8月15日，騰訊混元團(tuán)隊(duì)推出了3D世界模型的Lite版本。相較于以往26GB的顯存需求，此次通過(guò)引入動(dòng)態(tài)FP8（8位浮點(diǎn)格式）量化技術(shù)，將顯存需求直接降至17GB以下，消費(fèi)級(jí)顯卡也能流暢運(yùn)行。
此前，騰訊混元3D世界模型的FP32版本雖能完整保留所有細(xì)節(jié)，但顯存占用極高——其參數(shù)可能超過(guò)十億個(gè)，通常需要配備大容量VRAM的GPU來(lái)提升推理速度，因此消費(fèi)級(jí)顯卡根本無(wú)法支持。
簡(jiǎn)單來(lái)說(shuō)，F(xiàn)P32、FP16、FP8代表不同的「精度等級(jí)」。過(guò)去采用高精度的FP32技術(shù)時(shí)，雖能實(shí)現(xiàn)極高的精度還原，卻會(huì)占用大量顯存，還可能保留不必要的細(xì)節(jié)（例如背景的天空貼圖等其實(shí)并不需要如此精雕細(xì)琢）。
而此次動(dòng)態(tài)FP8量化技術(shù)的核心，在于能實(shí)時(shí)監(jiān)測(cè)模型運(yùn)行時(shí)的數(shù)據(jù)分布，并針對(duì)不同模塊進(jìn)行動(dòng)態(tài)適配：大部分關(guān)鍵區(qū)域采用FP16精度，像上述背景貼圖等非關(guān)鍵部分則動(dòng)態(tài)調(diào)整為FP8精度。
這一技術(shù)大幅降低了顯存占用，雖然在部分區(qū)域適當(dāng)降低了精度，卻讓個(gè)人玩家也能輕松使用3D世界模型。
騰訊混元3D重塑3D建模流程
騰訊混元 3D 世界模型是行業(yè)內(nèi)首個(gè)開(kāi)源可編輯的世界生成模型，能根據(jù)用戶提供的圖片或文字信息，直接生成完整、可編輯且可交互的世界模型，可直接應(yīng)用于游戲開(kāi)發(fā)、特效制作、教育仿真等場(chǎng)景。
圖源：騰訊混元3D官網(wǎng)
與騰訊混元模型此前的 3D 模型 AI 生成功能相比，此次推出的 3D 世界模型生成的內(nèi)容更為豐富，涵蓋環(huán)境風(fēng)格、室內(nèi)外場(chǎng)景、光線渲染等多個(gè)因素。傳統(tǒng) 3D 場(chǎng)景開(kāi)發(fā)耗時(shí)極長(zhǎng)，僅一個(gè)主要建筑物場(chǎng)景就可能耗費(fèi)數(shù)周甚至更久，而這種一鍵生成式場(chǎng)景所帶來(lái)的效率提升，完全超出了用戶的想象。
那么，面對(duì)如此復(fù)雜的場(chǎng)景開(kāi)發(fā)，混元 3D 世界模型是如何快速生成 360° 沉浸式視覺(jué)空間的呢？
從混元世界模型 1.0 的模型架構(gòu)來(lái)看，全景世界圖像生成技術(shù)作為連接文字、圖片與世界的統(tǒng)一代理系統(tǒng)，會(huì)先生成初始化世界的全景圖，從而實(shí)現(xiàn) 360° 的全覆蓋場(chǎng)景。
圖源：騰訊混元3D官網(wǎng) 混元世界模型 1.0 的模型架構(gòu)
隨后，系統(tǒng)會(huì)將整個(gè) 3D 世界解構(gòu)為不同的清晰層級(jí)，例如前景與背景、海洋與地面、地面與天空等，再基于這些層級(jí)進(jìn)行 3D 世界重建，最終形成 3D 世界模型。
相較于傳統(tǒng) 3D 場(chǎng)景開(kāi)發(fā)中每個(gè)細(xì)節(jié)都需精雕細(xì)琢、耗費(fèi)大量時(shí)間和人力資源的情況，這種一鍵生成式場(chǎng)景不僅能節(jié)省大量時(shí)間，還能輸出標(biāo)準(zhǔn)化的可漫游 3D Mesh 資產(chǎn)，兼容 Unity、Unreal Engine 等工具。
而且，生成內(nèi)容的精度已達(dá)到可直接使用的水平：前景內(nèi)的注意力區(qū)域細(xì)節(jié)呈現(xiàn)到位，背景與前景分離度足夠，未出現(xiàn)界限不清晰、光影模糊等問(wèn)題。
但在官網(wǎng)體驗(yàn)混元 3D 世界模型后會(huì)發(fā)現(xiàn)，它無(wú)法完全還原文字中的所有要求，只能還原大致的場(chǎng)景需求、光影顏色以及前景區(qū)域的細(xì)節(jié)。
例如，下圖對(duì)應(yīng)的文本要求中提到了機(jī)械世界、機(jī)器人等元素，但這些都未在生成的場(chǎng)景中呈現(xiàn)。系統(tǒng)只是提煉了與構(gòu)建大體世界場(chǎng)景相關(guān)的詞匯，如賽博廢土風(fēng)格、天空中紅色的落日等，然后分離出前景與背景 —— 將 “廢棄的游樂(lè)場(chǎng)” 解構(gòu)為前景內(nèi)容，紅色落日作為背景天空內(nèi)容，再基于這些層級(jí)重建 3D 世界場(chǎng)景，也就是說(shuō)，它僅還原了場(chǎng)景的大致需求。
圖源：騰訊混元3D官網(wǎng)
能明顯看出混元 3D 世界模型目前還無(wú)法滿足用戶的個(gè)性化需求，不過(guò)已經(jīng)能做到初步構(gòu)建出前景、背景以及簡(jiǎn)單的場(chǎng)景細(xì)節(jié)，可以在游戲開(kāi)發(fā)等工作中節(jié)省不少時(shí)間。
此外，這種依照用戶要求生成的 3D 世界模型對(duì)普通玩家而言也極具可玩性。直接輸出 3D Mesh 資產(chǎn)帶來(lái)了格式的統(tǒng)一和學(xué)習(xí)成本的降低，當(dāng) AI 能夠完成場(chǎng)景解構(gòu)和 3D 構(gòu)建工作時(shí)，用戶的主觀能動(dòng)性就成了決定生成場(chǎng)景的唯一變量。
3D模型起風(fēng)了，25年走向平民化？
騰訊此次將混元 3D 世界模型普及至消費(fèi)級(jí)顯卡，目的十分明確 —— 吸引廣大開(kāi)發(fā)者與創(chuàng)作者涌入 “騰訊混元 3D” 生態(tài)。該模型支持從 3D 模型到 3D 世界場(chǎng)景的全流程內(nèi)容生成，用戶由此能夠創(chuàng)造屬于自己的虛擬世界。
當(dāng)前市面上，支持 3D 模型生成的 AI 大模型不在少數(shù)，如 Tripo AI、Meshy AI、GENIE 等。但眾多玩家扎堆爭(zhēng)搶 3D 化賽道，導(dǎo)致產(chǎn)品功能高度同質(zhì)化，也側(cè)面反映出 “將現(xiàn)實(shí)場(chǎng)景搬進(jìn)虛擬世界” 已成為各廠商的核心必爭(zhēng)功能。
在這些 AI 工具中，硅谷初創(chuàng)企業(yè) VAST 于 2024 年發(fā)布的 AI 3D 基礎(chǔ)模型 Tripo AI，憑借獨(dú)特的產(chǎn)品結(jié)構(gòu)脫穎而出。
與面向更廣泛用戶的騰訊混元 3D 不同，Tripo AI 的定位更偏向?qū)I(yè)創(chuàng)作者：進(jìn)入頁(yè)面后，用戶可直接通過(guò)文字或圖片生成 3D 模型，且可調(diào)參數(shù)相對(duì)豐富 —— 不僅支持當(dāng)前主流 AI 3D 模型均具備的紋理生成功能，還能自動(dòng)拆分模型部件，讓每個(gè)拆解后的部件可單獨(dú)編輯；甚至支持為模型部件綁定基礎(chǔ)動(dòng)畫(huà)并演示，不過(guò)演示過(guò)程中偶爾會(huì)出現(xiàn)部件變形問(wèn)題?？傮w而言，Tripo AI 是一款功能成熟、可適配多場(chǎng)景的 AI 3D 工具。
圖源：Tripo AI
同樣在 2024 年推出的 Meshy AI（由國(guó)內(nèi)團(tuán)隊(duì)創(chuàng)建），雖然也支持通過(guò)文字、圖像直接生成 3D 模型，但它的核心優(yōu)勢(shì)在于更完善的社區(qū)功能：用戶可在社區(qū)內(nèi)瀏覽其他創(chuàng)作者的 3D 模型作品，平臺(tái)對(duì)模型的分類(lèi)細(xì)化清晰，還標(biāo)注了互動(dòng)量、點(diǎn)贊數(shù)、是否支持 3D 打印等關(guān)鍵信息。這一設(shè)計(jì)讓新手用戶能直接下載現(xiàn)成的 3D 模型使用，同時(shí)也提升了社區(qū)的傳播度與活躍度。
圖源：Meshy AI
而由 Luma AI 推出的 GENIE 工具，除支持文本轉(zhuǎn) 3D 模型、多格式（如 OBJ、FBX 等）導(dǎo)出以適配不同場(chǎng)景外，最大亮點(diǎn)是提供 API 接口 —— 用戶可通過(guò)該接口直接將視頻內(nèi)容轉(zhuǎn)化為 3D 模型，形成差異化競(jìng)爭(zhēng)力。
不難看出，上述產(chǎn)品均憑借自身特色在同質(zhì)化競(jìng)爭(zhēng)中突圍，騰訊混元 3D 也不例外。盡管其 3D 模型生成功能與其他工具未拉開(kāi)明顯差距，但 “高免費(fèi)額度” 是其核心優(yōu)勢(shì)：在混元 AI 3D 官網(wǎng)，每位用戶每天可免費(fèi)生成 20 次模型，次數(shù)耗盡后還能通過(guò)分享好友重新獲取。這種 “以量換用戶” 的推廣策略相當(dāng)成功， 在 3D 世界模型 Lite 版發(fā)布前，其社區(qū)模型下載量已達(dá) 230 萬(wàn)次，成為全球最受歡迎的 3D 開(kāi)源模型平臺(tái)之一。
圖源：騰訊混元AI
此次騰訊推出適配消費(fèi)級(jí)顯卡的混元 3D 世界模型 Lite 版，無(wú)疑將吸引更多創(chuàng)作者加入其生態(tài)。用戶規(guī)模的增長(zhǎng)，又將進(jìn)一步推動(dòng)反饋迭代與應(yīng)用場(chǎng)景拓展：以當(dāng)下熱門(mén)的 VR 眼鏡為例，混元 3D 導(dǎo)出的 3D 世界模型文件可直接導(dǎo)入使用，用戶只需擁有 VR 設(shè)備，就能隨時(shí)隨地沉浸在自己創(chuàng)建的虛擬場(chǎng)景中，實(shí)現(xiàn)生態(tài)與硬件的聯(lián)動(dòng)；同時(shí)，AI 3D 基礎(chǔ)模型能讓普通用戶輕松制作高度自定義的 3D 模型，與 3D 打印機(jī)形成協(xié)同。
更重要的是，AI 3D 化近乎 “零學(xué)習(xí)成本” 的特性，正推動(dòng)其快速滲透至各行業(yè)：在建筑規(guī)劃、室內(nèi)設(shè)計(jì)、電商展示等場(chǎng)景中，3D 可視化內(nèi)容比文字或傳統(tǒng)圖紙更易理解，工作人員無(wú)需復(fù)雜學(xué)習(xí)即可輸出場(chǎng)景內(nèi)容，大幅減少重復(fù)建模的時(shí)間；這種 “虛擬模型 + 實(shí)體行業(yè)” 的聯(lián)動(dòng)，既能提升用戶粘性，又能通過(guò)高度自定義內(nèi)容讓用戶產(chǎn)生歸屬感 —— 種種趨勢(shì)表明，3D 模型在 2025 年勢(shì)必走向大眾化。
小雷認(rèn)為，未來(lái)的 AI 3D 模型將進(jìn)一步整合專(zhuān)業(yè)場(chǎng)景模型與創(chuàng)作風(fēng)格，通過(guò)細(xì)分領(lǐng)域和使用場(chǎng)景吸引更多垂直用戶，不斷拓展生態(tài)邊界并滲透到各類(lèi)生活化場(chǎng)景中。
而這，正是本次 3D 模型平民化浪潮的核心意義 —— 在現(xiàn)實(shí)與虛擬交融的當(dāng)下，讓每個(gè)人都擁有構(gòu)建 3D 虛擬世界的能力。
3D模型普及， 3D 建模師會(huì)因此失業(yè)嗎？
不過(guò)，網(wǎng)上始終有一種論調(diào)，認(rèn)為隨著 3D 模型的普及，3D 建模師會(huì)面臨失業(yè)風(fēng)險(xiǎn)。對(duì)此，小雷卻并不認(rèn)同。
不可否認(rèn)，這類(lèi)能快速生成 3D 模型的工具，必然會(huì)對(duì)行業(yè)產(chǎn)生沖擊。AI 模型 “快速高效” 的優(yōu)勢(shì)，確實(shí)是人類(lèi)難以企及的；但正如前文所說(shuō)，當(dāng)前的 AI 3D 模型尚無(wú)法實(shí)現(xiàn)真正的用戶個(gè)性化 —— 其生成的產(chǎn)物，本質(zhì)上仍是基于大模型學(xué)習(xí)數(shù)據(jù)所產(chǎn)出的 “復(fù)刻式內(nèi)容”。
而這類(lèi)缺乏個(gè)性的內(nèi)容，終究成不了優(yōu)秀的作品。無(wú)論是游戲建模還是建筑設(shè)計(jì)，真正能讓人記住的，永遠(yuǎn)是那些獨(dú)具匠心的設(shè)計(jì)：是 3D 建模師反復(fù)打磨的細(xì)節(jié)，是為適配用戶需求精心考量的巧思。因此小雷認(rèn)為，以當(dāng)前 AI 3D 模型的能力，想要完全取代 3D 建模師基本不可能；相反，作為能高效執(zhí)行重復(fù)性指令的工具，它更適合成為建模師提升效率的 “輔助幫手”。
其實(shí)轉(zhuǎn)念一想，這種 “AI 輔助創(chuàng)作” 的模式，早就在各個(gè)行業(yè)中滲透。但受限于內(nèi)容同質(zhì)化的問(wèn)題，AI 往往只能停留在 “重復(fù)的基礎(chǔ)構(gòu)建” 環(huán)節(jié)。
這也正是雷科技在如今AI 寫(xiě)作工具越來(lái)越便捷普及的今天，還在堅(jiān)持原創(chuàng)的原因，小雷始終認(rèn)為，真正有深度、有溫度的好文章，絕不會(huì)因?yàn)?AI 的存在而黯然失色。
