Hi3D开源V1.0底座并推Agent:AI 3D从演示走向生产

资讯 极客公园 作者:极客老友 全文 4453 字 · 约 12 分钟读完 配图 2 张 分类开源模型开源智能体开源生态

从 Demo 好看到生产好用。

所属频道 智能体与 Agent开源生态

2026 年的 AI 3D 赛道,正处在一个微妙的分水岭上。一级市场热度还在往上走,新模型、新创业公司不断冒出来,单图生 3D 的正面渲染效果差不多已经能以假乱真。

可剥开炫目的 Demo 外壳,绝大多数生成结果仍然停在「转台展示」阶段:一个精致的角色或机械模型在灯光下缓缓旋转,鳞片、衣褶和金属刻纹栩栩如生。问题是,这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程,就立刻原形毕现——结构断裂、背面崩坏、细节粘连、网格不可编辑等问题集中爆发,大量人工修补成本把 AI 带来的效率红利吞掉了。

正面视图保真度不等于 3D 质量,这成了新的行业共识。AI 3D 的竞赛也因此从「能不能生成」的上半场,转入「能不能落地」的下半场。

也正是在这个节点上,头部玩家 Hi3D 接连落下两枚棋子:一边正式开源经过生产验证的 Hi3D V1.0 底座,一边推出以创作者为核心的 Hi3D Agent,一头连接产业底层,一头扎进真实的创作全流程。

这家公司成立还不到三年,成绩单已经摆在那儿:半年里接连跑完两轮融资,加起来接近 5000 万美元,红杉中国、IDG 资本、美团龙珠等一线机构纷纷入局;旗下 Hi3D 平台覆盖 120+ 国家与地区、200 万 + 创作者,和拓竹科技、xTool 等头部设备商做了深度集成。

学术上把稀疏几何技术捅破了,生产级模型又开源开放出去,Agent 创作系统整条链路也打通了——通往 3D 生成下半场的门票,Hi3D 已经攥在手里。

01

3D 生成,被高估的 Demo,被低估的生产鸿沟

单图生 3D 的底层逻辑,天然带着视角偏见。ULIP、Uni3D 等指标被反复刷新,重正面、轻整体,重外观、轻内部逻辑,一度成为这个行业过去几年的共同写照。

可 3D 资产说到底是可以旋转、可以编辑、可以加工的立体对象。角色图片里一缕垂下来的头发,可能就占几个像素;一旦放进三维空间,模型就得定下它有多厚、离肩膀多远、怎么接到头上。再往深了说,除了光影和轮廓,背面、底部、被挡住的内部结构,都得靠模型从训练数据里学到的三维先验去推。

不然的话,一个正面看着像模像样的 3D 模型,换个角度很可能就穿帮——该闭合的壳体破了洞,对称的零件左右拧着,细巧的结构不是糊成一坨,就是干脆没了。

更进一步,多视角下的几何一致性问题解决了,一个模型能不能被下游工具用起来,还取决于它的精细结构保留度、网格拓扑合理性,甚至是壁厚、封闭性等工程属性。

实测数据摆着:同样在 1536³ 分辨率档位,连一些头部玩家的产品,3D 打印切片成功率也只有 7%-17%。细节看着拉满的模型,真到了实体生产这一步就处处卡壳。

资本市场的热度一直没退,产业端却老是试点多、规模化少,原因也在这儿。行业进了下半场,谁能先把 Demo 好看→生产好用这道坎迈过去,谁才拿得到 AI 3D 产业化的入场券。

02

Hi3D V1.0 开源:把 200 万资产训练的生产级底座,交还给全行业

Hi3D V1.0 的技术起点,可以追溯到 2025 年的 Sparc3D。这项研究有 Math Magic、南洋理工大学及帝国理工学院研究者参与,处理的是高分辨率三维建模中的一个基础问题:怎样保存复杂表面,又不让计算和存储成本随着分辨率失控。

三维网格背后的体素空间,规模会按立方级变化。每个方向从 1024 提高到 1536,线性分辨率增加 50%,完整网格中的单元数量就会变成原来的 3.375 倍。大量空白区域如果也参与计算,成本会迅速上升。

Sparc3D 走的是稀疏表示,把算力更多压在跟物体表面相关的区域,再用稀疏卷积自编码器对几何信息做压缩和重建。论文训练用了约 50 万件资产,亮出了 1024³ 级别的高分辨率重建能力;几何信息在表示、压缩、恢复这几个环节怎么保住,它做了改进,高分辨率几何建模这块也就此立起了技术标杆。

Hi3D V1.0 则在此基础上,将训练资产扩充到约 200 万件,覆盖角色、硬表面物件、日常产品、载具、建筑、有机形态等多元品类,并新增了 1536³ 的高分辨率输出层级。精度跃升靠的是三级渐进式稀疏重建:三级结构分别基于 64³、128³、192³ 的稀疏坐标网格,通过固定 8 倍的结构到表面解码器缩放,对应输出 512³、1024³、1536³ 的名义分辨率。

Hi3D开源V1.0底座并推Agent:AI 3D从演示走向生产(配图 1)

Hi3D V1.0 生成的矮人工匠

不过,比起训练规模和分辨率这些数字,更关键的是生产验证。正式开源之前,这套模型已经在面向用户的生产部署里经受了真实场景的打磨。

公开测试报告给出的数据是:在专业3D算法从业者参与的主观人工偏好测试中,Hi3D V1.0综合偏好得分85.9%,对多数主流模型的偏好胜率超过90%。客观指标方面,多视图保真度(MVF)为0.75,细节丰富度(DR)为0.841,两项核心几何指标在同期方法中都排在第一。

Hi3D披露的一组1536³档位测试里,切片通过率达到90%;同一档位的竞品同期只有7%至17%。

十几倍的差距,划出的正是实验室模型和生产级模型的分界。高分辨率必然牺牲工程可用性,这个行业刻板印象被打破了——精细几何和生产兼容,其实可以并行。

开源之后,这套经过真实业务检验的高分辨率几何生成能力,成了全行业可以复用的公共底座:企业能拿它做私有化部署,把AI 3D能力接进自己的数字化产线;开发者可以在上面搭垂直工具,不必从零重建高分辨率几何管线;研究团队则能站在生产级基线之上,去探索更前沿的方向。

03

从Hi3D V1.0到

Hi3D V3.0与Hi3D Agent,

一条清晰的生产级交付进化路径

某种程度上,Hi3D的版本迭代路线,几乎就是一部AI 3D向生产端靠拢的浓缩史。

V1.0阶段的核心突破,是1536³级别的高精度几何重建,把高分辨率几何重建做到了生产可用。细节准不准、结构完不完整,这些问题由此解决,生成的模型至少能进下游工具、能做基础加工。

到了V1.5与V2.0阶段,突破重点转向几何与纹理一体化生成,还有智能遮挡结构补全、去光照预处理,从输入图到完整资产可以一站式输出,用户在不同工具间跳转的成本降了下来,纹理质量与生成效率也同步提升。

V3.0阶段,几何分辨率进一步拉升至业界首个商用2048³体素级,纹理输出上限达到8K,跨视角结构推理与自研UV补全算法做了深度升级,智能拆件、多色打印、摆盘等功能也一并上线。

使用Hi3D制作的游戏Demo

版本一路升级,人工修补成本随之大幅削减,AI生成的3D资产也逐渐从能用走向可交付。

可模型能力再强,也只是创作流程中的一环。3D创作的真实路径,从来不是一张图出一个模型就结束:能打印的高密度三角网格,未必适合角色动画;适合概念验证的模型,也未必满足精密零件的尺寸要求。

Hi3D Agent的出现,让模型从初期设计到现实世界生产之前的打磨效率提了上来。

眼下行业对3D Agent的主流探索,大多依托MCP等协议,由大语言模型调用外部3D工具,思路本质上是「连接层」——大模型发号施令,工具执行单点操作。

问题是,通用大语言模型擅长理解意图、拆解任务,却不懂几何拓扑,不懂薄壁结构,不懂网格规范;专业3D模型擅长还原形态、生成高精度几何,却听不懂复杂的创作目标,也不会主动推进流程。

所以Hi3D Agent走了另一条路:直接构建面向创作者的3D工作层,以专业3D模型为核心底座,把意图理解、任务规划、模型生成、持续修改、工程优化、场景适配串成一条连续的工作流。

Hi3D 把活儿分成两块:通用大语言模型管“想做什么”,负责读懂创作者意图、把目标拆开、排好步骤;Hi3D 专业模型管“怎么做好”,把意图落成几何准确、结构完整的三维结果,两边分工很清楚。

两者各司其职、深度耦合,生成一个模型的单点动作,就这样延伸成完成一件作品的完整链路。

Hi3D开源V1.0底座并推Agent:AI 3D从演示走向生产(配图 2)

对比,原图 / ChatGPT6 模型生成 / Hi3D Agent 模型生成

对创作者来说,走完这个过程,可能只需要一张参考图、一个半成品模型,甚至一句模糊的想法,比如「修复车门结构,优化硬表面边缘,输出可打印格式」,剩下的迭代、修改、适配交给Agent推进。每一步调整都有可对比的前后版本,创作者随时能叫停、修正方向、决定取舍。

它要的是一种创作者主导、可感知、可控制的连续创作过程,把创作者从重复劳动里解放出来,把时间花在审美判断、风格打磨、创意表达上。

靠着 Agent,Hi3D 迈过了从 demo 到生产级模型那道坎。接下来它要处理的,是生产级模型和最终产品之间还横着的一段距离。

之所以有这段距离,是因为同一个断裂问题,成因可能完全不同。几何连接太细会断,材料选错、摆放方式不对或者加工参数有偏差,同样会断。算法团队得判断清楚:哪些失败该拿去改模型,哪些该转给工艺端调整。方向诊断错了,再往里砸训练资源,效果也未必好。

以前要查清问题出在哪,人得在好几个软件和生成流程之间来回切换。AI 把「从 0 到 1」这一步解决了,可「从 1 到 100」的打磨,还是大量靠人工。

为了填上生成与生成之间的这道沟,Hi3D 干脆在珠三角自己建了工厂,把 AI 模型研发和实体生产工艺直接对接起来。公司创始人任利锋会在投资人来尽调之前,带他们去工厂转一圈。他的看法是,AI 的价值最后要落到真实的制造、真实的交付、真实的商品上;模型企业还得在材料、设备、产品类别上攒下更多 know how,才能更好地服务真实生产。

04

把产品做好,再把蛋糕做大

从 V1.0 到 V3.0,从开源底座到 Agent 系统,Hi3D 这一路铺下来,目标已经不止是做一款好用的 3D 生成工具。它真正想站的位置,是 AI 3D 时代的基础设施。

往下看,V1.0 把底层能力开源出去,开发者和企业可以花更少的成本,站在成熟的生产级底座上做自己的创新。

往上看,V3.0 不断把商用模型的精度边界往上推:2048³体素级几何、8K 纹理输出。专业创作和上层应用的天花板,也跟着一点点抬高。

往旁边看,Agent 把从想法到交付的整条链路串了起来,单点工具变成了完整的创作工作流。Hi3D 还通过 MCP 接口向外部的 Agent 开放能力,让更多工作流、更多工具都能接上它的 3D 生成能力。3D 内容生成的使用者,也从专业开发者扩展到对这件事感兴趣的普通创作者。

三层能力摞在一起,研究者在这里做技术迭代,开发者在这里试场景创新,创作者在这里把作品交付出去,企业在这里把生产应用落下来。蛋糕越做越大,这大概才是 Hi3D 真正的野心。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Hi3D开源V1.0底座并推Agent:AI 3D从Demo走向生产

    作者|Cynthia编辑|郑玄2026 年的 AI 3D 赛道,正站在一个微妙的分水岭上。一级市场的热度仍在攀升,新模型、新创业公司层出不穷,单图生 3D 的正面渲染效果几乎已经做到了以假乱真。但剥开炫目的 Demo 外壳:绝大多数生成结果依然停留在「转台展示」阶段:一个精致的角色或机械模型,在灯光下缓缓旋转,鳞片、衣

    来源 腾讯网
  2. 朱啸虎:Personal Agent价值存疑,中国AI应用将现10亿美元ARR公司

    整理:李楠10 月 21,为期五天的 ACC 2026 AI 创造者嘉年华开幕。在开幕式的主舞台上,硅星人创始人、CEO 骆轶航与金沙江创投主管合伙人朱啸虎展开对话。从模型的发展趋势、AI 应用爆发的指标,到 Personal Agent 的机会、AI 时代对创业者的要求,两人对话涵盖了一系列 AI 行业的热点话题。在

    来源 腾讯网
  3. 周鸿祎评DeepInfer开源:企业为何需要“主权AI”?

    10月23日消息,近日,DeepSeek宣布将内部使用的AI推理框架DeepInfer开源。360集团创始人周鸿祎对此表示,DeepSeek开源不仅体现了技术自信和开源普惠理念,也反映出AI时代技术主权的重要性。 据介绍,DeepInfer通过优化计算调度,让CPU与显卡协同工作,减少等待和重复计算,提高硬件资源利用效

    来源 AI 行业观察
  4. InkOS 8.8k star领跑:开源AI写网文哪条路线更靠谱

    这篇调研拆解了当前开源社区里做AI网文写作的主要项目,按技术路线分成Agent操作系统、产品级平台、多智能体框架、仿写引擎等几类。重点分析了InkOS、NovelForge、马良写作、ai-novel-lab等代表性项目,对比了各自的架构设计、成熟度和实际能做到什么程度。结论是:目前还没有哪个开源项目能全自动写出合格的

    来源 AI 应用前沿
  5. 奥特曼再谈闭源:中国开源模型追平,安全牌不好打了

    美国AI大模型的发展路径正经历一场耐人寻味的转向:起步阶段曾拥抱开源,如今主要巨头却集体转向闭源,OpenAI更是一度违背初心走向盈利。日前,OpenAI CEO奥特曼再次为这一选择公开辩解,理由依然是——为了大家的安全。

    来源 TechWeb
  6. OpenAI闭源再拿安全说事,中国开源模型已追到眼前

    美国AI大模型的发展路径正经历一场耐人寻味的转向:起步阶段曾拥抱开源,如今主要巨头却集体转向闭源,OpenAI更是一度违背初心走向盈利。日前,OpenAI CEO奥特曼再次为这一选择公开辩解,理由依然是——为了大家的安全。

    来源 TechWeb
  7. Ecosia弃Mistral转中国开源模型:欧洲AI自主遇挫?

    德国搜索引擎Ecosia近日调整AI战略,结束与法国AI招牌企业Mistral的合作,转而采用包括中国开源模型在内的多种开源方案。此举在欧洲科技圈引发波澜。此前Ecosia曾把Mistral视为摆脱美国巨头依赖的救命稻草,而该平台长期以种树和独立为标签,强调环保与技术自主。

    来源 AI 产业速递
  8. Anthropic反蒸馏措施见效,美国会推法案限制中国AI模型

    两个月前,关于模型蒸馏的指控刚兴起之时,大家比较担心的是,美国会不会因为蒸馏问题把中国的开放权重模型公司列入实体清单,目前这一情况没有出现,美国政府在蒸馏问题上似乎也陷入了静默。但如果仔细观察最近一段时间的变化,就会发现,美国企业和国会实已经在采取一些具体行动,且方向越来越清楚。首先是美国头部闭源模...

    来源 腾讯网
  9. Jefferies警告“2008时刻”:AI或致美国“资本大毁灭”,份额流向中国开源模型

    AI行业的债务风险正在引发华尔街资深策略师的密集警告。杰富瑞(Jefferies)全球股票策略主管、《GREED & fear》作者Chris Wood在其最新季度报告中,将当前AI繁荣与2008年次贷危机相提并论,并提出一个结构性隐患:超大规模云厂商正在向两家持续亏损的AI实验室提供巨额“无担保信用”。Wood认为:

    来源 腾讯网
  10. 中国AI大模型连续24周调用量居首:前五全是中国模型,达美国4.5倍

    文/刘亮人工智能(AI)浪潮席卷各行各业,但并非所有国家都能立即享受技术发展带来的红利。在东南亚地区,语言多达1200余种,民众日常交流中普遍存在多种语言混用的复杂情况。可西方主流AI大模型的预训练数据中,80%以上是标准英语,东南亚语言内容占比一度只有0.5%。这导致不少标准的“美式”AI大模型在东南亚出现“水土不服

    来源 腾讯网
  11. Cohere测试Qwen发现异常传文件,中国开源模型信任争议再起

    加拿大AI公司Cohere披露,其在测试阿里巴巴开源模型Qwen时发现,该模型在声明不会调用任何工具后,仍尝试向位于北京的服务器发送文件。研究人员认为这更可能是训练过程中的对齐怪癖,而非蓄意间谍行为,但事件再度点燃了外界对中国免费开源AI模型可信度的争论。本文梳理事件经过、技术成因与行业背景。

    来源 AI 科技快讯
  12. Cohere测试Qwen模型发现异常外传行为,阿里尚未回应

    加拿大AI公司Cohere披露,其在测试阿里巴巴开源模型Qwen时发现,该模型在声明不会调用任何工具后,仍尝试向位于北京的服务器发送文件。研究人员认为这更可能是训练过程中的对齐怪癖,而非蓄意间谍行为,但事件再度点燃了外界对中国免费开源AI模型可信度的争论。本文梳理事件经过、技术成因与行业背景。

    来源 AI 行业观察
  13. 小米HachimoDock开源AI硬件:150元自制桌面桌宠

    2026 观猹大会期间,由小米技术委创新产品团队孵化的开源 AI 硬件 HachimoDock 亮相 —— 这是一台可由用户按个人喜好自由改造的桌面 AI 设备,小巧机身集成了个性化桌宠、语音操控电脑端 Agent、智能家居联动、自定义组件创作等能力。

    来源 IT之家
  14. 小米HachimoDock:150元复刻AI桌宠,支持语音控电脑与家居联动

    10 月 26 日中午消息,2026 观猹大会期间,由小米技术委创新产品团队孵化的开源 AI 硬件 HachimoDock 亮相 —— 这是一台可由用户按个人喜好自由改造的桌面 AI 设备,小巧机身集成了个性化桌宠、语音操控电脑端 Agent、智能家居联动、自定义组件创作等能力。 据介绍,HachimoDock 硬件自

    来源 AI 行业观察
  15. 花椒约30个Agent落地:企业AI能力如何持续演进?

    今年最大的一个变化是,企业做 Agent 的门槛越来越低,但做出一个能完成任务的 Agent,与让它在业务中持续稳定运行,还存在一定的距离。因为当 Agent 数量和使用频率放大后,很多原本不显眼的问题也会跟着放大。

    来源 InfoQ
  16. 英伟达RTX 30系显卡开源解锁:AI算力最高提升60%

    IT之家 10 月 25 日消息,英伟达已经上市一段时间的 GeForce RTX 30 系列(代号安培,Ampere)显卡,显然还有大量尚未释放的计算潜力。GitHub 用户扎吉塔(Zagitta)开发了一款名为 GPU Unlock 的开源新项目,可以解除安培架构显卡上部分人为设置的性能限制,在特定负载下,张量核心

    来源 AI 行业观察
向下滚动自动加载更多