1
2023 年，AI 行业的融资低谷年。脱胎于上海科技大学 MARS 实验室的影眸科技也遇到了自己的 " 危机 "。这家公司的两位创始人吴迪和张启煊，当时一个刚毕业，一个还是研究生。
一家已经谈好、SPA 协议都已完成的领投机构，因为当时地缘政治对投资机构的冲击而在签字前几周临时撤回投资。而影眸当时公司账上只剩下 8 个月的资金。
解决方案是有的，甚至是显而易见的：他们最早的商业化项目——那个在这家公司办公室摆放着的无法忽视的巨大球形扫描仪 " 穹顶光场 "，是一个有稳定需求的服务。它为 3A 游戏和电影公司扫描人像，每年能带来可观收入，靠它活下去没啥问题。
但团队能感觉到，元宇宙概念市场在萎缩，项目制的服务也很难规模化。而更重要的是，它并不是这家公司最想做的事情。
在最初创办这家公司时，虽然不确定具体要做什么，但年轻的创始团队的大目标是让所有人都能用到 3D，比如，做出一个 home studio。而在影眸看来，在所谓的元宇宙里，显然普通用户大多只是旁观者，但他们希望的是让每个人可以成为创造者，这最终需要靠 3D 生成，需要一次更彻底的底层技术创新。随着 AI 生成 3D 因为大模型的进步而热闹起来，这个底层技术创新指向一个全新的模型。
于是一个神奇的决定出现了：在公司 " 弹尽粮绝 " 的危机下，创始团队却决定赌一把——
训练一个当时没人做出来过的原生 3D 模型。
他们能调用的资源有限，时间上也只够选择一条路径。这基本就是一次训练机会，成功就成功，失败（训不出来）基本就没有第二次机会了。
Go big，or go home。
然后 Rodin 的训练就开始了。
2
这个模型在当时算是异类。当时做 3D 生成最主流的方向，是先通过 " 文生图 " 的模型生成各个角度的图像，再合成一个 3D 模型，即 "2D 升维 "。影眸的同行几乎都选择了这条路。
然而事实上，在 2D 图像生成大火之前，3D 领域原本的主流就是在走 3D 数据原生训练的路线。只是突然 2D 技术太强了，导致 "2D 升维 " 成了热点。
影眸脱胎于上科大。2020 年，吴迪刚读研一，张启煊还是大三，两人一起在学校里开始创业。
吴迪是上科大最早的一批学生，这所带点实验性质的年轻大学，给学生提供了独特的空间。作为学生会主席，吴迪能直接跟校领导汇报、申请经费，参与搭建实验室。张启煊在学校也闲不下来，到处打比赛，并在本科就进入了 MARS（Multi-disciplinary Artificial Reality Studio）实验室。也因此认识了吴迪。
这些计算机科学方向的学生，同时也对 Blender 等 3D 软件以及 3D 技术痴迷，当时吴迪和张启煊在学校主要在做的项目，就是那个巨大的 " 穹顶光场 "，它并非简单的相机阵列拍摄多角度照片，而是基于 " 光度立体法 "（Photometric Stereo），能在 0.1 秒内向扫描对象投射二三十种不同的光照模式，算出整个面部细微的法线信息，甚至引入 " 偏振态 " 光线来解耦高光材质，从而采集到远超传统方式的超细腻皮肤细节。
2020 年，公司成立后他们开始各种摸索，当时他们基于实验室发表的一篇 SoftGAN 的论文，做了一个画真实人物的画板产品，但起初没什么反响。后来他们换了一批二次元数据，做成了 AI 画板 APP WAND。
然后这款 app 就瞬间爆了，立刻就登上了中日两国 App Store图形与设计分区的榜首，两周获取了 160 多万用户。
来自 @taptap 发现好游戏
这给他们带来了第一波融资，在那之前，奇迹创坛的陆奇来学校参观，看过他们的穹顶，鼓励他们报了奇绩。在 APP 爆火的当晚 11 点，奇绩的人紧急联系他们，对他们说：
" 立刻跟我们签吧 "。
但他们却快速 " 抛弃 " 了这个产品。
WAND 是个像极了后来 Midjourney 样貌的产品。但在当时，他们想不出来它的商业模式。而更让他们提不起兴趣的，是这个产品背后的技术—— GAN。
GAN（生成对抗网络）在当时是主流，它通过两个网络（生成器和判别器）相互博弈来 " 伪造 " 图像，但在多样性和可控性上很快遇到了瓶颈。而影眸团队当时没有预料到的是，另一条技术路线—— Diffusion（扩散模型）即将爆发。以 Stable Diffusion 为代表的扩散模型，通过一个 " 去噪 " 过程逐步生成图像，实现了前所未有的图像质量和 " 言出法随 " 的文本控制能力，这才是后来真正引爆 AIGC 浪潮的关键。但在当时，GAN 限制了人们对图像生成技术的想象。于是在拿到钱后，他们反而 " 更逆反了 "。
他们去向陆奇要建议，对方回到：" 你们要专注，做你们最想做的事情 "。张启煊的理解是：" 你只能做一件事。"
砍掉了 WAND 项目后，他们继续专注到 " 更广泛更通用的 3D" 上。在 2021 年底，他们做出了 ChatAvatar，一个用文字描述生成 3D 形象的产品。同样，追求真实，而不是好看。这解决了 " 十几万 " 扫描费和 "30 块 " 廉价角色之间的巨大需求，也是影眸开始向 AI 产品迈出的重要一步。
3
穹顶光场、WAND、ChatAvatar，这些技术和产品研发里的经验最终都汇聚在了 Rodin 这个模型上。
2024 年 3 月，新模型终于有了内部 Demo。
训练成功了。
Rodin 模型第一次展示了原生 3D 路线的强大效果。这套名为 Clay 的原创框架希望彻底绕开行业的 " 主流陷阱 "。当时，包括业内巨头和看似引领着技术方向的实验室都采用着 "2D 升维 " 路线，这本质上是一种妥协：
它们的出发点是希望利用 2D 图像模型如 Stable Diffusion 当时取得的成果，因此选择了使用一种叫做 SDS（Score Distillation Sampling 分数蒸馏采样）的方法来让 2D 模型做 3D 生成过程的 " 老师 " ——一个 3D 数据先转成不同切面的 2D 数据，交给 2D 模型打分，然后蒸馏反馈评估最终拟合出一个 3D 资产，以此训练文字生成 3D 的能力。
但很显然，这种方式不仅计算量大、速度慢，而且由于 2D 视角的不一致，生成的 3D 模型几何结构混乱、表面粗糙，无法用于实际生产。
影眸的赌注，是 " 原生 3D" ——即模型直接在 3D 数据上训练，直接生成 3D 模型。这是一个公认更难、但理论上效果好得多的路线。他们需要在已有工作基础上，设计一个更优雅的架构。
首先是数据表达，他们选择了 "Vecset" （3DShape2VecSet: A 3D Shape Representation for Neural Fields and Generative Diffusion Models）这个研究里的方法，他们认为这个已有的研究，是 3D 数据在隐空间中的最佳表达——它像一种 " 长条形 " 的无序数据链，它恰好完美适配了 Transformer 架构。于是，在 Sora 带火 DiT（Diffusion Transformer）架构之前，影眸的 Rodin 已经在把赌注押到 DiT 上。" 我们当时叫它 Transformer with Diffusion，后来发现 DiT 火了后，我们在论文里也统一了它的名字。"
除此之外，团队也做了很多工程上的工作，他们专门开发了一套 " 数据标准化 " 管线，用来 " 重构网格 "（Remeshing）和统一来自 ShapeNet、Objaverse 等不同来源、质量参差不齐的数据。这是很关键的一步，但最初的方法需要人工标注，这本来可能是一个制约效率的大问题，但就在这时，GPT-4V 出现，标注可以由模型完成。一切再次加速。
最终它的技术细节被写进名为《CLAY: A Controllable Large-scale Generative Model for Creating High-quality 3D Assets》的论文，这篇论文获得了 SIGGRAPH 2024 最佳论文提名，并成为 50 年来首个入选 SIGGRAPH "Real-Time Live!" 的中国团队。ResNet 之父何恺明教授在当年 MIT 的深度生成模型课程中将 CLAY 列为推荐阅读 ( 6.S978 ,MIT EECS, Fall 2024 ) 。
基于 CLAY，影眸于 2024 年中上线了全球首个原生 3D 生成大模型产品 Hyper3D.AI Rodin。
现在，原生 3D 已成为行业共识——包括腾讯混元、字节 Seed3D 在内的公司，都已采用 3D 原生技术路线。可以说，影眸定义了 3D 生成的 " 可用性拐点 "。
4
2024 年，影眸带着他们的技术成果登上了 GDC（全球游戏开发者大会）的讲台首次对外公开展示了还是 demo 的 Rodin。影眸也成为少有的被官方邀请的中国初创公司。
这次分享吸引来了行业内诸多关注，影眸将 Rodin 模型接入了拥有 5 亿用户的超级头部游戏的移动端 Runtime 环境，为其 UGC 创作赋能。
在行业中，这是一个重要的信号。它意味着影眸的 AI 模型不再是纯粹的 "Demo" 工具，而是开始被真正集成到实时运行的、海量用户的移动游戏引擎中。
玩家在游戏中使用 Hyper3D.AI Rodin 生成内容
"Production Ready" 是影眸不停强调的目标。3D 模型没有标准的 Benchmark，最终是客户自己来判断，用钱投票。这些真实产业环节里的合作，就是一张张最有分量的 " 票 "。
目前影眸的商业模式也归一到服务游戏、影视制作，以及更大一块的工业设计，整体以专业的建模场景为主。
"3D 生成对游戏公司来说是天然适合外包的业务。这是分工明确和工业化成熟的结果，所以独立的第三方服务商是有价值的。" 吴迪认为。
2024 年，在 Clay 框架和 Rodin 模型的 Demo 跑通后，影眸的融资也顺利推进。2025 年以来，他们连续完成了两轮大规模融资，前一轮由字节跳动和美团龙珠联合领投，红杉资本和奇绩创坛跟投。
2025 年 8 月，影眸再次宣布完成新一轮数千万美金融资，由蓝驰创投领投，字节跳动、红杉中国种子基金等老股东跟投。
模型的成功是基础，但这在今天已不是全部。当 Rodin 训成时，AI 3D 生成的赛道也已经迅速变得拥挤。诸多玩家相继入场，竞争显然已经进入了产品层面。
对一个普通用户而言，影眸的产品（Hyper3D.AI）是一个网页工具和一套插件的结合体。最基础的体验与 Midjourney 类似：输入一段文字或一张图片，模型就能在几十秒到几分钟内生成一个 3D 模型。
但影眸从一开始就想解决专业人士的痛点。他们的产品提供了针对不同场景的 " 模型矩阵 "：如 "Speedy"（极速预览）、"Focal"（极致细节）、"Zero"（适用于手游的低面数平滑模型）和 Defualt（细节精度和表面平滑度平衡）。
影眸的 "Production Ready"，就是更让自己产品真正接入产业工作流。
而这种理念最直观的体现，是他们对产品细节的偏执。其他公司的插件可能是网页的 " 阉割版 "，而影眸为 Blender 等 3D 软件设计的插件，是一个 " 超级精巧 " 的浮窗。它像 YouTube 的画中画，承载了网站的全部功能，同时又不入侵艺术家原有的工作界面。
" 我们几个核心创始人都亲自使用 Blender 等 3D 软件，自己剪视频、做渲染。" 张启煊说，" 所以我们知道做这件事会遇到哪些困难，知道怎么用才方便。"
另一个最新的 " 杀手级 " 功能是BANG。
( 可以插入影眸科技视频号视频 )
对于游戏或工业设计来说，一个 " 糊 " 在一起的 AI 模型无法高效完成后续的绑定和二次编辑。影眸的 "Bang to Parts" 功能，能自动将一个复杂的模型 " 爆炸拆解 " 为多个可编辑的部件。
这个功能的交互设计，也体现了他们对工作流的理解。张启煊形容：" 你点分件的时候，我先给你一张蓝图（预览图），告诉你‘我大概会拆成这样’，你不满意就点‘随机’换一种方案。觉得 OK 了，它‘啪’一下炸开来。你还可以选中炸开的某个部分，让它再生成这个部分的炸开蓝图……像链式反应一样。"
这些 " 好用 " 的表面功能，每一项都源于底层的技术创新。BANG 的背后是一套名为 " 通过生成式爆炸动力学实现 3D 资产分件 " 的原创架构。这项研究工作被计算机图形学顶级期刊 ACM TOG 收录，并在 SIGGRAPH 2025 上获评 "Top 10 技术论文速览 "。它尝试解决 AI 模型 " 只能看不能改 " 的难题。
影眸还是全行业第一个做出 "3D ControlNet" 的团队。这套控制技术并非单一论文，而是其核心生成框架的关键组成部分，其 " 可控性 "（Controllable）的理念在 CLAY 的论文中已有体现。就像 ControlNet 让 2D 绘画的 " 随机抽卡 " 变成了 " 按图索骥 "，影眸的 "3D ControlNet" 让开发者可以通过边框盒（Bounding Box）、体素（Voxel）甚至点云（PointCloud）来精准控制生成模型的形态和结构，这在专业生产领域是刚需。
最近，他们上线了 " 部分重做 " 功能，即针对不满意的部分再次重新生成，保留已经完美的部分。整体模型可控性再次大幅提升。
" 我们不会基于当年什么东西最热门来选研发方向，不会追热点，完全基于需求做研发 。所以会看到我们论文的绝对数量肯定比友商低，但从论文质量和获奖情况来看我们有优势。" 吴迪说。
" 今年在这个领域拿 Siggraph best paper 的商业化公司，也就只有谷歌、meta 和我们。"
过去这一年，在 Hyper3D.AI 平台上，Rodin 以平均每 9 天上线一个新功能的速度快速更新着，更多的商业化合作也在快速铺开。
当初那个 "Go big or go home" 的赌注，算是没有失败，而它改变了影眸也改变了 AI 3D 行业。
" 我们希望在保持朝气的前提下，在残酷的商业世界里继续摸爬滚打。" 吴迪说。
