V2Fun打通AI 3D生成到交付环节

分析师/会磊

AI 3D的生成能力，正在甩开交付能力。这是一个前端狂奔、后端断层的行业。

过去一年，Demo越来越惊艳，资本持续升温。但一进产线，模型就得重做：角色缺拓扑，工业件过不了公差，3D打印撑不起壁厚。屏幕上的视觉完成度，往往成了产线上的返工量。

2026年6月，华为开发者大会现场，极顶数创的3D大模型惊艳亮相。但展台前，参观者凑近屏幕，没有先问参数，先问的是三个极其朴素的问题：“这个能打印吗？”“多少钱？”“我能拿到手吗？”

前端在狂欢，下游在观望。据The Business Research Company统计，生成式AI 3D资产市场预计2029年将达到72亿美元，资本正在猛砸生成端；但在规模约2000亿美元的全球游戏产业，AI虽已在辅助环节大量使用，却对进入核心生产管线依然谨慎。

这正是极顶数创切入的位置。这家专注AI 3D内容生成与空间智能应用的公司，试图用生成式AI降低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王一夫把这段距离称为“最后一公里”。

这段距离考验的不只是生成质量，更是结构处理、生产适配与交付能力。

AI 3D生成不出完整的模型吗？未必。问题是，整个行业都面临一个断层：一个看起来完整的三维模型，距离可用的生产资产，还隔着三道壁垒。

结构壁垒：好看是展台的标准，能用是产线的标准。

一个游戏角色静态展示时可能精美，一旦进入动画环节，问题就暴露了——肩部变形、关节错位、动作穿模。视觉上的逼真，不代表底层几何结构准确，也不代表模型具备可编辑、可动态化的能力。

王一夫在研发中遇到过这样的例子：一套为身高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。静态展示考的是视觉效果，动态应用考的是几何结构与运动逻辑。这正是结构壁垒的典型表现：模型看起来完整，不代表底层几何结构支持后续绑定、动画和形变。视觉完成度再高，也可能掩盖结构问题；一旦进入动态应用，返工才刚开始。

标准壁垒：不同管线的合格线，各不相同。

游戏开发看拓扑结构、UV、骨骼绑定与动画适配；工业制造要求尺寸精度、结构公差与装配关系；3D打印必须考虑模型封闭性、最小壁厚与材料工艺。同一个模型，在游戏引擎里可能因为拓扑混乱难以绑定，在工业软件里可能因为精度不足无法加工，到了打印环节又可能因为结构不符合要求无法制造。三条管线，三套验收标准。同一个模型能不能用，取决于它要进入哪条管线、做什么用途，而不是生成时看起来多精细。

成本壁垒：便宜的是生成，昂贵的是资产。

即便模型能进入生产流程，这笔生意也未必算得过账。生成便宜，不代表资产便宜。王一夫用一个假设说明：如果生成完成度90%的模型需1元，99%的模型需10元，单看生成价格，前者更便宜；但补齐最后完成度所耗人工，可能高于1元与10元的价差。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，每一项都是真实成本。

对企业而言，AI 3D的评估标准正在从“生成效果”转向“交付能力”。单次调用价格仍被关注，但真正影响采购决策的，是合格资产能否稳定、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方案能否进入常规生产，而不只是停留在试用和Demo阶段。

三道壁垒背后，是生成能力和交付能力之间的断层。生成端追求视觉完成度，交付端要求结构、标准和成本同时成立。过去一年，生成端进步显著，交付端没有同步。当企业开始把AI 3D放进真实生产流程，这个断层就暴露出来。

过去一年，多条3D生成路线没有收敛，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，都有公司在投入资源，争抢同一个入口——让AI生成的资产进入生产管线。

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、机身等部件分别交给不同工具生成，再由通用模型完成组装。它的优势在于在速度和覆盖：快速接入现有工具链，降低专业软件的使用门槛，适合场景多、变化快的需求。

但工具拼装本身并不能保证生成结果的结构质量。通用模型可以把工具串起来，却无法保证拼出来的资产能直接进入绑定、动画和制造。这是调度路线的能力边界。

结构路线走的是另一条路：从三维数据中学习，直接生成资产。原生3D大模型学习三维形态与几何结构，在潜空间中建模，并结合纹理生成产出原生三维资产。它的价值不只在快，更在于从生成源头改善资产质量，让结果更接近能进入生产管线的模型。

结构路线的门槛，也往往卡在数据。谁先跨过去，谁就多一道壁垒。相比文本和图像，高质量原生3D数据更稀缺。互联网上文本和图片取之不尽，高质量的三维资产存量却有限，格式、质量、授权和物体类别覆盖都构成约束。模型除了学习几何形状，还要学习纹理和布线。高质量数据不足，会限制生成质量和后续交付能力。

两条路不是替代关系，是分工关系。通用模型擅长组织流程，原生3D模型擅长表达形态。但分工不意味着两条路一样好走。调度路线的挑战在结构质量，结构路线的挑战在数据和工程化。谁先越过自己的关口，谁才能让生成能力真正支撑交付。

极顶选了更难的那条。创始团队从自动驾驶、XR/VR做到原生3D大模型研发，长期在生产管线里，他们知道生成一个模型很快，让它进入绑定、动画、制造很慢。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。资产要进入绑定、动画、制造，结构必须成立，而结构质量需要从模型底层开始提升，并在后续工序中完善。这条路起步慢、数据难，但走通之后的壁垒不在调度层，而在模型对资产结构的生成能力。

王一夫认为，打通生成与交付的技术难点，在于让各个环节围绕同一交付目标协同工作。V2Fun的产品与业务布局也围绕这一目标展开。

向下扎根：让模型生成时，就开始考虑资产质量。

资产能不能用，很大程度上取决于生成阶段的结构质量。生成的模型细节再丰富，网格结构未必适合编辑和动画，面数分布、边流走向、局部拓扑都影响骨骼绑定和角色形变。3D打印还要看结构是否适合制造。因此底层模型能力不能只用“生成得像不像”衡量。

极顶数创持续投入原生3D大模型研发，希望把更多资产质量要求纳入生成环节。2026年10月推出的V2Fun2.0提升了参考图还原、细节表达与纹理表现能力；水密化等结构要求是其后续研发关注点。王一夫表示，升级后模型与参考图会更接近。但对专业生产而言，“更像”并不是全部。参考图还原提高，创作者可以减少外观调整；纹理接缝和表面细节改善，可以降低后续修复负担；几何结构更符合用途要求，让模型更顺利地进入下一道工序。生产环节每多解决一个问题，后续生产就少一次返工。

向中连接：让不同工序围绕同一个交付目标协同。

生成环节做对了，下一道工序未必能接住。角色从静态模型变成可动画资产，要经过网格调整、骨骼绑定、蒙皮、动作制作和引擎适配，环环相扣。V2Fun已覆盖重拓扑、绑定、动作迁移等能力。平台要做的，是让前一道工序的成果在进入下一道工序时尽量保留下来。不同企业的资产标准、制作规范和软件环境不同，平台连接多个环节，不意味着所有模型都能无人工干预地完成交付。关键问题只有一个：进入下一道工序时，前一道工序的成果能保留多少、又要重做多少。

向外延伸：交付给谁，就要按照谁的标准生产。

工序对了，交付给谁，还要看谁的标准。对企业的交付和对消费者的交付，是两套逻辑。企业需要能进入既有生产体系的资产。极顶数创在企业合作中，第一步先与客户对齐验收要求。V2Fun Web承担模型能力体验和初步验证；企业正式生产主要通过API接入与定制化方案获得能力，API把生成及后续处理接入企业现有流程，定制方案按客户验收要求配置输出。这一模式把生成能力接入企业现有生产体系，企业可以尽量沿用原有流程。

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，由打印服务完成材料选择、制造和配送，将数字模型转化为实物。

两类交付的成本结构不同：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。公司以每件合格资产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计算。

三层布局最终指向同一个目标：降低每件合格资产的总成本。成本降下来，AI 3D才可能从少数专业团队走向更广泛的使用。

空间智能，是AI 3D行业目前最热的叙事，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，逐步走向对空间关系的理解与可交互场景的构建。

采访中，当话题被引向这个未来时，COO王一夫把讨论落在了几个具体的问题上：几何结构、空间关系，以及资产如何运动和交互。在极顶看来，把资产送进生产管线的过程，也是在积累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，但它的底层支撑从来不只是“看懂”，还有“交互”。

如果AI要构建可交互的虚拟世界，它需要的就不只是“好看的皮囊”，还需要结构清晰、能够支持相应交互的三维资产。比如，一扇柜门除了外观，还需要有明确的部件关系与开合约束；一块桌布要呈现合理的形变，则需要适合仿真的网格、材料参数和求解器共同支持。资产底座越扎实，虚拟场景中的动作和交互就越有可靠的基础。

这正是极顶数创选择从原生3D大模型做起的原因。从模型对三维几何与外观的生成能力，到重拓扑、水密化和骨骼绑定，极顶持续打通资产从生成到交付的完整链路。这些基础工作，决定了模型能否从屏幕里的展示对象，变成真正能在引擎里被调用、被编辑、参与交互的资产，也为进一步构建复杂三维场景积累能力。

对极顶而言，单体资产是起点，结构化、可交互的复杂三维场景是下一步。当生成对象从一个物体扩展到一个空间，模型需要进一步处理物体之间的位置关系、部件连接与交互约束。真实交付中积累的质量标准、使用反馈和工程经验，将持续推动这条路径向前。

极顶数创的英文名，叫 Vertex Lab。

在图形学里，Vertex 指网格（Mesh）的顶点，三维世界最基础的元素。从顶点到面，再到网格，复杂的三维内容可以从最基础的元素逐步构建。极顶也希望沿着这样的路径，从资产的底层能力出发，走向更复杂、可交互的三维空间。极顶成立之初就选定了原生3D大模型，做的就是这个最基础的事。

从一件件可用资产出发，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。当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。