文｜王欣逸

编辑｜张雨忻

2026 年开年来，3D 生成模型赛道相当热闹。

今年第一季度，影眸科技发布首个 3D 编辑模型 Rodin Gen-2 Edit，让 AI 3D 模型第一次可编辑；今年 6 月，VAST 官宣了新一轮融资，Meshy 也紧随其后，宣称自己发布了全球首款 3D AI Agent。

近日，影眸科技——这支扎根学术圈、创业早、年轻的 3D 模型团队，带着最新的技术研究成果，以及新一轮融资，再添了一把火。

这支团队创立于 2020 年，创始人兼 CEO 吴迪、和联合创始人兼 CTO 张启煊以及另外两位联合创始人张龙文、曾初啸均来自上海科技大学。团队约 60 人，平均年龄不到 25 岁。

尽管看起来年轻，但在 B 端市场，影眸几乎站稳了头部地位，其 B 端客户数及收入比行业内其他公司加起来还要多，客户包括字节跳动、Unity、Figma、Canva 等企业，海外收入占总收入约 80%。

提出定义主流 AI 3D 架构的原生 3D 生成方案 CLAY、连续数年获得计算机图形学顶级会议 SIGGRAPH 最佳论文及提名——在学术成果上，影眸的科研履历也相当亮眼，在顶刊和各大会议上论文、奖项不断，其算法团队每2人中就有1人获得或提名过最佳论文。

《智能涌现》独家获悉，近日，影眸科技宣布完成数亿元新一轮融资，本轮融资由凯辉基金、上海国投先导领投，老股东持续跟投。此前，字节跳动、美团龙珠、红杉、蓝驰已相继押注。

伴随新一轮融资，影眸科技发布了最新一代 3D 生成模型——Hyper3D Rodin Gen-2.5，将语言模型“先思考再生成”的模式引入 3D 生成领域。面向不同的生产场景，Gen-2.5 提供了可调节的精度模式，该模型是全球首个千万面级 3D 生成模型，最快 4 秒可实现生成百万面模型，并同步推出全球首个 12K 精度的原生 3D 贴图模型。

长期以来，影眸面向 B 端及专业 C 端，提供平台订阅、B 端 API 售卖、私有化部署、直接提供最终资产等服务，主要的应用场景包括电商、3D 打印、游戏、工业设计、具身智能等行业。

面对市场竞争，影眸的打法是，瞄准海外市场、C 端专业用户以及让模型生成过程更为可控。

值得关注的是，在最新模型Rodin Gen-2.5发布后，C 端收入正在反超 B 端。Rodin Gen-2.5 上线首月，订阅用户与 ARR 的环比增速均超 400%。

C 端的发力，正击中了影眸想要解决的问题：AI 3D 能否被用户真正使用。

“从学术圈走出的人容易有惯性，认为自己的技术和论文很厉害，为什么市场不用。但实际上，实验室研发出来的东西和真正能被使用的东西之间，存在巨大的鸿沟。”吴迪告诉我们。

想要消弭这一鸿沟，核心在于，生成的模型要符合使用标准，用户能控制3D的生成结果。

为此，他们几乎最大程度上给予了用户参与编辑的自由。

在平台上，用户可以通过影眸自研的 3D ControlNet，控制生成结果的长宽高和形状；实现 3D 编辑功能，平台生成的模型乃至第三方模型都可以实现二次编辑，支持自然语言局部修改模型；能对 3D 资产进行分件，支持分件后再分件。

△影眸科技3D资产的分件能力，图源：企业官方

在影眸看来，看似复杂、需要用户反复确认及控制的流程，恰恰是用户选择他们的理由。

“我们对 3D 生成的用户群体有预估，大部分愿意付费的用户，刚好是那些对「可控」有需求的群体，我们要先服务好真正会买单的人，”张启煊谈到，“3D 生成的落地运用，已经从追求观赏质量，迈向了可控、效率与质量并重，更贴近实际生产的下半场。”

在预训练阶段就做好模型的可控性设计

在经历元宇宙赛道萎缩、2023 年资金困境后，2024 年，原生 3D 生成方案 CLAY 的研究和提出，完全改变了影眸科技乃至整个 3D 生成赛道的走向。

彼时，整个 AI 3D 行业内的技术路径几乎都围绕“2D 升维 3D”的模式——先生成物体的多视角图像，再建模成 3D 资产。这一模式缺点明显：这一模式存在不可逆的信息丢失，生成的模型难以真正应用于工业设计、游戏等相关领域。

但影眸觉得，生成的 3D 资产是否做到了 Production-Ready（生产就绪）是更重要的。于是，他们做出了一个反共识的决定：用 3D 数据，从头开始训 3D 原生模型。

这条没人走过的路被他们走通了。

2024 年，影眸团队提出全球首个产品化的 3D 原生大模型框架 CLAY（《CLAY：用于创建高质量 3D 资产的可控大规模生成模型》），通过算法和框架层面的底层创新，将 3D 生成效果从不可用变为可用。该研究提名当年 SIGGRAPH 最佳论文。

同年年中，基于 CLAY 架构，影眸科技发布了全球首个 3D 原生模型 Rodin Gen-1。这也让行业主流选择技术路线发生变化，纷纷走向了 3D 生成原生路线。

影眸对他们的 3D 模型的两个最重要的要求是：可控性，以及质量。

其中，可控性，是影眸打出的一张明牌。“对专业创作者来说，可控性特别重要，这是他们选择我们的首要原因。”张启煊称。

“实现可控性的关键在于，在预训练阶段就将相关设计放进去，和模型底层一起长出来。”从 Rodin 的第一个版本起，他们就引入了 3D ControlNet 等可控能力。

此后，影眸团队也持续增加产品的可控性，包括支持局部修改模型，能自动拆分出不同部件，也能实现分件后继续分件，帮助用户减少抽卡次数，提高模型生成过程中的可控性。

Rodin Gen-2.5 首次在 3D 生成领域引入类似 LLM（大语言模型）的 Test-time Scaling（测试时缩放）策略，自适应的可调节 Thinking Effort（思考力度） 为未来实现与图像生成模型类似的、与 LLM 的深度结合提供了可能性。通过该策略，用户可选择模型的思考时间和深度。它支持五档思考深度，耗时 4 秒至 80 秒不等，对应着从快速草稿到高精度资产。在 Extreme-High 模式下，模型能实现千万面数生成能力，能还原皮肤微结构、纹理、毛孔等特征。

△Rodin-2.5的五档思考深度，图源：企业官方

不仅如此，影眸还同步推出了一个原生 3D 贴图模型，区别传统投影法生成材质，这一模型能解决传统方法存在的颜色断层、浸染等问题，清晰保留 Logo、文字等信息。从几何生成到贴图，最快仅需 5 秒。

该贴图模型具备图像生成级别能力，可实现材质纹理无死角覆盖，文字效果提升显著，支持基于物理的 PBR 材质。配合同步推出的12K原生3D贴图模型，生成效果在几何精度与材质保真度上已可超越实景扫描，断代领先行业水平。

另一个关键点——质量，影眸用一系列研究成果对此做出了证明。

自 CLAY 后，他们相继推出了 CAST、BANG 等研究成果。前者能通过输入一张图片，便能生成包含物体和物体关系的完整 3D 场景；后者能实现对 3D 资产的分件。

其中，关于 CAST 的研究论文《CAST：基于单张 RGB 图像的组件对齐式 3D 场景重建》斩获 SIGGRAPH 2025 最佳论文奖。同期在该领域获得最佳论文的商业公司仅有谷歌、Meta 和影眸三家。

作为唯一连续多年获得 SIGGRAPH 最佳论文及提名的商业公司，影眸自 2020 年以来在顶级学术会议及期刊上共发表了 30 余篇论文，其中 70% 的科研成果走向了落地。

这具体表现在产品的迭代上，近两年来，影眸的模型实现了四次重要迭代，从 Rodin Gen-1、25 年 9 月发布的拥有拆件能力的 Rodin Gen-2、26 年 1 月发布的有局部编辑功能的 Rodin Gen-2 Edit，再到今年 6 月，最新发布的 Rodin Gen-2.5。

谈及 AI 3D 的未来，吴迪告诉我们，未来一至两年内，公司会继续做两件事情，一是精进底层模型的生成质量，二是拓展编辑、Agent 化等能力，让模型在专业领域越来越好用。

服务最专业的用户，解决最真实的问题

AI 3D 的商业化路径仍在被行业验证，但在影眸看来，这是一份可持续的好生意。

单看模型训练的算力成本，对 Rodin 而言，整数倍版本模型的迭代需要千卡级的训练，但由于影眸自身在算法架构上的积累，相比同行训练出一个同级别的模型，训练效率获得了极大提高。

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。

与此同时，在收入端，影眸正在走一条类似 Anthropic 的企业级路线，其积累的B端客户营收超过同赛道其他公司的总和。

从客户的一侧来看，影眸 的 B 端订单分布在游戏、电商、工业设计、具身智能、空间计算等多个高价值场景，与此同时，C 端画像主要为 Pro-C（专业级消费者），如建模师、3D 打印爱好者、产品设计师等。

在影眸团队看来，未来 3-5 年，3D 生成主要还是被专业用户使用。不管是语言模型、图像模型还是其他的模型，都很难从绝对效果上完全区分出高下。对于 3D 生成赛道而言，大众真正的关注点是，模型厂商能否满足下游行业的需求。

“我们研发出来的东西需要要接入到后期的流程里面去使用，因此我们要做 Production-Ready 的东西，让其可以直接进入影视、游戏等场景的后期中直接使用。”吴迪告诉我们。

因此，影眸将产品设计成生成过程中可逐步确认，满意后再付费的模式。这一模式，源自于影眸对于自身模型可用性的底气。

在影眸的客户列表里，有不少具身智能公司，他们把影眸的 3D 资产，拿来作为训练数据和生成仿真环境和资产。

谈及赛道内正热的“世界模型”，张启煊告诉我们，撕开世界模型的标签，大家在做的主要是两件事：一是实时视频生成，如 Google 的 Genie-3；二是可仿真的环境，包括资产、模拟器等，以及做类似自动驾驶、机器人策略的执行器。

在世界模型版图里，影眸偏向于做可仿真资产。在平台上，他们有一个功能叫 Sim-Ready，用户点击后，可以直接在英伟达的仿真环境里做物理仿真。

具身智能对 3D 生成模型的要求包括几个层面：一是物理反馈，如重量、碰撞体等，这些功能，影眸已经上线至产品中；二是可互动资产，如 3D 资产在分件后如何动起来，在这一内容上，影眸也做出了相关学术成果。

单纯用视频生成做世界模型，这可能会导致模型难以从视频中学习到真实物理世界的维度关系。这也正是 3D 的优势，能理解物品之间的位置关系、视角角度连续性好、能在模型中做物理模拟等。

吴迪认为：“未来的世界模型，需要让机器真正学到和真实世界一致的场景，其背后可能会是 3D 生成与视频生成混合的模式。”

“3D 生成的赛道正在收敛，而收敛意味着，最终只有少数真正解决了产业问题的团队能留在牌桌上。过去一年，市场习惯用用户规模和增长曲线来衡量一家 AI 公司的价值。3D 生成会是游戏、影视、工业设计乃至物理世界智能化都绕不开的底层能力，我们服务最专业的用户，解决最真实的生产问题，这个选择决定了我们今天的领先，也决定了我们未来要去定义、而不只是参与下一代 3D 生产工具的规则。”

欢迎交流

 扫码加入「智涌AI交流群」