当 GPT-6 Astra 开始操作 Blender、用代码搭建 3D 场景，一个问题也随之而来：通用模型会不会吃掉专门的 3D 生成工具？

BAI Capital 成员企业 Meshy 创始人兼 CEO 胡渊鸣认为，Astra 会重新划分 3D AI 的能力边界。它擅长理解、规划和操作，能够覆盖一部分简单建模、参数化设计与程序化生成任务；对几何细节、材质纹理和输入内容的高精度还原，仍然需要 Meshy 这样的专业生成模型。与此同时，Astra 更强的 Coding、Computer Use 和空间理解能力，也可以成为 Mora 创造实时互动世界的新基础设施。

当 AI for Work 加速解放生产力，人们如何获得快乐、创造力和新的体验，也会成为越来越重要的问题。通用智能继续向前，AI for Fun 的空间同样在被打开。

GPT-6 Astra 将如何改变 3D AI 的产业分工、技术路径和研究方向？一起来看渊鸣的最新思考——

这几天硅谷这里大家聊得最多的问题就是 GPT-6 Astra 和 AI 攻破千禧年难题。毫无疑问，我们离 AGI 又近了一步。我自己也去系统性地玩了一下 Astra，顺便写篇短文讨论下 Astra 对我们这个行业的影响。

一句话总结：Astra 的 3D 建模能力和现在 Meshy 等产品在做的 AI 3D 建模能力是互补的，对 Mora 也是很好的基础设施。所以 Astra 能出来让我们很开心，看到了很多新机会。

本文主要讨论四个问题：

1. Astra 最大的突破是什么？

2. Astra 会取代 Meshy 等 3D 生成产品吗？

3. Astra 和 Meshy 在做的 Mora 有何关系？

4. 我是在校做图形学、3D 方向科研的同学，Astra 来了以后我还有哪些能做的？

以下是关于四个问题的讨论，一家之言，仅供参考。

Astra 最大的突破是什么？

如果说 Claude Code 等 Coding Agent 正在取代所有用 CLI 可以进行的操作，Astra 等 Computer Use Agent 将会更进一步把所有在计算机图形界面（GUI）上可以进行的操作都自动化。

CLI 能够进行的操作包括软件开发、运维、文档撰写、测试、信息安全攻防等。GUI 能进行的操作更加广泛，包括餐馆订餐、填税表、使用 PowerPoint、Excel 等操作。

举例来说，写代码当然很重要，但是生活中的很多事情是必须通过图形界面解决的。在美国由于外卖行业不发达，在这里漂泊的同学往往面临一些基本的生存问题。比如，不提前规划就吃不上饭，得饿肚子，要么就选择吃 “草”。我的选择是宁可饿肚子也不吃草，但是又没有时间去规划，所以如果 AI 能够帮我规划，那将本质上提高我的生活质量。

对我来说的 Astra Computer Use killer 场景：在 Google Map 里标记湾区所有中餐馆... 

其他使用场景，如填税表、DMV（车管所）预约等等，我想不用多说了，这些都是痛苦来源，Astra 能解决掉，真是太好了。

除了 Computer Use 之外，Astra 在 Coding、空间理解等基础能力方面都有很大提升。我们正处于一个激动人心的时刻。所有能想到的解放生产力的东西，最终都会被做出来。

Astra 会取代 Meshy 等 3D 生成产品吗？

简单的回答是，不会，因为 Astra 和 Meshy 等产品的能力是两种能力。下面是比较详细的分析。

由于 Astra 在 Computer Use、Coding、空间理解能力三方面的加强，使得一部分 3D 建模的场景能够直接被 Astra 解决。我们可以分解 Astra 的能力：

• Computer Use 能力，让 Astra 可以操作 Blender 等软件，并且通过屏幕的截图评估现状，对下一步做出规划；

• Coding 能力，让它可以直接通过写代码生成一些基本的模型，比如说楼房、汽车、飞机等工业制品；

• 空间理解能力，顾名思义，可以让他写的代码、对 Blender 等软件的操作更加科学、符合 3D 空间的规律。

其实对于每天在做 3D 生成相关的同学来说，这三方面的能力并不是新鲜事，技术发展反而是非常渐进的，Astra 发布之前玩 Fable 其实也能感受到其中的一些能力。

对前沿比较了解的同学，估计早就把自己在做的方向根据 “Astra 这样的模型迟早要出来，我的工作不能被吞噬” 这样的约束规划过了。

那么，是不是有一些 3D 建模的场景已经被 Astra 吞噬了？肯定的。3D 场景生成、参数化建模、CAD （工业）零件生成、一部分低模生成（特别是建筑、机械类资产）、一部分程序化生成，基本上会被 Astra 和 Astra 的后继模型在能力上吞噬。

不过，这些任务需要的本质上是 Coding 或者 Agent 的能力，并不是 Meshy 等公司现在在做的精准还原的能力。为什么外界会觉得 Astra 能够取代现在的 3D 生成公司？主要原因就是外界有点把 a) Astra 的 Coding 和空间理解能力 和 b) 3D 细节的建模和生成 混为一谈了。

换句话说，Astra 的能力和 Meshy 的能力是两种能力。Astra 擅长大体结构，所以相对简单的机械元件 Astra 完全没问题，给他一个图建一个简单的火箭模型也没问题。Meshy 在做的事是精准还原用户想要的输入。

OpenAI Astra 宣传片里面的火箭其实属于简单的机械元件，也不需要和输入图像精准还原，其实几个月前的模型如 Opus 4.5 和 Fable 就能建出来了，只是 Astra 能力更强了。

Meshy 等工具要做的是精准还原图片里的内容。Meshy 7.1 的 4K mesh 输出甚至能够还原布料上的纹理：Meshy 7.1：极致细节，目之所及

我如果硬用 Astra 去解决 Meshy 等产品在解决的精细模型生成问题，会怎么样？可以试一下，一定会遇到质量问题和成本问题。

输入图

两种路线取得的结果

质量问题 是因为 Astra 等 VLM 很擅长理解 “人脸上面有两个眼睛、一个鼻子、一张嘴巴”，也能够识别出来图片里面的角色手上拿着一把剑，但是并不擅长描绘 “眼睛有多大？”、“剑是被什么角度拿着？”。这些都不是 Astra 的训练目标。所以你给他一张照片，他能还原出一个人，但是往往很难辨认到底是谁。还原度和美学都会成为很大的问题，导致结果不可用。下面是一个例子。

成本问题 是因为基于 Diffusion / Flow Model 的多模态生成算法客观上是比基于 AR 的生成训练更加高效、推理更快的方法。Astra 建一个模型需要十几分钟甚至更长，基于 Diffusion 的生成模型只需要一分钟以内。

未来 Astra 会不会吞噬 Meshy 7.1 这样的高模？在已有的技术范式下，还看不到。就像 LLM 短期不会吞噬 Image generation 和 Video generation 一样。从学术一些的角度看，这里本质上在讨论的是，理解能力和生成能力是两码事儿。LLM、VLM 做的是理解（Understanding）；Text to Image、Image to Video 等基于 Diffusion models 的多模态生成的模型的能力是（Generation）。

目前有很多工作（Emu、Uni-1、Reve 等）在尝试进行理解生成的统一以及多模态生成的统一。对于 “理解能够帮助生成” 这一点大家有共识，但是反过来 “生成对理解是否有帮助” 大家尚未有共识。所以实际上，工业界主要采取的做法还是通过理解模型（LLM/VLM）去做 Prompt expansion，再用生成模型基于这个 prompt 去生成。主流图像生成模型、视频模型都是这么做的。

那么，为什么 Astra 没有显得冲击了图像生成和视频生成公司，但是外界会认为 Astra 对 3D 生成公司有影响？我觉得主要是两个原因：

1. 用 Coding agent 相关能力做 Image Gen（比如 GPT Images 2 能出的 Infographics）或者 Video Gen 其实是这俩行业里面司空见惯的事情了，基于 LLM 的 Image/Video Prompt expansion 大家已经很熟悉了。但是 3D 生成发展慢 6-12 个月，所以一些 3D 行业里面的同学也会觉得 Astra 来的比较突然，因为 LLM / Agent 还不是广泛被用于驱动 3D 生成的前置系统。

2. 3D 生成确实有一些使用场景，不需要太多细节，甚至几何复杂度越低越好、越参数化越好。比如低多边形这种风格就非常容易被 coding 来实现，一些游戏由于三角形面数的限制，也会使用较为简单的模型。Astra 已经能够生成这些模型并且在一些场景上满足用户需求。

实际上 Astra 的空间理解能力对 3D 生成是很好的助力。比如，可以用 Astra 驱动 Meshy 的 T2 模型的 API，给定一张图生成完整的场景：

Astra 和 Meshy 在做的 Mora 有何关系？

Astra 对 Mora 在需求和技术方面是很好的消息。具体来说：

1. 从需求角度，我一直是比较相信 2027 年底之前 AGI 能被实现的，也就是 400 天以后，人们的很多枯燥的工作都可以交给 AI。这使得解决 “人类不需要工作以后从哪里获得快乐和意义感” 变得无比重要。这会让 Meshy 的使命 “AI for Fun” 变得尤其重要。Astra 在 Computer Use 方面的进展无疑让我更相信这一点。

2. 技术方面，Mora 架构设计之初的一个动机就是 “Mora 的能力要随着市场上 coding agent 的能力水涨船高”。Astra 在 coding、空间理解方面的能力可以帮助 Mora 产出更好的 3D 关卡和机制。

关于 Mora 的更多细节请移步 胡渊鸣 | Mora：超越 “世界模型”

我是在校做图形学、3D 方向科研的同学，Astra 来了以后我还有哪些能做的？

其实有意思的方向还有很多，我一直觉得做图形学方向优秀的同学基本功大多是很好的，能做非常多的事情：

1. GPU/AI infra。图形学的同学对 GPU 的理解能够支撑很多有意思的研究，AI Infra 领域，特别是基于 Agent 的 Infra 开发，如 Kernel Design Agent，是很重要的话题，也是今天 Recursive Self Improvement 的重要的一环。无论智能如何演进，Infra 本身总是需要的。Hopper / Blackwell 等新的 GPU 架构能够给 graphics 和 3D 带来哪些帮助？当然，这个方向有个好处就是对算力消耗不大，消费级显卡上也能做不少事情。

2. Real-time video model 和 Neural rendering。参考 Mora 的架构设计，低延迟、高可控的 Video model 网络架构应该是什么样的？这可能是下一代图形管线。随着 AI for Fun 这件事情推进越来越深入、应用场景被不断解锁，这方面能做的事情会被不断打开，至少是一个比以前 “Real-time rendering” 更大的大话题。

3. Coding 与 Agent 的理解能力如何与图形学想实现的 “创造一个生动的虚拟世界” 结合？比如说，3D 场景生成基本上就被 Astra 解决了，但是低延迟、实时生成的开放世界如何做？如何衡量 AI 生成的游戏机制是否好玩？

4. 面向 3D 打印的 3D 设计算法。3D 打印依然是一个出货量每年增长 20% 的大市场，全球有 3000 万台 3D 打印机，但是可打印的内容依然是稀缺的。如何让大众也能创作出独一无二的 3D 打印设计？

5. 一些能够带来新的 insight 的基础性方向，如几何、仿真、渲染的一些底层话题。在有了强力 agent 的时代，这里面的很多问题可能会有全新的解法，让我们对一些问题的理解更加深入。这类方向的研究很多时候不能产生直接的影响力，但是乐观来看至少是一种对能力的锻炼。从找工作角度来说，不见得是最优解。（如果你在做这些硬核的方向，锻炼了扎实的数理或者编程基本功，别的地方找不到好工作，那欢迎考虑一下 Meshy。我们很喜欢基本功扎实的同学。）有的时候，更深入的理解本身比取得问题的答案更重要，这一点上我一部分同意 Terence Tao 牵头的联名信《A Severe Misalignment of AI in Mathematics》。（但另一方面，我也尊重用 AI “暴力” 搜索底层新解法的尝试，能解决问题的方法就是好方法。）

6. ...

一点浅见。前三个问题是我们在做的 Mora 方向里面比较关键的问题，如果大家对这些问题有兴趣，也欢迎和我们联系。

另外，具身智能方向我没仔细思考过，等我和周围做这个事情的朋友聊过一圈下来再发表意见吧。这个方向的研究一定是有意义的，只是有个 timing 的问题。

总结下来，其实 Astra 并不像外界认为的那样，会对 3D 行业有啥大的影响。因为对于在 3D 行业里面的人来说，Fable 等模型一路看下来，coding 能够解决 3D 简单模型的建模和参数化建模是迟早的事情，Astra 也不是突变。而对于部分古法图形学的话题来说，不管有没有 Astra，这些话题都已经不再是能做出大影响力工作的关键研究话题了。（当然，图形学社区依然可以用这些问题来培养人才...）

“智能”和“体验”需要不同的模型

最后，表达一个观点，也就是 “智能和体验需要不同的模型”。也是为什么我们 Meshy 今天在做 AI for Fun 的原因。

AI for Work 和 AI for Fun 是两个不同的东西。前者 optimize for intelligence，后者 optimize for experience。

这就好像科学和艺术是两码事，科学主要追问 “世界如何运作”，艺术主要探索“我们如何体验和表达世界”。

Astra 无疑朝着 AI for Work 这个方向又近了一步，接下来的 400 天，一定还会有更多激动人心的进展，AI for Fun 会更加重要。

Meshy 追求的 “用 AI 实现快乐的无限供给” 这个使命，不但没有受到 Astra 影响，还得到的了需求的进一步加强、可用工具的进一步扩展。

用 AI 实现快乐的无限供给。