投资笔记是纪源资本关于投资、商业、科技的所见所闻所想，探讨关于世界的一切。
在这里，你可以收获：
全球优秀科技公司管理经验、一线调研；
顶级风险投资人&创业者经验分享；
大航海时代的世界人文历史、商业见闻……
以下是投资笔记系列第264期。
过去几年，人工智能的发展路径非常清晰。
大语言模型让机器开始理解和生成文字，让普通用户也开始利用AI参与知识整理、内容创作甚至复杂推理。
随后AI开始进入视觉领域。从图片生成到视频生成，不断降低视觉创作门槛。过去需要专业摄影师、设计师完成的工作，如今普通用户的一句描述也可以快速获得一个视觉结果。
但二维内容终究只是屏幕上的信息，现实世界毕竟是由文字和图片组成的。
9月3日，OpenAI发布GPT-6 Astra，引发了科技圈和3D行业的关注。与过去的AI生成图片、视频不同，Astra展示的重点并不是生成一张静态图，而是通过智能体能力操作专业软件，生成三维环境，并进一步形成可以探索的交互式空间。
3D技术似乎成为了AI圈的核心话题。近期Anthropic、World Labs及字节跳动也抛出了三维技术更新，清华&腾讯ARC开源了Pixal3D的多视图与动画升级。可以说，过去用户需要学习Blender、Maya等专业工具，经过多年训练才能完成的3D创作，已经被AI变得更简单了。
而这也引出了问题：AI是否真的能够替代建筑师、游戏美术、工业设计师？
Astra带来最大的变化：
不是生成3D，而是成为3D工作的入口
要理解Astra的重要性，首先我们需要理解过去3D生产为什么如此复杂。
在传统流程中，一个游戏场景、一栋建筑、一件工业产品的三维模型，并不是简单画出来的。设计师首先需要在Blender、Maya等软件中建立模型。它们类似于3D世界里的基础创作工具，或者说图片领域中的Photoshop。设计师可以通过它创建房屋、家具、人物等三维对象。
但模型建立之后，并不意味着作品完成。
例如，在游戏行业，一个人物模型还需要进一步进行材质处理、动作绑定，然后进入Unity、Unreal Engine等游戏引擎，让它真正成为一个可以运行、可以互动的数字对象。
建筑设计同样如此，一个房间的3D效果图，并不只是“看起来漂亮”即可，还需要考虑空间比例、光线变化、家具尺寸，以及未来施工是否可行。
因此，过去3D生产实际上是一条非常长的链条：
需求提出→设计→建模→优化→导入引擎→人工调整→最终交付。
3D行业长期存在着“门槛高”的问题：很多人拥有创意，但没有能力使用专业工具。他们不知道或无法通过Blender完成设计。
OpenAI发布的GPT-6 Astra所改变的，正是人与专业软件之间的关系。
过去是人们学习软件，然后使用软件完成任务；未来是人们直接表达目标，AI操作软件完成任务。
这种变化，其实类似于近年来AI编程工具Cursor带来的影响：过去程序员需要自己打开开发环境，逐行编写代码；而现在，用户可以直接告诉AI自己需要增加某个功能。AI可以理解需求、修改代码，甚至寻找错误，并不断优化。
如果说Cursor消灭的不是编程语言，而是降低人与代码之间的距离，那么未来的3D Agent也可能扮演类似角色。
专业设计师或非专业人士不一定需要熟练掌握所有建模工具，而是通过自然语言与AI沟通：“把这个客厅改成日本极简风格”或者“生成一个适合游戏使用的城市场景”。
AI负责理解需求，并调动背后的专业工具。
因此，Astra最大的突破，并不是它生成了一个漂亮房间，而是它展示了一种新的工作方式：AI开始成为人与复杂软件之间的操作层。
不过，降低创作门槛不等于解决商业生产。
AI让普通人可以快速生成一个3D场景，并不意味着它已经可以满足真正的商业生产需求。
“看起来像真实世界”和“能够用于真实世界”，是两个完全不同的问题。
例如，一个AI生成的房间效果图，可以让用户快速看到家具的摆放，整体风格特质，尽管这对于家装方案探索来说已经非常有价值，但是一旦真的进入施工阶段，要求就完全不同。
房间尺寸是否准确？家具是否真能摆放进来？门是否可以正常打开？这些问题并不是单纯依靠视觉生成可以解决的。
在工业制造领域更是如此，一辆汽车的制作涉及到无数零件，只凭借“看起来像”“看起来可以”，几乎无法真的把产品做出来。
所以业内人士提出：AI进入3D的门槛已经降低，但距离真正商业生产仍然存在巨大距离，还需要有人完成真正的工业化。
AI进入3D，
为什么不能替代专业模型？
AI可以成为一些领域的专家，但至少是现在，它不是3D专家。理解世界与创造世界仍然是两件事，从庞杂的语料中学习内容与理解现实世界的物理原理并且生成真实世界，也是两件事。
诚然，Astra降低了进入三维世界的门槛，那么接下来更关键的问题是：它是否会取代现在的3D生成公司？
答案并不是简单的“会”或者“不会”。或者更准确的说法是，Astra和今天许多专业3D生成模型解决的是两个不同的问题。
Astra更擅长的是理解需求、拆解任务以及操作工具，而专业3D模型更擅长的是生成高质量、可使用的三维产品。二者未来更可能形成合作关系，而不是简单的替代关系。
一些3D领域从业者认为，Astra的出现反而是一个积极信号。因为它可能带来的不是行业萎缩，而是让更多用户进入3D内容创作领域，从而扩大整个市场规模。
人工智能中的理解（Understanding）和生成（Generation）是两种概念。过去的大语言模型，例如ChatGPT最强的能力是理解和推理。它能够理解用户意图、阅读大量文本、搜索庞杂的语料，并根据已有知识进行回答。
Meshy创始人兼CEO胡渊鸣曾经尝试着用Astra与Meshy同样生成一幅“战士持剑和盾牌”的图片。Astra很擅长用户的需要，例如生成人脸，但是并不擅长描绘“眼睛有多大”、“剑被拿的角度”。这些细节恰恰是3D模型的竞争力。也是所谓的“术业有专攻”。如果Astra被当做一个完全的生成工具，那么它的效果会粗糙、不合理并无法达成用户的期待。
再例如，在某些交互场景中，AI可以识别咖啡杯、液体等视觉元素，也能够生成类似“倒咖啡”的动作，但如果液体从咖啡杯流出并且直接穿过了另一个咖啡杯，这种“穿模”就明显不符合现实规律。
对于现实世界规律的理解，是目前AI仍然需要继续发展的方向。
未来LLM与3D模型的协同方式，很可能是以大语言模型作为用户需求的入口，然后由专业模型负责创造。
例如用户提出需求：“帮我设计一个北京50平方米的小户型，希望适合单身居住，有日式简约风格。”
胡渊鸣提到，Astra的空间理解能力对3D生成是很好的助力，可以更好地驱动Meshy等模型驱动工具或平台。未来Astra这样的AI Agent首先负责理解这个需求，例如用户需要什么空间，需要哪些家具，哪些内容需要进一步确认等。然后Astra会调用不同的专业工具，例如调用3D生成模型，生成家具和空间资产，调用Blender对模型进行调整，调用CAD工具，确保尺寸符合工程要求等。
最终输出的，不是简单的一张图片，而是一套完整的三维体验。
这和今天的软件行业非常类似。过去程序员需要自己掌握大量底层工具。而现在，AI就是他们的编程助手。
3D领域可能也会出现类似变化，普通用户不一定需要成为建模师，但可以通过AI调用整个3D生产体系。
专业3D公司的价值，
将会是什么？
如果未来所有用户都通过ChatGPT进入3D世界，那么专业3D公司还有价值吗？
答案是肯定的。3D行业最核心的壁垒，并不是生成一个模型，而是生成一个可靠的、能用的模型。而这些能用的、能够商业化的3D资产，需要大量专业数据支撑。
例如建筑领域需要空间结构、房屋布局、材料属性等方面的数据；游戏行业需要人物动作、场景设计等方面的经验。
这些数据并不是简单从互联网文本中获得的，它们来自多年行业积累。
因此，一种主流观点是，如今的3D领域和语言模型存在明显区别。大语言模型的发展依赖海量文本数据，互联网中的文章、书籍、代码，都可以成为训练材料。
但3D世界的数据更加复杂，一个汽车模型不只是一个外观图片，而是包含三维结构、尺寸关系、材料信息等多重数据；一个游戏场景，也不仅是一张截图，而是同时包含了地图结构、物体碰撞、玩家移动逻辑等。
关键是：这些数据是目前难以收集到的，或者说无法公开获取的。
3D+AI的第一场战役将是入口之争，看谁能够承接到最多的用户需求，并且服务好他们。
GPT-6 Astra这样拥有用户基础的产品是极具实力的，它可以接触大量普通用户，理解他们真正想创造什么。普通用户在遇到3D生成需求的时候，很可能首先想到的是找AI，而非直接找3D软件。
3D+AI的第二场战役是，谁才能拥有真正的数据。
目前来看，毫无疑问，数据掌握在3D模型公司手中。它们知道如何生成高质量资产，如何满足游戏、建筑、工业等领域的具体需求。
Astra需要专业3D数据和行业经验，而3D模型公司也需要借助大模型获得更多用户和应用场景。它们可以结合起来，为用户提供完整解决方案。
也因此，第三场战役将是从模型竞争变成完整流程的竞争。
从用户输入一句话开始到最终生成一个可以使用的数字世界，中间涉及很多环节：需求理解、任务拆解、资产生成、物理验证、商业交付。能够掌控整个流程的效率和成本，才是真正决定商业价值的因素。
