天内完成过去需一周的小组工作量，推动游戏开发向更小、更快的实验性方向变革。同时，在 Vision Pro、Quest 等 XR 设备普及的背景下，WorldGen 能将现实照片转化为可漫游的 3D 场景，有效缓解空间视频、虚拟展厅等内容供给短缺的痛点。
“生成即消费，拍摄即建模”，WorldGen 正让这一愿景成为现实。
生成世界之后，然后呢？
当前的“世界模型”流派各异。Google Genie 3 侧重于根据动作生成下一帧画面，而 WorldGen 更像一位布景师，交付一套可保存、拆分和加工的 3D 场景源文件，具体的物理碰撞则由下游引擎处理。
WorldGen 的突破性在于将一次性画面转化为结构化数据。图像和视频主要回答“看见什么”，而结构化 3D 则需明确“物体在哪、如何关联、能做什么”。用户获得的不再是一个孤立的模型，而是一个布局合理、物理关系正确、材质光照可调的完整房间。
当场景可被拆解、验证和复用，它便从单纯的内容升级为基础设施。这不仅让企业的 3D 资产具备资产项属性，也让个人与小团队拥有了在场景级内容上与大厂竞争的可能。虽然 AI 降低了从零搭建的成本，但验证环节依然关键。真正的世界模型不仅要能“做梦”，更要理解物理规律，知晓物体的重量与下落轨迹。