VAST三启万物推V·STAR人才计划：押注3D生成与世界模型

听雨 发自 凹非寺 量子位 | 公众号QbitAI

AI这行给顶尖人才开的价码一直不低，可眼下企业看人，越来越在意你实际做出了什么，光有潜力不够了。

年轻研究者夹在中间就有点为难：公司想招已经出成果的人，可核心项目的参与机会要是越来越少，代表作又上哪儿攒去？

人才竞争因此多了一层意思：企业挑的是谁已经做出成果，年轻研究者反过来也得掂量，谁能给自己下一项成果铺路。

一份人才计划能不能兑现成长的承诺，要看它是否放人进核心项目、让人参与技术路线的判断，也要看数据、算力和协作支持跟不跟得上任务。

人工智能公司VAST（三启万物）半年不到就拿到约50亿元融资，近日又发布新一期V·STAR顶尖人才计划，请年轻研究者盯住三类明确的研究任务：

3D生成基础模型、三维理解与智能体、世界模型。

它要找的，是那种能参与定义问题、拿得出技术判断、还能把探索做成实际成果的年轻研究者。

这几个方向都指向同一件事：AI不能只停在生成内容，还得去构建能交互的世界。会写代码、能出图和出视频，离搭起一个持续运行的环境还差得远。

三维对象得能被编辑、被操控，智能体得看懂空间再动手干活，世界则要管住状态和规则，让每次行动都留下能接下去的结果。

这些没解掉的问题，正是VAST想拉上年轻研究者一起往前走的前沿。

3D打开新的研究空间

以前看AI做3D，第一眼多半看脸：像不像，细不细，转一圈会不会穿帮。

现在Agent开始接项目，要求一下就不一样了：模型能不能导进引擎？部件能不能单独调？想改一条腿，难道整个角色都得重来？

大语言模型在规划、写代码、调用工具上越来越顺手，可精细的三维对象还是得靠专业本事。

10月30日Kimi官方发的3D创作教程里就写着，碰上人物、动物、怪兽和复杂道具这类适合网格建模的活，Kimi会去整理提示词和参考图，再调用VAST旗下AI 3D基座模型Tripo等把东西生成出来。

这种配合已经攒出不少好作品。

独立开发者Sac把Claude、Tripo和Blender串成一条工作流，只花16天，就把《小王子》里的星球做成了能进去逛的3D场景。开发者@thebuggeddev则拿Codex配Tripo，做出一个能在网页上查看、操作器官模型的3D人体解剖应用，后来还被OpenAI联合创始人兼总裁Greg Brockman转发。

这类项目里，大语言模型管流程、写程序，Tripo出三维资产，创作者再把它们拼成能上手玩的作品。

一种能力接上另一种能力，研究问题也跟着变：生成出来的东西，怎么才能让下一步接着用？

VAST首席科学家曹炎培做过一个挺直观的实验。他先用Tripo P2.0生成机械蜘蛛，再借模型形成的部件结构，让LLM给各个独立部件命名，写运动逻辑并调试，最后做到了部件级动画控制。

到这一步，几何结构清不清楚、部件分得合不合理，会直接决定代码找不找得到该控的对象。蜘蛛的“腿”在数据里也得是一条能操作的腿，不能只靠观众看着像。

项目再复杂些，还会碰上同一个对象在多轮操作里的连续性问题。

想把自己的猫塞进游戏，它的脸型、花纹、体态都得留住，结构上还得适合后面绑定和动画。

如果要给一个动作已经做好的角色换外套，就得改动指定区域，还得尽量保住脸部特征、身体比例和原有动作。哪部分能动、哪部分该留、改完之后还能不能接着用，这些正是VAST想靠3D原生智能深入解决的问题。

团队因此选择专门做三维训练，让模型去学形体、拓扑、部件之间的关系，以及修改前后对应的规律。说白了，就是试着把制作环节里的一部分试错挪到训练阶段，让生成出来的对象更容易被认出来、被操控、被继续修改。

从三维表征到世界模型，VAST做过几次关键选择。

有些AI模型看着外观不错，真进了制作流程，却可能还要花不少工夫去整理网格结构。

一旦牵扯到编辑、细分和动画形变，四边面拓扑往往更便于后续处理。问题是手工重拓扑太耗时间，交给自动处理又可能丢细节。

创作者刚为生成速度高兴完，就得回头给后续整理重新排期。

Tripo P系列模型底层的Nexus框架，想的就是在生成阶段把这个问题一并解决。它把顶点与拓扑生成拆开，用扩散模型由粗到细构造顶点，再用新的编码方式表达拓扑关系，从而实现无需预先排序的原生网格生成。

这套触及3D生成本质的范式，也拿到了国际顶会的认可。今年7月，Nexus相关论文被国际图形学顶会SIGGRAPH收录；与此同时，基于P1.0的实时演示获得了SIGGRAPH 2026 Real-Time Live!的Best in Show奖项。

8月登场的Tripo P2.0补上了原生四边面拓扑这一环，几秒钟就能产出以四边面为主的三维对象，面数可控制，部件拆分也更合理。

这些特性各有各的用处。生成快，Agent就能多试几轮；面数可控，方便适配网页和移动端的性能预算；拓扑规整，后续编辑与动画制作的障碍会少一些；部件清楚，独立控制也更容易展开。

资产到底好不好用，得放进完整工作流里看。

再往前一步，是世界模型。

今年初，动作条件视频模型引起过关注：输入一张图片，再通过键鼠操作生成后续画面。VAST团队也觉得有意思，不过他们先问了一个本质问题：这东西要怎样才真正有用？

拿游戏来说，角色还剩多少血、技能冷却有没有结束、一扇门有没有被打开，这些都得持续维护。总不能玩家扭个头，世界就把刚才发生的事全忘了。

10月，VAST把EdenLive开源了。这个渲染器面向任意视觉参考、支持实时交互，是团队在世界模型方向上拿出的最新成果。

EdenLive首次在实时生成的前提下，同时做到任意视觉参考输入、任意画风生成、长时连续生成。根据官方测试，在单张GPU上，EdenLive能以超过24 FPS的速度生成720P画面，并支持分钟级连续生成。

EdenLive为什么能实现突破？答案在它对底层结构的解耦：上游交互引擎负责维护世界运行的状态和交互规则，下游实时生成模型负责高保真的画面呈现。

把它放进游戏原型里就好理解了：Agent参与搭建程序与交互逻辑，三维场景提供空间结构，视频模型则持续生成更丰富的画面。

玩家一边操作，画面一边更新。要解决的事情，也从“生成一张漂亮截图”延伸到了“让整个体验持续跑起来”。

EdenLive这条路线，其实是VAST对世界模型长期探索的延伸和验证。

其实6月发布的那个世界模型项目Project Eden，已经把分层解耦的思路讲得很清楚：底层管世界状态，物体属性、交互规则、动作后果都记在这里；中间层负责把状态换算成当前视角需要的布局、几何与事件约束；到了上层，生成式渲染器再照着这些条件出画面。

世界状态不必依附于镜头存在，画面生成也就有了明确依据。

刚提出这套选择时，它并非顺理成章。EdenLive核心贡献者之一Zion回忆，团队内部为此争论过好几轮：视频模型那条路看上去更端到端，拆开来做，会不会让人觉得不够新、像是在躲开更难的题？

讨论到最后，落点还是目标本身：他们想做出的世界有清晰规则，还能持续交互。照这个方向走，显式状态就值得下功夫研究。

Project Eden发布之后，Code World Model、AgentGarten等工作也在试另一种分工——让代码、引擎或智能体来维护状态，画面交给视频模型生成。李飞飞团队提出的“三层”世界模型架构，以及谷歌新发布的世界模型Genie 4，路线同样与Project Eden彼此呼应。

△Genie 4把“代码和LLM负责逻辑结构化推理，生成模型负责渲染和表征”这条路线写进了未来规划

能做到分钟级的连续实时生成，已经算一大突破。接下来要解的题，是更长时间上的一致性、更准确的控制，还有实时性与计算成本之间怎么取舍。

让年轻研究者自己定义问题，主导自己的代表作

这回V·STAR开放的研究方向有三个：3D生成基础模型、三维理解与智能体、世界模型。

这类工作既要不同背景的人碰在一起交流，也要研究者在没有定论的时候自己拿主意：现有路线的短板在哪？哪些问题值得重新定义？要不要换一种解法试试？对年轻人来说，能想出点子只是一半，另一半是有没有机会牵头去验证。

Tripo P系列核心贡献者Ronnie很早就到VAST实习，毕业之后正式入职。P系列最早的起点，就是他在实习期间作出的一次路线判断。

那时候，大语言模型做成了，不少研究者跟着尝试用自回归的方式生成原生网格，也做出了一些有生产价值的结果。但Ronnie发现，把三维网格硬转成序列会丢信息；生成要求一高，这种表达方式的局限还可能被进一步放大。

于是他提出：能不能换条路，用扩散模型来做网格生成？

当时业内很少有人碰这个方向，也没有成熟路径可抄。不过这个想法很快在内部得到了支持，Ronnie得以继续把实验推进下去。

“我们有很多试错和成长的机会，”他回忆说，“可以自己做一些out of the box的探索。”

一开始，他并没有想着要做出条旗舰产品线。但从看出既有方法的局限，到提出替代路线，再到一步步验证，这项研究探索最后长成了Tripo P系列。

他拿到的不只是参与项目的机会，更是让自己的技术判断去影响模型方向、把它做成代表作的空间。

让他印象很深的一次反馈，发生在今年3月的旧金山游戏开发者大会（GDC）。一位路过的游戏开发者看完P1.0演示，对它展现出的能力感到惊讶，说此前没见过类似的东西。

△GDC上P1.0广受欢迎

对研究者来说，这种反应很实在：自己在实验里反复琢磨的东西，真的让另一个人看到了新的创作可能。再往后，开发者把模型接进不同的Agent，做出团队自己都没设想过的作品，这份成就感又往前多走了一步。

要让这样的探索发生，除了给年轻人空间，还得有别的支持。

EdenLive核心贡献者之一Zion的经历，给出了另一份回答。

他在VAST早期实习过，后来去大厂的大模型团队实习了半年，也拿到了大厂人才计划的留用机会，结果校招时还是回到了VAST。

他没有把这个选择简单说成“大厂和创业公司哪个更好”。对他而言，要紧的是能不能探索自己关心的问题，以及探索需要的条件跟不跟得上。

回到VAST之后，数据、基础设施和算力支持都够充足，他也慢慢把自己的研究目标定清楚了：交互与仿真。

被问到再选一次还会不会来，他说：“我应该会比当时更加坚定。”

理由也很朴素：“当时期望的东西，在这不到一年里确实都得到了回应。”

关键判断不只在选路线的那一刻出现，实验做完之后同样要面对：什么该接着做，什么得调整，什么先放一放。

Zion 试过把 LLM 或 VLM Agent 与 3D 生成结合起来搭场景。问题是，当时的基础模型即使看出物体朝向不对，也没法稳定地把它转正。验证了一段时间，这个课题被暂时叫停。

团队的做法是先用有限资源验证关键假设，成立就继续投，不成立就重新讨论。试错的空间里，也包括研究者可以凭证据推翻自己先前的判断。

主导自己的研究，不等于所有问题都一个人扛。

VAST 算法团队成员 R 想要的伙伴是“high capability、low ego”——能力强，也愿意把心思放在一起解决问题上。还在读博的实习生 Stewie，已经参与到核心模型从数据到训练的完整流程中。

他的体会是，同伴愿意分享理解、一起把难题拆开，人才密度高带来的也可以是支撑。

这些经历对应着 V·STAR 想给的研究条件：入选的人能从零推动项目，参与定义重点技术方向，并拿到配套的数据、算力和协作支持。

待遇上，薪酬不受传统校招职级与薪资的限制，特别优秀者上不封顶，另有长期期权激励。

评价人才时，团队更看重一项研究有没有真正推进问题，研究者能不能讲清楚：为什么值得做，为什么选这条路，实验又怎样改变了自己的判断。

这也接上了开头那个难题：企业看重成果，人才计划就不能只等年轻人带着代表作来，还得提供让代表作在这里长出来的条件——让他们进核心项目，做出重要判断，并有资源和伙伴一起完成验证。

从 3D 生成到世界模型，不少问题还没有定论。VAST 希望新加入的年轻研究者不只参与找答案，也能一起决定下一步该问什么。

北京、杭州、上海、深圳以及海外远程都是 V·STAR 的工作地点。校招这边招的是 2027 届本科、硕士、博士毕业生；实习岗位则面向非应届的在校生，年级不限。

投递邮箱：vstar.talent@vastai3d.com

（文中 Ronnie、Zion、R、Stewie 均为化名）

—完—

@量子位 · 追踪AI技术和产品新动态

深有感触的朋友，欢迎赞同、关注、分享三连վ’ᴗ’ ի ❤