完成数亿元新融资，影眸科技 Hyper3D 让 3D 生成进入“思考时代”丨36氪首发

2026 年开年以来，3D生成模型赛道的热度一直居高不下。

今年一季度，影眸科技拿出了首个3D编辑模型Rodin Gen-2 Edit，让AI 3D模型第一次具备了可编辑的能力；到了6月，VAST官宣了新融资，Meshy紧随其后，声称发布了全球首款3D AI Agent。

而最近，影眸科技——这支学术圈出身、创业早、团队非常年轻的3D模型团队，带着最新的技术成果和新一轮融资，又给这把火添了新的柴。

这支团队创立于2020年，创始人兼CEO吴迪、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。

别看团队年轻，在B端市场，影眸几乎已经坐稳了头把交椅。其B端客户数量和营收，比行业内其他公司加起来还要多。客户名单里包括了字节跳动、Unity、Figma、Canva这样的知名企业，海外收入占总收入约80%。

在学术成果上，影眸的表现同样亮眼。他们提出了定义主流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的最佳论文及提名。在顶刊和各大会议上，论文和奖项不断，算法团队中每2个人里就有1人获得或提名过最佳论文。

在此之前，字节跳动、美团龙珠、红杉、蓝驰等机构已经相继押注。

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。这个模型最大的特点，是把语言模型中“先思考再生成”的模式，引入了3D生成领域。它面向不同生产场景，提供了可调节的精度模式。这也是全球首个千万面级的3D生成模型，最快4秒就能生成百万面模型，同时还推出了全球首个12K精度的原生3D贴图模型。

长期以来，影眸的主要业务是面向B端和专业C端，提供平台订阅、B端API售卖、私有化部署、直接交付最终资产等服务。应用场景主要集中在电商、3D打印、游戏、工业设计、具身智能等行业。

面对市场竞争，影眸的策略很清晰：瞄准海外市场，服务好C端专业用户，同时让模型的生成过程更加可控。

值得关注的是，在Rodin Gen-2.5发布后，一个重要的变化出现了——C端收入正在反超B端。

C端的发力，恰好击中了影眸一直想解决的核心问题：AI 3D到底能不能被用户真正用起来？

“从学术圈出来的人，容易有一种惯性，觉得自己技术和论文很厉害，市场为什么不用？但实际情况是，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。”吴迪的解释很直白。

想要填平这条鸿沟，关键在于生成的模型要符合使用标准，而且用户要能控制3D的生成结果。

为了做到这一点，影眸几乎给了用户最大程度的编辑自由。

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；还能实现3D编辑功能，平台生成的模型乃至第三方模型都能进行二次编辑，支持用自然语言局部修改模型；此外，能对3D资产进行分件，分件之后还能继续分件。

△影眸科技3D资产的分件能力，图源：企业官方

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

“我们对3D生成的用户群体有过预估，大部分愿意付费的用户，刚好是那些对‘可控’有需求的人。我们要先服务好那些真正会买单的人，”张启煊表示，“3D生成的落地应用，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

回顾影眸的发展历程，在经历了元宇宙赛道萎缩、2023年的资金困境之后，2024年原生3D生成方案CLAY的研究和提出，彻底改变了影眸科技乃至整个3D生成赛道的走向。

在当时，整个AI 3D行业的主流技术路径，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。这个模式有个明显的缺点：存在不可逆的信息丢失，生成的模型很难真正应用到工业设计、游戏等领域。

但影眸觉得，让生成的3D资产达到Production-Ready（生产就绪）的水准，比什么都重要。于是，他们做出了一个反共识的决定：用3D数据，从头开始训练3D原生模型。

这条没人走过的路，被他们走通了。

2024年，影眸团队提出了全球首个产品化的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》）。这个模型通过算法和框架层面的底层创新，把3D生成的效果从“不可用”变成了“可用”。该研究还提名了当年SIGGRAPH的最佳论文。

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。这也让行业的主流技术路线开始发生变化，纷纷转向3D生成原生路线。

“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。”张启煊说。

“实现可控性的关键，是在预训练阶段就把相关设计放进去，让它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，影眸团队也在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，还能在分件后继续分件，帮助用户减少“抽卡”次数，提高模型生成过程中的控制力。

Rodin Gen-2.5首次在3D生成领域引入了类似LLM（大语言模型）的Test-time Scaling（测试时缩放）策略。这种自适应的可调节Thinking Effort（思考力度），为未来实现与图像生成模型、甚至与LLM的深度结合提供了可能。通过这个策略，用户可以选择模型的思考时间和深度。它支持五档思考深度，耗时从4秒到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的生成能力，可以还原皮肤微结构、纹理、毛孔等细节特征。

△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。与传统的投影法生成材质不同，这个模型能解决传统方法中存在的颜色断层、浸染等问题，可以清晰地保留Logo、文字等信息。从几何生成到贴图，整个过程最快只需5秒。

该贴图模型具备图像生成级别的能力，可以实现材质纹理的无死角覆盖，文字效果提升显著，并且支持基于物理的PBR材质。配合同步推出的12K原生3D贴图模型，生成的几何精度与材质保真度，已经可以超越实景扫描，在行业里处于断代领先的水平。

自CLAY之后，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，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》，一举斩获了SIGGRAPH 2025的最佳论文奖。同期在该领域获得最佳论文的商业公司，只有谷歌、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%的科研成果已经走向了落地。

这具体体现在产品的迭代上。近两年来，影眸的模型实现了四次重要迭代：从Rodin Gen-1，到2025年9月发布、具备拆件能力的Rodin Gen-2，再到2026年1月发布、拥有局部编辑功能的Rodin Gen-2 Edit，直到今年6月最新发布的Rodin Gen-2.5。

谈及AI 3D的未来，吴迪透露，未来一至两年内，公司会继续做两件事：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，

过去一年，

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，影眸走的正是类似Anthropic的企业级路线。其积累的B端客户营收，超过了同赛道其他公司的总和。

从客户构成来看，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。而C端用户画像，则主要是Pro-C（专业级消费者），比如建模师、3D打印爱好者、产品设计师等。

在影眸团队看来，未来3到5年，3D生成主要还是被专业用户使用。不管对于语言模型、图像模型还是其他模型，都很难从绝对效果上完全分个高下。对于3D生成赛道而言，大众真正应该关注的是，模型厂商能否满足下游行业的真实需求。

“我们研发出来的东西，需要接入到后期的生产流程里去使用。所以我们必须做Production-Ready的东西，让它能直接进入影视、游戏等场景的后期流程。”吴迪说。

基于这个逻辑，影眸把产品设计成了生成过程中可以逐步确认、满意后再付费的模式。这个模式，源自影眸对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，用作训练数据，或者用来生成仿真环境和资产。

谈到赛道上正热的“世界模型”，张启煊认为，撕开世界模型的标签，大家主要在做两件事：一是实时视频生成，比如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。

在世界模型的版图里，影眸偏向于做可仿真资产。在平台上，他们有一个叫Sim-Ready的功能，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到产品中；二是可互动资产，比如3D资产在分件后如何动起来，在这个方向上，影眸也做出了相关的学术成果。

单纯用视频生成来做世界模型，可能会导致模型难以从视频中学到真实物理世界的维度关系。而这正是3D的优势所在：能理解物品之间的位置关系，视角角度连续性好，还能在模型中做物理模拟。

吴迪判断：“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。但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。”