极顶数创V2Fun：AI 3D如何走通“生成到交付”最后一公里

分析师/会磊

AI 3D的生成能力，正把交付能力甩在身后。前端一路狂奔，后端接不上，整个行业卡在断层上。

最近一年，Demo越做越惊艳，资本也一路加码。可一进产线就得推倒重来：角色没有拓扑，工业件过不了公差，3D打印撑不起壁厚。屏幕上视觉完成度越高，产线上返工量往往越大。

2026年6月，华为开发者大会现场，极顶数创的3D大模型亮相。参观者凑到屏幕前，没人先问参数，先问的是三个很朴素的问题：“这个能打印吗？”“多少钱？”“我能拿到手吗？”

前端热闹，下游还在看。据The Business Research Company统计，生成式AI 3D资产市场2029年预计达到72亿美元，资本猛砸生成端；全球游戏产业规模约2000亿美元，AI在辅助环节用得不少，进核心生产管线却依然谨慎。

极顶数创就切在这个位置。这家公司专注AI 3D内容生成与空间智能应用，想用生成式AI压低3D内容生产门槛、提升全流程效率，在生成与交付之间做资产供给的起点。COO王一夫把这段距离叫作“最后一公里”。

这段距离考的不只是生成质量，还有结构处理、生产适配和交付能力。

AI 3D生成不出完整模型吗？未必。问题是行业普遍存在一个断层：一个看上去完整的三维模型，离可用的生产资产还隔着三道壁垒。

结构壁垒：展台看好不好看，产线看能不能用。

一个游戏角色静态展示时可能很精美，一进动画环节就露馅——肩部变形、关节错位、动作穿模。看着逼真，不代表底层几何结构准确，也不代表模型可编辑、可动态化。

王一夫研发中碰到过这样的例子：一套按身高1.9米真人采集的动作数据，直接套到两头身卡通角色上，关节比例错位，一抬手肩膀就变形。静态展示考视觉效果，动态应用考几何结构与运动逻辑。结构壁垒的典型表现正在这里：模型看着完整，底层几何结构未必支持后续绑定、动画和形变。视觉完成度再高，也可能把结构问题盖住；一进动态应用，返工才开头。

标准壁垒：不同管线，合格线各不相同。

游戏开发看拓扑结构、UV、骨骼绑定与动画适配；工业制造要尺寸精度、结构公差与装配关系。同一个模型能不能用，看它要进哪条管线、做什么用途，跟生成时看着多精细没关系。

成本壁垒：生成便宜，资产不便宜。

就算模型能进生产流程，这笔生意也未必算得过来。生成便宜不等于资产便宜。王一夫打了个假设：生成完成度90%的模型要1元，99%的要10元，单看生成价格前者更便宜；可补齐最后那点完成度花的人工，可能比1元和10元的差价还高。完成度90%、99%和价格1元、10元都是假设，但生成之后的返工、重试、人工调整和验收，每一项都是实打实的成本。

对企业来说，AI 3D的评估标准正从“生成效果”转向“交付能力”。单次调用价格仍有人盯，真正影响采购决策的，是合格资产能不能稳定、可预期地交付。返工次数、人工投入和交付周期，决定一套AI 3D方案能否进常规生产，而不只是停在试用和Demo阶段。

三道壁垒背后，是生成能力和交付能力之间的断层。生成端追视觉完成度，交付端要结构、标准和成本同时成立。过去一年生成端进步明显，交付端没跟上。企业一把AI 3D放进真实生产流程，这个断层就露出来了。

过去一年，多条3D生成路线没收敛，反而越走越开。一条从工具调度切入，一条从资产结构切入。路线分化表面是技术选择，实际是商业选择：两条路线背后都有公司在投资源，争同一个入口——让AI生成的资产进生产管线。

调度路线的打法是“拼”。通用大模型理解意图、拆解任务，调用参数化工具、专业软件和原生3D模型，把一架战斗机模型的机翼、起落架、机身等部件分给不同工具生成，再由通用模型组装。优势在速度和覆盖：快速接入现有工具链，降低专业软件使用门槛，适合场景多、变化快的需求。

不过，把工具串起来，并不能保证生成结果的结构质量。通用模型能连接各种工具，却没法确保拼出的资产可以直接拿去绑定、做动画、投入制造。调度这条路，能力就到这儿为止。

结构路线则是另一种打法：直接从三维数据里学习，把资产生成出来。原生3D大模型先学三维形态和几何结构，在潜空间里完成建模，再配合纹理生成，产出原生三维资产。它的意义不止于快，更在于从生成源头把资产质量提上去，让结果更贴近能进生产管线的模型。

结构路线的坎，常常卡在数据上。谁先迈过去，谁就多一层壁垒。和文本、图像比起来，高质量原生3D数据更稀缺。互联网上的文字和图片取之不尽，高质量三维资产的存量却有限，格式、质量、授权、物体类别覆盖，样样都是约束。模型不只要学几何形状，还得学纹理和布线。高质量数据不够，生成质量和后续交付能力都会被拖住。

这两条路并非谁替代谁，而是分工。通用模型的长处是组织流程，原生3D模型的长处是表达形态。可分工不等于两条路一样好走。调度路线难在结构质量，结构路线难在数据和工程化。谁先越过自己的关口，谁的生成能力才真正撑得起交付。

极顶偏偏选了更难的那条。创始团队从自动驾驶、XR/VR一路做到原生3D大模型研发，长期泡在生产管线里，他们清楚：生成一个模型很快，让它进绑定、动画、制造却很慢。这种快与慢，成了极顶判断的依据——生成能力是基础，但AI 3D真正的门槛在交付。

判断落到路线上，就是原生3D。资产要进绑定、动画、制造，结构必须成立，而结构质量得从模型底层开始提升，再在后续工序里完善。这条路起步慢、数据难，可一旦走通，壁垒不在调度层，而在模型对资产结构的生成能力上。

在王一夫看来，生成和交付之所以难打通，症结在于各环节能否围着同一个交付目标转起来，V2Fun的产品和业务布局正是照这个思路铺开的。

向下扎根：让模型生成时，就开始考虑资产质量。

资产到底能不能派上用场，生成阶段的结构质量往往起决定作用。模型细节再花哨，网格结构不适合编辑和动画也是白搭——面数怎么分布、边流往哪走、局部拓扑长什么样，都会牵动骨骼绑定和角色形变。要拿去3D打印，还得看结构能不能造得出来。所以衡量底层模型能力，光看“生成得像不像”远远不够。

极顶数创一直在原生3D大模型研发上持续投入，想把更多资产质量要求提前放进生成环节。2026年10月推出的V2Fun2.0，在参考图还原、细节表达和纹理表现上都有提升；水密化这类结构要求，是后续研发盯着的方向。王一夫说，升级之后模型和参考图会更接近。可放到专业生产里看，“更像”并非全部。参考图还原上去了，创作者就能少花时间调外观；纹理接缝和表面细节改善了，后续修复的负担随之减轻；几何结构更贴合用途，模型进入下一道工序也会顺畅些。生产环节每解决一个问题，后面就少一次返工。

向中连接：让不同工序围绕同一个交付目标协同。

生成这一步做对了，下一道工序也未必接得稳。角色想从静态模型变成能动画的资产，网格调整、骨骼绑定、蒙皮、动作制作、引擎适配，哪一环都少不了。V2Fun已经覆盖重拓扑、绑定、动作迁移等能力。平台要干的，是尽量让前一道工序的成果在流入下一道时留得住。各家的资产标准、制作规范、软件环境都不一样，平台连起了多个环节，不等于所有模型都能无人干预地走完交付。说到底关键就一句：进下一道工序时，前一道的成果能保住多少，又得重来多少。

向外延伸：交付给谁，就要按照谁的标准生产。

工序理顺了，交付给谁，还得看按谁的标准来。面向企业和面向消费者，本就是两套打法。企业要的是能塞进既有生产体系的资产。极顶数创跟企业合作时，头一件事是跟客户把验收要求对齐。V2Fun Web负责模型能力的体验和初步验证；企业正式生产则主要走API接入和定制化方案，API把生成及后续处理接进企业现有流程，定制方案按客户的验收要求来配置输出。这套模式让生成能力落进企业现有生产体系，原有流程尽量照用。

消费者要的是实物。目前用户可通过V2Fun鸿蒙App使用“一键打印送到家”服务。下单后，打印服务会完成材料选择、制造和配送，把数字模型变成实物。

两类交付的成本结构不一样：企业适配成本集中在资产进入生产体系前的处理、验收与流程对接；打印履约成本集中在材料、制造、物流与售后。公司用每件合格资产的总成本衡量方案经济性，把生成费用、交付前处理费用和履约费用合并起来算。

三层布局最后都指向同一个目标：压低每件合格资产的总成本。成本下来了，AI 3D才可能从少数专业团队走向更多人用。

空间智能是眼下AI 3D行业最热的叙事，也是极顶数创对原生3D大模型的长期判断：从生成单个物体，一步步走向理解空间关系、构建可交互场景。

采访中，话题一引向这个未来，COO王一夫就把讨论落到了几个具体问题上：几何结构、空间关系，还有资产怎么运动和交互。在极顶看来，把资产送进生产管线的过程，也是在攒走向更复杂三维空间的基础能力。

空间智能的叙事虽然宏大，但撑住它的从来不只是“看懂”，还有“交互”。

AI要搭出可交互的虚拟世界，光有“好看的皮囊”不够，还得有结构清楚、撑得起相应交互的三维资产。拿一扇柜门来说，除了外观，部件关系和开合约束也得明确；一块桌布想呈现合理的形变，离不开适合仿真的网格、材料参数和求解器一起配合。资产底座打得越扎实，虚拟场景里的动作和交互才越有可靠的依托。

极顶数创之所以从原生3D大模型切入，原因就在这里。模型要能生成三维几何与外观，还要接上重拓扑、水密化、骨骼绑定，极顶把这些环节一段段打通，让资产从生成一路走到交付。基础工作扎不扎实，决定了模型能不能走出屏幕里的展示，变成引擎里可调用、可编辑、能参与交互的资产，也决定了后续搭建复杂三维场景的底气。

极顶数创的英文名叫 Vertex Lab。图形学里，Vertex 说的是网格（Mesh）的顶点，三维世界最基础的元素。由顶点到面，再由面到网格，复杂的三维内容可以从最基础的元素一层层搭起来。

极顶成立之初就选定了原生3D大模型，做的正是这件最基础的事，也希望顺着这条路径，从资产的底层能力出发，走向更复杂、可交互的三维空间。

对极顶来说，单体资产只是起点，结构化、可交互的复杂三维场景才是下一步。生成对象从一个物体扩展到一个空间，模型就得进一步处理物体之间的位置关系、部件连接与交互约束。

真实交付中攒下的质量标准、使用反馈和工程经验，会持续推着这条路径往前走。从一件件可用资产起步，逐步建立支撑复杂三维空间生成、理解与交互的底层能力，这是极顶对自身长期位置的判断。

风已经起了。虚拟世界真正开始需要海量、可计算的模型时，那些早早把基础打牢的人，早已准备好了。