完全零基础，自己手搓一个权游里龙妈的3D模型，需要多久？
2秒
接着再给它贴上纹理，大概10秒以内，我就无痛得到了一个3D龙妈。
不仅快，而且细节丰富、拓扑干净、布线稳定。
同样，只甩一张参考图，我还可以快速生成《底特律：变人》里的康纳。
这是贴上纹理之后的效果：人物的面部表情，衣服的细节，都跟参考图里别无二致。
或者我还可以输入提示词：
一位森林精灵角色，身穿树叶服饰，脚踩靴子，背着小挎包。
然后再给它一张图做参考：
接着，我就得到了一个非常可爱的森林小精灵！
仔细看看，从人物发型、面部再到服饰，每一处细节都被精准刻画了出来。
这就是VAST在Tripo Studio中最新上线的Smart Mesh功能，也是放眼全球断层领先的能力。
它可以实现仅靠提示词或参考图，2秒内极速生成3D模型，水平堪比专业建模师。
Smart Mesh背后的模型是VAST最新发布的Tripo P1.0，它取得了一项惊人的⾏业范式级突破：⾸次在原⽣三维空间中实现概率⽣成，从底层重构了AI 3D⽣成的算法架构
如果你追求极致精度，那么VAST最近更新的另一款模型——Tripo H3.1可以帮上你的忙。作为高精模型，它的每一次迭代都做到了行业SOTA，更新后的版本在输入对齐、结构精度、贴图质量等核心指标上又有了进一步提升。
就在上周，VAST还宣布完成5000万美元A轮融资，领投方为阿里和恒旭资本，元禾璞华、BV百度风投、东方嘉富跟投，老股东春华创投和北京市人工智能产业投资基金也在继续加注。
手握突破性技术和5000万美元融资，VAST向他们成立之初的愿景又迈进了一步——让每个人都能创造属于自己的互动世界。
借此机会，量子位也与VAST首席科学家曹炎培展开了一次对话，聊聊他们为什么要推出Tripo P1.0、它的范式重构体现在什么地方，以及VAST在UGC和世界模型领域的下一步动向。
曹炎培告诉我们，P1.0模型对传统AI 3D底层范式的“重构”体现在两方面：
第一，业内主流的高模生成流程是将多边形网格转化成高模的表达形式，比如SDF，或者VAST之前提出的SparseFlex，进而生成高模。如果想用在轻量级应用中，还需要减面和重拓扑。这其实是在原始数据和最终想要的资产之间绕了远路
第二，行业内过去一段时间存在一个很大的误区：由于语言模型取得了巨大的成功，使得研究员们会更愿意借鉴自回归建模和生成模型，即“强行”将3D数据序列化，将其变成一个个排序后的token。这实际上非常反直觉，也违背了3D空间的各向同性。
简单来说，在对token排列定义顺序后，排序会让几何图形之间产生因果，待要生成的几何将仅依赖于之前已经生成出来的信号。但三维空间本身并没有绝对的前后左右之分，它是全对称的，没有一种天然的方式对其中的信号进行排序。
序列生成的方法不仅反直觉、不自然，也打破了三维数据本身的规律，无法取得好的生成效果和速度：
如果想在秒级内生成高质量网格，不可能走自回归路线——要生成几万个多边形，以当下的算力和范式不可能在一秒内自回归生成数万token。
而Tripo P1.0的关键技术创新，就是采用“整体生成”的方法：对三角形或多边形的点线面进行统一的概率建模，生成出来的模型同时具有几何和拓扑结构。
基于这一方法，Tripo P1.0可以做到2秒内极速生成。曹炎培表示，传统方法慢得不合理，生成三维网格信号本就不需要几百秒的时间，而VAST只是让它进入了对的路径，达到了本该有的速度
一些用户试用Tripo P1.0后给出的评价是：它生成出的模型，已经几乎和经验丰富的专业建模师设计出来的模型毫无区别。
而曹炎培透露，VAST内部评估，在部分细节展现及造型要求非常严格的工业场景，模型还有提升空间，但整体已经达到了多年工作经验设计师的九成水平
我们对P1.0的期待，也是它实际能做到的，是让更多以前不了解什么是3D模型的用户跳过对建模工具的学习，甚至不需要知道世界上有建模工具的存在，就可以得到一个在目标场景里、符合用户意图的3D资产。当获取内容的门槛降到无限低之后，UGC平台自然就会爆发。AI时代限制大家创作的不再是技能或工具本身，只要有想象力，就有各种各样的模型和AI可以帮助完成创作。
曹炎培透露，今年VAST将推出自己的UGC 3D平台。H系列和P系列模型负责创造世界中的实体，世界模型及代码生成模型负责模拟这些实体随时间的变化和空间交互。在这些计算能力之上，他们希望打造一个比Roblox和Minecraft门槛更低的AI原生UGC互动平台
在这个UGC平台上，用户可以创作和浏览可互动的3D内容，并在社区分享与传播，类似一个“3D版TikTok”。
另外，曹炎培也向我们透露了VAST研究世界模型的最新进展：很快会有demo公布，它会是一个具备交互能力的世界。
在曹炎培看来，Tripo P1.0的发布，标志着AI 3D⼤模型算法范式正式进⼊2.0阶段。他认为，AI 3D的1.0时代可以定义为追求视觉或几何拟真的时代：
过去几年大家追求的，就是让AI生成的3D看起来更真实更细节，包括纹理层面和几何层面都要精细。技术路线经历了几波发展，但归根到底追求的是“看起来好”。
而2.0时代具备三个特征：第一，原生资产，不需要再做复杂转化；第二，生成的资产具有功能性，具备可以参与交互和运动的特性，比如机器人中的关节结构或动画制作中的骨骼结构；第三，打破速度、质量、可用性的“不可能三角”
这三点，Tripo P1.0都可以做到。
关键技术的创新和突破，也给足了VAST底气。当被问及“VAST目前处于行业什么地位”时，曹炎培毫不犹豫地表示：现在VAST处在全球3D领域全栈领军的位置
在生成质量方面，H3.1是此时此刻最好的高模生成模型。在底层思考和整个范式重构方面，我们不只是率先提出原生网格生成的思想，更是快速地把它做成了大家可以在产品上体验的P1.0模型，定义了极速生成的速度和性能天花板。某种程度上它确立了现代3D生成和引擎工具、图形标准之间的一种底层连接，背后是定义和发明新的原生3D表征的能力，这在整个赛道是很强的话语权。
以下是量子位与曹炎培的部分对话实录，在不改变原意的基础上，进行了适当的整理和润色，各位enjoy~
Tripo P1.0：重构AI 3D底层范式
量子位：过去几年，Tripo的H系列不断迭代，在行业中也达到了SOTA水平，为什么团队现在仍然决定从底层重新设计一套P系列模型？最初是基于什么问题重新思考3D生成算法架构的？
曹炎培：先讲一下H系列的历史和迭代。早期3D生成能力普遍一般时，大家首先追求外观上尽可能高质量、可用，和图像、视频生成的目标一样——分辨率高、条件对齐好、可控、可编辑。Tripo从1.0到1.4、2.0、2.5、3.0、3.1，整个H系列都在解决解析度、保真度、分辨率极限的问题，也做了很强的模型、算力、数据scaling。
H系列确实已经在很多场景用起来了，比如拓竹MakerWorld等消费级3D打印社区，用户可以直接调用我们的API生成模型再打印；H3.0之后，很多影视特效或3A角色的参考建模也够用了。
但在实时图形领域，大家更关注效率和渲染预算，非常追求网格本身的性质。原因有几个：一方面GPU能同时渲染的三角形和多边形数量仍然有限，为了节约成本，做游戏或交互内容时要尽可能用更少的多边形表示资产，以让场景容量更大、帧率更高、画面更流畅。
另一方面，整个3D行业的纹理、动画等工作流都建立在多边形网格基础上——比如动画对拓扑质量要求格外高，希望肩膀、肘部等大形变部位有规整的拓扑线；UV的分界也需要和几何分界强对应，方便贴图。
（注：UV指UV映射，是把3D模型表面“展开”到二维平面上的坐标系统，用来贴纹理）
所以传统高模生成面对这些问题局限性很大。过去几个月也有人用自回归方式逐个token、逐个三角形来生成，但效率和效果都不尽如人意。市面上能提供智能拓扑能力的服务，可能需要好几百秒才能从高模得到精细拓扑，严重限制了广泛使用的可能性。
基于这些观察，我们从很早之前就在思考：如果最终想生成多边形网格，为什么要经过那么多中间表示的转化，为什么不能直接在原始信号上学习、做完整全局的生成？
最终在诸多数学巧思、训练基础设施和数据的支持下，我们得到了Tripo P1.0——它能在几秒内生成一个与艺术家制作质量相当的多边形网格，支持几万面的高面数，也能在面数敏感的环境下生成三五百面的模型，并很好地表达形状，真正打开了3D资产的应用场景。
量子位：所以H系列的局限性主要在于它需要的渲染预算比较多，以及大家需要追求网格本身的性质，是这个意思吗？
曹炎培：是的。H系列的追求目标不同，可以认为H是生成雕塑级的三维表现。某些生成结果下，消费级3D打印机已经没法完整展现H3.1的细节，要工业级3D打印才能完整体现非常精细的表面——比如胡须、地毯纹路、精密机械结构、齿轮等，追求的是无损、高保真、高分辨率的还原。
但这样生成出来的资产势必比较“重”，细节要体现在几何上，多边形数就会很高。这不算缺陷，只是这类模型的特点，不特别适配直接用在实时图形中——比如游戏、robotics仿真模拟等环境需要用尽可能少的多边形来表达近似目标的几何形状，而且对多边形排布也有一套艺术家的标准。
量子位：P1.0被定义为重构了底层算法的技术，为什么这样去定义？
曹炎培：这个“重构”有两方面。
第一，以前训练高模要经过很多数据转化。绝大多数训练数据其实都是多边形网格，但为了适应之前的训练范式，需要先转化为SDF或SparseFlex等中间表示再做生成，生成出来又是较重的高模，想用在轻量级应用中还需减面或重拓扑——这其实是在原始数据和最终资产之间绕了很远的路径
Tripo P1.0直接在原始的、世界上广泛存在的多边形网格或三角网格数据上做原生训练，输出结果也是原生的三角网格，绕过了中间表示，生成结果直接可用。
第二方面更偏具体的技术和数学构造思路。过去也有一些方法能做多边形网格生成，比如我们自己的Smart Low Poly的功能，个别友商也有类似的，但问题是很慢，且完整性和形状还原度不理想。
（注：Smart Low Poly指智能低多边形生成，对高多边形模型进行优化，保留轮廓和重要细节，使其非常适合游戏、AR/VR和实时应用程序。）
它的核心误区在于把三维数据强行序列化——为什么这么做？因为LLM太成功了，自回归范式太成功了，大家自然想把所有东西变成序列来复用经验。但三维空间本身并不存在一个天然的线性排序。它不会自带先后，也没有哪一个方向在本体上更优先。很多我们习惯使用的方向性描述，其实都建立在特定观察视角、坐标系或任务定义之上，而不是三维空间自身的属性。
强行排序隐含了三角形之间的因果依赖——后面要生成的几何依赖于前面已经生成出来的部分，这在3D空间和自然界中都不应该存在，既反直觉，也导致生成效率和效果都不好
Tripo P1.0的思路是：要在秒级内生成高质量网格，不可能走自回归路线——以现在的算力和范式，要生成几万个面，不可能在一秒内生成几万的token；而3D网格本身没有天然的顺序或偏序关系，所以应该做整体建模和生成
具体来说，我们对整个三角形或多边形的点、线、面空间进行统一的概率建模，用新的数学度量来衡量点线面之间的关系，并在度量引导下做概率建模，从噪声中不断探索出最终形状。
也因为点线面被统一建模，生成结果自然同时具有几何和拓扑结构，规避了不自然的排序性，效果好且速度快。
举个最简单的例子：一张办公桌。之前的方法因为有排序，比如某种排序下需要从一条腿开始一点一点往上生成，然后第二条腿、第三条腿、第四条腿，最后生成桌面。
这些过程都有因果关联，一旦第一条腿出了问题，整个序列就会崩溃。但实际上四条腿是对称的，同时生成就有自然机制相互关联，桌面也基于四条腿的几何自然生长出来，从而避免了序列生成又慢又易崩坏的问题。
量子位：P1.0可以在2秒以内生成专业级3D资产，速度提升达到百倍，这个速度提升主要来源于什么技术创新？也是刚说的在三维空间里进行概率生成吗？
曹炎培：是的。我觉得更合适的说法是，本来生成这些三维信号就不应该花费几百秒。以前的方法实在慢得太不合理，而我们只是让它进入了对的路径，在正确的建模效率下达到了比较理想的生成速度。
量子位：也就是说你们找到了它本来应该有的方法，让它达到了本来应该有的速度。那相对于传统方法，它在计算复杂度和资源消耗上也会有明显变化吗？
曹炎培：是的。消耗的计算资源自然是减少的——在GPU算力相同前提下，消耗取决于推理时间。复杂度也大大降低了，同样回到了它应有的复杂度上。
量子位：3D生成里有一个比较难的问题——复杂拓扑结构，比如孔洞或嵌套结构。P1.0提出了“隐式潜在拓扑映射机制”，它是怎么解决传统方法容易出现的拓扑断裂问题的？
曹炎培：要理解这个问题，需要先从之前的方法为什么会有困难讲起。
首先对于H系列，高模数据的表示形式原本天生是无法支持孔洞和嵌套的表达——所有生成的高模从数学上是“水密”（watertight）的——直观地说就是生成的形状必须能“兜住水”，表面必须完整闭合、不能漏、不能有破洞。这是目标形式的数学性质所决定的，没办法绕过。SparseFlex等表示试图对这一限制进行改进，但依然跳不开整体框架的限制。
之前的多边形生成为什么也难处理？很大程度还是因为排序。比如几个面相交时，按照空间排序方法，在相交部分的排序具有很强的歧义性，导致模型生成到嵌套和交叉区域时会非常困惑——用LLM的话说就是perplexity非常高，不知道下一个面该出现在哪，整个因果过程完全失效。
而我们找到了一种方法，能在不对原始模型做额外数据处理、保持原有美术建模完整性和精密性的前提下，将三角网格转化为数学上的隐空间，并进行整体建模。
在P1.0定义的隐空间分布中，孔洞和嵌套不是特殊情况，和生成平面或几个分立的基础几何体一样，只是数据中的普通样本。相当于从表示层面就消解了这些结构的特殊性，使得顶点和面能在特征场中自发完成对齐与耦合，在极短时间内得到观感上和数学上都连贯有效的结构。
量子位：目前在几何精度、拓扑稳定性、细节表达等关键指标上，P1.0处于什么水平？
曹炎培：一些用户反馈，P1.0生成的多边形网格，与多年经验的设计师手工建模看不出本质区别，完全可以用在任何需要3D资产的场景。加上生成速度极快，对行业的变革非常大。
当然作为1.0版本，有一定概率生成效果不够理想，比如某些细节展现还不够充分，也为后续迭代留出了空间。
量子位：跟专业建模师产出的资产相比，目前AI生成的差距还在哪里？
曹炎培：两类模型都在不断逼近专业设计师的效果。H系列在绝大多数物体的造型和细节展现上，已经能持平多年经验的数字雕刻师水平，但在一些案例的艺术理解和生成稳定性上还有提升空间。
P系列模型带来的变革可能更大。一些用户试用后觉得与资深专业建模师的作品已基本没有区别；但我们内部对标评估发现，在细节展现和严格管线标准（如严格对称、组件划分等）上仍有提升空间，整体大约能达到三五年经验设计师90%的水平
但这并不意味着要替代设计师，而是将大家从繁杂的重复性劳动中解放出来，让人更专注于创作意图本身。
人人都能创造自己的3D世界
量子位：P1.0上线之后会怎么服务游戏行业的客户？能举一两个例子说明它的落地场景吗？
曹炎培：我们最看重的是它对UGC可交互内容前所未有的激发。以前H系列已经被各行各业客户广泛使用，但它更关注几何精度和细节展现，生成的模型主要放在美术流程中作为参考或获取高模的一步，后续还需要做重拓扑才能用于实时引擎或手游——也就是说H系列更多面向专业用户。
但我们对P1.0的期待、也是它实际能做到的是：让更多以前不知道什么是3D模型的人，跳过对建模工具的学习，直接得到可用于目标场景、符合意图的3D资产
过去几个月AI Agent能力不断提升，越来越多独立开发者通过自然语言构建交互式内容，门槛已经非常低。最近大家都在说“人人都要有一个龙虾”，AI编程深入人心后，每个人都可以通过大模型构建自己的软件，其中很大一部分可能就是3D交互式内容。以前缺乏足够的资产供给，但现在能做到秒级生成引擎可用的资产，这条路就被完全打通了。所以我们对低门槛UGC的内容供给爆发非常乐观。
量子位：你们判断3D生成正在从专业生产工具变成大众表达方式，你觉得在什么条件下，UGC互动内容的爆发会真正发生？
曹炎培：从历史上看，所有UGC内容的爆发都有迹可循——先有工具来创造内容，然后获取内容的门槛降到无限低，UGC平台自然就会爆发。打字、拍照、摄像都是如此。
3D也一样。我们提供的AI 3D生成能力，可以看作像摄像头一样的基础能力。现在2秒、几乎零成本就能获取海量3D资产，UGC交互平台已经具备了成熟的基础
接下来随着技术发展，还需要更多智能体模型或世界模型来处理交互式内容中的状态转化——比如角色与环境的交互、角色之间的交互、环境的演化。这些条件成熟后，再叠加零成本的资产生成能力，可能年内就会看到很多UGC互动平台的迹象。AI时代限制创作的不再是技能或工具，只要有想象力，就有各种模型和AI帮助完成创作
量子位：如果AI的生成速度和质量都达到了这样的水平，对游戏、影视、元宇宙等产业会带来怎样的变化和影响？有没有可能改变3A游戏资产生成的方式？
曹炎培：3A是一个方面，但首先游戏的形式本身会迎来巨大变化——就像短视频之于广电或电影的变革一样，我们觉得交互式内容会有根本的范式性转变。
现在的3A是极少数专家和艺术家经过三五年筹备，把一套作品呈现给大家，大家在里面消耗时间去玩。但当人人都能创造3D内容之后，gameplay可能不再是被人为定义的，三维环境也不是被少数精英定义。人人都可以创作自己的可交互世界，所有玩法也都可以无限个性化和定制化
量子位：你们今年之内会打造一个UGC互动平台，可以透露一下它大概是什么样的吗？Tripo在里面扮演什么角色？
曹炎培：Tripo提供底层的模型能力。我们认为几类技术对应交互式内容或世界建模的不同组成部分：H和P系列提供的是交互世界中基础的状态，比如持久性的道具、角色应该是什么样子；我们还会打造自己的世界模型来建模状态之间的转化——角色怎么与环境交互？交互过程怎样自然地呈现和生成？这是世界模型或AI Agent模型需要解决的问题。
在这些能力之上，我们期待的交互式平台是一个纯UGC平台，甚至比Roblox或Minecraft门槛更低——让大家在意识不到自己在生成或操控3D的时候，就把高自由度、可分享、可共创的交互式内容构建出来。
AI 3D算法范式进入2.0时代
量子位：回顾过去几年AI 3D技术的发展，你会把它划分成几个阶段？为什么说P1.0的发布是进入了AI 3D算法范式的2.0时代？
曹炎培：AI 3D的1.0时代可以定义为追求视觉或几何拟真的时代。3D模态和视频、图像不同，它是物理世界的表述，天然可以交互，有更高维的信号——仅仅是外观或视觉的近似显然不够。但技术总要一步步发展，过去几年大家追求的归根到底就是“看起来好”。
2.0时代有几个特点：第一是原生资产，不再需要复杂的转化，既然需要工业可用的资产，就直接在这样的资产上训练和生成。
第二是生成的资产具有功能性，天然具备部件拆分、可动部分——比如具身智能中的关节结构、动画中的骨骼结构，更进一步还能生成这些可动部分的运转逻辑。
第三是将1.0时代速度、质量与可用性的“不可能三角”变为同时成立。AI 3D不再只是画图或拟形的工具，而是真正在构筑3D世界或物理世界。
量子位：在AI 3D生成领域，目前还有哪些尚未被解决的技术难题？接下来最大的技术挑战是什么？
曹炎培：2.0时代的目标引出了接下来的核心问题。功能性现在刚迈出第一步——比如原生资产内部的部件级信息，已有越来越多方法可以建模，但原生的动态和可交互性，虽然在数据中存在，生成能力还未达到理想状态。
未来需要生成的模型不仅形状对、拓扑布线对，还要能自发理解物体的物理关节——包括肘关节、膝关节等有机关节用于动画，也包括门的轴承、抽屉的抽拉结构等。生成模型需要在生成网格的同时，原生地生成对应的绑定、关节结构以及物理材质属性。这是接下来值得积极攻坚的方向。
量子位：下一步是不是发展到世界模型的路线？从AI 3D生成到世界模型之间的技术关系是什么？
曹炎培：不能完全说两者会合一。目前做世界模型，动量最大的方式肯定是充分利用视频数据，因为视频数据最容易获取，模型和数据都能做很好的scaling。但大家或多或少意识到，仅靠视频建模短期内可以走得很快，从原理上讲却有很多物理和3D信号由视频来建模不一定是最适当、最高效的。
世界模型的一个重大方向，是操控persistent状态之间合理切换的transition过程，而这些状态由3D的表示或资产来存储是很高效的。这需要两个模态共同努力：世界模型需要知道怎么操控这些persistent状态，3D资产则需要具备可被操控的功能性接口。
比如现在P1.0生成的模型已经在无限接近人工构造的网格，但在可操控方面还有提升空间——生成的抽屉本身和外框已经是分离的，但当一个信号说“把抽屉拉开”，具体哪些三角形该怎么运动还没有被很好地建模。这些与功能相关的属性，是3D路线需要更多迭代的方向。
量子位：对于世界模型来说，3D会比视频数据更接近其核心吗？
曹炎培：这目前还是一个非常open的问题，行业怎么发展也完全是open-ended的。但有一个朴素统一的思想——首先要定义什么是世界
如果是建模周边的物理世界，那物理世界本身就是三维的，最直接、最经济的方式也许就是在三维空间去建模和学习。
而且很多状态级别的实体，比如杯子、桌子，在物理世界中的表示非常固定一致，纯用视频去表示每一帧都需要新的像素来表达这些物体，对计算量和信息量都有很大消耗。大家已经意识到这个问题，长期可能需要视频数据混合3D数据，通过scaling的探索来找到最好的结合点。我们的思路也是两者结合。
量子位：你们现在做世界模型的进展大概怎么样？
曹炎培：我们会很快用demo来展示阶段性进展，它会是一个具备交互能力的世界。
量子位：你们做世界模型的优势在哪里？
曹炎培：有几方面。第一，3D团队在本质思考、数据和相关能力积累上，做世界模型天然有一定优势。
参考世界上很厉害的世界模型公司——Google DeepMind做世界模型的团队中有很多3D出身的研究者，World Labs更不用说，创始团队都是三维计算机视觉或图形学出身。大家的思路都是从本质出发，而不是做渐进式提升，在世界模型这种非常open-ended的大问题下，这样更有概率接近最终结果。
另一方面，去年我们推出了“V·STAR计划”，一项面向顶尖研究者的专项招募与培养机制，吸引了对3D和世界模型交叉方向感兴趣、能力很强的同学加入。不管什么时候，有足够的人才和idea才是最大的优势。
量子位：如何看待目前全球AI 3D领域的行业格局？VAST处于一个什么样的位置？依据是什么？
曹炎培：不谦虚地说，VAST现在处在全球3D领域全栈领军的位置。反观整个行业，大部分公司还走在老路径上，用老思路给现有方案打补丁。比如网格生成，如果陷入了自回归序列化的方向，某种程度上可能是个死胡同。
依据有几方面：生成质量上，H3.1是此时此刻最好的高模生成模型；底层思考和范式重构上，我们率先把新思想快速落地为大家可以体验的P1.0模型，定义了极速生成的速度和性能天花板。
某种程度上它确立了现代3D生成与引擎工具、图形标准之间的底层连接——背后是定义和发明新的原生3D表征的能力，这在整个赛道是很强的话语权。其他像数据、人才方面的优势也不用过多赘述。
量子位：可以简单介绍一下从模型算法到平台产品，VAST在整个AI 3D领域的整体技术布局吗？
曹炎培：算法刚讲了很多，补充一下产品方面。去年我们推出了全球首个面向C端的AI 3D创意工具台——Tripo Studio，让专业用户可以在一个Web产品和工具里端到端完成一整套3D设计工作流：从参考图片生成，到图片转模型，再到拓扑、绑定、分件、动画，最终导出，全部在这里完成。
与此同时，我们的API目前服务了全球超过9万家企业，覆盖各行业的典型案例包括：
与拓竹等消费3D打印龙头的合作；与网易合作，生成模型被直接用在燕云十六声、蛋仔派对等国民IP的gameplay里；与索尼等XR厂商的合作，将3D生成能力用于全息或空间智能领域；还有机器人及具身智能厂商，甚至汽车厂家也用生成能力做油泥模型等造型参考……
下一步，我们会在今年推出UGC的3D平台，进一步探索AI 3D生成能力对社会、创作者和消费内容带来变革的最大边界
之前不管是工具台还是API都偏专业用户，但随着Tripo P1.0的发明和迭代，最重要的是让更多以前对3D毫无概念、无法想象自己能创作交互内容的用户获得新的机会——就像最近AI Agent或龙虾风潮带来的观念和范式转变一样。
VAST Tripo Studio链接：https://www.studio.tripo3d.ai/
富华优配提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
