OpenAI點(diǎn)贊轉(zhuǎn)發(fā)的冠軍項(xiàng)目，背后藏著一個(gè)國(guó)人3D生成團(tuán)隊(duì)

機(jī)器之心編輯部

近日，一款名為StoryWorld的 iOS 產(chǎn)品 Demo 在海外開(kāi)發(fā)者與 3D 創(chuàng)作者社區(qū)引發(fā)關(guān)注：用戶只需用手機(jī)攝像頭對(duì)準(zhǔn)真實(shí)空間，通過(guò)語(yǔ)音輸入描述，即可生成 3D 角色與物體，通過(guò)移動(dòng)手機(jī)完成取景與運(yùn)鏡，像導(dǎo)演一樣調(diào)度站位與鏡頭。

該項(xiàng)目獲得了 OpenAI Codex Hackathon 冠軍，OpenAI 官方 OpenAI Developers 也在 X 平臺(tái)轉(zhuǎn)發(fā)推薦了這款創(chuàng)建 3D 場(chǎng)景的應(yīng)用。據(jù)開(kāi)發(fā)者 Varick Lim 介紹，他在 24 小時(shí)的開(kāi)發(fā)時(shí)間內(nèi)完成了這款應(yīng)用，其中核心的 3D 資產(chǎn)生成環(huán)節(jié)使用了DeemosTech（影眸科技）的 Hyper3D Rodin

一、3D 生成從演示工具到生產(chǎn)工具

與常見(jiàn)的 AR 疊加效果不同，StoryWorld 中的 3D 對(duì)象是完整的三維資產(chǎn)，可以在空間中定位、縮放和多角度觀察。這些資產(chǎn)被放置進(jìn)場(chǎng)景后，用戶只需移動(dòng) iPhone 攝像頭，就能完成取景與運(yùn)鏡，實(shí)現(xiàn)類似電影攝影機(jī)的 “走位拍攝”，包括角色站位、拍攝角度與景別（近景 / 遠(yuǎn)景）控制。

視頻鏈接：https://mp.weixin.qq.com/s/C-vIHqb4RQyRlVP7BdMqzg

在 AI 應(yīng)用開(kāi)發(fā)社區(qū)，工具的選擇通常以結(jié)果和效率為導(dǎo)向：能否在極短時(shí)間內(nèi)穩(wěn)定產(chǎn)出可用資產(chǎn)、并撐起完整體驗(yàn)，是比 “表面參數(shù)” 更直接的標(biāo)準(zhǔn)。Hyper3D Rodin 在實(shí)時(shí)文 / 圖生 3D 中呈現(xiàn)出的穩(wěn)定性與可控性，使其成為 StoryWorld 在黑客松環(huán)境下的關(guān)鍵技術(shù)選項(xiàng)之一。

Varick Lim 在 X 上興奮地表示：（StoryWorld）沒(méi)有 Rodin 就無(wú)法實(shí)現(xiàn)！他的這個(gè)項(xiàng)目也啟發(fā)了更多頂級(jí) AI builder 跟隨。3D 生成技術(shù)正在從單純的內(nèi)容展示工具，轉(zhuǎn)變?yōu)殚_(kāi)發(fā)者構(gòu)建產(chǎn)品時(shí)的底層技術(shù)組件。

過(guò)去的生成式內(nèi)容更多聚焦于 “生成一個(gè)畫面 / 一個(gè)結(jié)果”，而 StoryWorld 這種形態(tài)把創(chuàng)作重心轉(zhuǎn)向 “場(chǎng)景構(gòu)建與鏡頭語(yǔ)言”。這種轉(zhuǎn)變讓 3D 生成從 “演示型技術(shù)” 走向 “生產(chǎn)型組件”，從而對(duì) 3D 生成提出更高要求，高穩(wěn)定性和可控性的 3D 生成產(chǎn)品也更容易被整合進(jìn)開(kāi)發(fā)者的長(zhǎng)期工作流。

美國(guó) AI 公司 Unlikely Labs 創(chuàng)始人、高級(jí)人工智能總監(jiān) Eric Gradman 評(píng)論道：“我看過(guò)上千個(gè) ARKit 演示，無(wú)一例外都是‘嘿，看，我可以繞著這個(gè)靜態(tài) 3D 物體移動(dòng)’。我從來(lái)沒(méi)見(jiàn)過(guò)這樣的。太棒了！”

二、從黑客松到工程化生產(chǎn)管線

隨著 AI 原生創(chuàng)作、AR 場(chǎng)景表達(dá)和新一代內(nèi)容工具的發(fā)展，越來(lái)越多頂尖 builder 在真實(shí)創(chuàng)造場(chǎng)景中把 Hyper3D 納入工作流。

除 OpenAI 黑客松項(xiàng)目外，Hyper3D Rodin 也出現(xiàn)在另一個(gè)更 “工程化” 的高規(guī)格場(chǎng)景里：在今年 CES 大會(huì)上，英偉達(dá)創(chuàng)始人黃仁勛主題演講的 keynote 制作工作流被公開(kāi)討論，其中提到了包含Hyper3D Rodin在內(nèi)的工具鏈路線索。

根據(jù)英偉達(dá)公開(kāi)的演講制作流程，團(tuán)隊(duì)需要實(shí)現(xiàn) 12K 超清畫面、多個(gè)主體同框的細(xì)節(jié)保持，以及一條能夠快速迭代、無(wú)需反復(fù)重建場(chǎng)景的靈活 workflow。在這個(gè)流程中，Hyper3D Rodin 承擔(dān)了 3D 模型生成任務(wù)，并需要在多個(gè)制作階段保持角度與光照一致性，同時(shí)維持細(xì)節(jié)還原度。

最終，NVIDIA 團(tuán)隊(duì)制作出了專為巨型演講屏幕設(shè)計(jì)的 12K 高精度環(huán)境畫面。英偉達(dá)作為全球 AI 基礎(chǔ)設(shè)施的重要制定者，其公開(kāi)的內(nèi)部工作流在某種程度上代表了行業(yè)標(biāo)準(zhǔn)。能夠被納入這類工程化管線的產(chǎn)品，意味著在精度、穩(wěn)定性、工程適配能力上通過(guò)了更嚴(yán)格的驗(yàn)證。

從 OpenAI 黑客松的 “極限速度” 到 英偉達(dá)的 “工程標(biāo)準(zhǔn)”，這兩類場(chǎng)景共同指向同一個(gè)判斷：當(dāng) 3D 生成被當(dāng)作生產(chǎn)組件使用時(shí)，穩(wěn)定性、可控性與可復(fù)用性會(huì)成為第一優(yōu)先級(jí)

三、從 “生成” 到 “編輯”：

3D 可控成為生產(chǎn)級(jí)流程基礎(chǔ)范式

Hyper3D 是一支平均年齡 24 歲的國(guó)人團(tuán)隊(duì)，已獲得奇績(jī)創(chuàng)壇、紅杉中國(guó)、字節(jié)跳動(dòng)、美團(tuán)龍珠、藍(lán)馳創(chuàng)投的多輪投資。

從技術(shù)積累看，團(tuán)隊(duì)在 2024 年發(fā)布了原生 3D 大模型框架 CLAY（提名 SIGGRAPH 最佳論文），并基于此推出全球第一個(gè)原生 3D 大模型產(chǎn)品 Hyper3D.AI 。2025 年，團(tuán)隊(duì)的單張圖生成場(chǎng)景研究 CAST 獲得 SIGGRAPH 2025 最佳論文，向 “世界模型” 的關(guān)鍵一步推進(jìn)。

今年 1 月，Hyper3D 發(fā)布了 Rodin Gen-2 Edit，推出基于自然語(yǔ)言的 3D 模型局部編輯功能，率先實(shí)現(xiàn) 3D Nano Banana—— 這是業(yè)內(nèi)首個(gè)將 “3D 生成” 與 “3D 編輯” 整合為完整工作流的商用產(chǎn)品，3D 生成正式進(jìn)入可編輯時(shí)代。

與傳統(tǒng) “抽卡” 邏輯不同，Rodin Gen-2 Edit 支持兩種核心路徑：

• 在 Hyper3D 內(nèi)文 / 圖生 3D 后，直接對(duì)結(jié)果進(jìn)行局部修改
• 導(dǎo)入任意現(xiàn)有模型（包括第三方 AI 生成模型或歷史資產(chǎn)），在原模型基礎(chǔ)上進(jìn)行編輯

操作邏輯簡(jiǎn)單直接：框選需要修改的區(qū)域，輸入文字指令，即可完成局部調(diào)整。

這一功能的適用范圍不限于 Hyper3D 平臺(tái)生成的模型 —— 任何第三方 3D 資產(chǎn)（包括歷史存量模型或其他 AI 工具生成的模型）都可以導(dǎo)入平臺(tái)進(jìn)行編輯。這使得 Rodin 的編輯能力定位為平臺(tái)級(jí)基礎(chǔ)設(shè)施，而非單點(diǎn)功能。

Edit 的 API 集成也被 Varick Lim 在線催更。這正是 Hyper3D 被頂級(jí)開(kāi)發(fā)者選擇的原因之一：當(dāng) 3D 工具不僅能在關(guān)鍵環(huán)節(jié)快速產(chǎn)出高質(zhì)量資產(chǎn)，還能在后續(xù)迭代中支持局部修改與資產(chǎn)復(fù)用時(shí)，它才更接近 “生產(chǎn)組件” 的形態(tài)，也更容易長(zhǎng)期留在一流開(kāi)發(fā)者與生產(chǎn)級(jí)管線的工作流里。

四、多模態(tài)技術(shù)演進(jìn)路徑：

從生成到可控

觀察生成式 AI 的發(fā)展路徑，可以看到一條清晰的演進(jìn)邏輯：先生成 → 再增強(qiáng)可控性 → 最終支持編輯。不論是圖像、視頻，還是 3D，多模態(tài)生成在發(fā)展早期，往往難以逃避 “抽卡”：通過(guò)更換隨機(jī)種子得到不同結(jié)果，再去碰運(yùn)氣匹配需求。

隨著 ControlNet 等技術(shù)的發(fā)展，用戶逐漸可以在生成前，通過(guò)多種信號(hào)的引導(dǎo)補(bǔ)充，來(lái)更好地讓生成結(jié)果滿足用戶需求，減少抽卡次數(shù)。

Hyper3D 從初代 Rodin 開(kāi)始，就率先引入了 3D ControlNet，把可控性作為模型底層能力來(lái)設(shè)計(jì) —— 用戶可以自由設(shè)定模型的長(zhǎng)寬高、內(nèi)部結(jié)構(gòu)和表面輪廓，精準(zhǔn)控形。

但因?yàn)樯墒?AI 輸入信息的有限和特性，即永遠(yuǎn)是從少量信息去生成更多信息，決定了哪怕生成能力再?gòu)?qiáng)，二次調(diào)整都會(huì)成為高頻需求。

在圖像領(lǐng)域，Nano Banana 等工具的發(fā)布推動(dòng)了 AI 編輯和可控性的發(fā)展。但在 3D 生成由于產(chǎn)品化起步更晚、生態(tài)更分散、工具鏈更長(zhǎng)，行業(yè)整體在 “可控生成” 積累得不夠久，多數(shù)團(tuán)隊(duì)還停留在這一階段。

Hyper3D 團(tuán)隊(duì)從 Rodin 的第一個(gè)版本起，就引入了 3D ControlNet，此后每個(gè)版本都在更新相關(guān)能力。去年，隨著 Rodin Gen-2 上線，Hyper3D 交出了業(yè)內(nèi)唯一的遞歸分件技術(shù) ——BANG，一步步驗(yàn)證了這一路線的可行性。3D 生成也一步步從 “抽卡游戲” 進(jìn)化為了 “可控設(shè)計(jì)”。

藝術(shù)家 @豆芽 AI 筆記本 使用 Hyper3D 的分件架構(gòu) BANG，一鍵讓 3D 模型 "爆炸式拆解" 成多個(gè)部件，還能反復(fù)拆分重組。

Edit 功能將這一需求進(jìn)一步轉(zhuǎn)化為產(chǎn)品能力：通過(guò) “選中局部 + 文本指令” 的方式，讓修改變成明確的路徑，而非一次次推倒重來(lái)。

這使得 AI 建模的工作流得以閉環(huán)：無(wú)論是剛出爐的新模型還是壓箱底的舊資產(chǎn)，都能隨便改、反復(fù)調(diào)、持續(xù)迭代。

「創(chuàng)作者 @建筑學(xué)長(zhǎng)，利用 Hyper3D 快速補(bǔ)齊了建筑周邊的空白場(chǎng)地，表示明顯大大提升了建模效率：就算是手繪草圖，也能精準(zhǔn)識(shí)別并還原，生成立體模型，無(wú)縫融入包含綠化，圍欄的場(chǎng)地中，實(shí)現(xiàn)建筑場(chǎng)地的完美融合。」

「創(chuàng)作者 @大琢磨使用 Hyper3D.AI Rodin 省去了前期建模的專業(yè)難度以及繁瑣過(guò)程，順利做出了小巧精致的車頭吉祥物。」

AI 創(chuàng)作者 @數(shù)字生命卡茲克 通過(guò) Hyper3D 把金毛跟《怪奇物語(yǔ)》融合，創(chuàng)作了獨(dú)特的 “怪奇生物”

五、行業(yè)焦點(diǎn)的轉(zhuǎn)移：

下一代 3D 生產(chǎn)基礎(chǔ)設(shè)施

AI 3D 的焦點(diǎn)正在從 “能不能生成” 轉(zhuǎn)向 “可編輯、可復(fù)用”，并逐步沉淀為創(chuàng)作與生產(chǎn)鏈路中的工作流組件。

對(duì)開(kāi)發(fā)者而言，這意味著 3D 不再只是最終交付的結(jié)果文件，而是能被反復(fù)調(diào)用、持續(xù)迭代的生產(chǎn)要素。對(duì) 3D 大模型公司而言，能否在關(guān)鍵環(huán)節(jié)穩(wěn)定產(chǎn)出、并在編輯與復(fù)用環(huán)節(jié)補(bǔ)齊能力缺口，將越來(lái)越影響其在全球創(chuàng)作鏈路中的定位。

從 OpenAI 黑客松到 NVIDIA CES 演講，從獨(dú)立開(kāi)發(fā)者到企業(yè)級(jí)制作管線，Hyper3D Rodin 被頂級(jí)開(kāi)發(fā)者持續(xù)選擇，展示了國(guó)際領(lǐng)先的 3D 生成技術(shù)從實(shí)驗(yàn)室走向工程化與生產(chǎn)化應(yīng)用的路徑。

技術(shù)的價(jià)值最終體現(xiàn)在具體應(yīng)用場(chǎng)景中。當(dāng) 3D 生成技術(shù)能夠滿足黑客松的快速開(kāi)發(fā)需求、企業(yè)級(jí)演講的制作標(biāo)準(zhǔn)，以及日常創(chuàng)作者的迭代修改需求時(shí)，一款 AI 產(chǎn)品才真正完成了從技術(shù)演示到生產(chǎn)工具的轉(zhuǎn)變。

StoryWorld：https://x.com/OpenAIDevs/status/2028588630206472337?s=20