中國 3D AI 創業公司 Hyper3D 獲得數百萬美元融資，推出 Gen-2.5 模型

Ying Mou Technology 完成數億元融資，發布全球首個具備千萬面級生成能力、引入「先思考、再生成」運行邏輯的 3D 大模型 Hyper3D Rodin Gen-2.5。該模型透過五檔可調「思考深度」實現 4 秒到 80 秒的差異化生成，首月訂閱用戶與 ARR 環比增速均突破 400%，全球用戶近千萬，B 端客戶營收超過同賽道其他公司總和。公司定位「中國版 Anthropic」，B 端與 C 端收入比約 4:6，海外營收佔 80%，已獲 Lowe’s、Unity、英偉達等巨頭訂單，實現數千萬美元 ARR。

文章作者、來源：新智元

【新智元導讀】影眸科技數億元融資到位，全球首個「會思考」的3D大模型發布，這家「中國版Anthropic」的公司備受矚目。在AI競爭激烈的2026年，這家中國公司卻將最難攻克的3D生成變成了賺錢的生意。

最近，一則消息在硬科技投資圈引起震動。

3D 生成大模型公司影眸科技宣布，完成數億元人民幣的新一輪融資！

這已是影眸在一年多時間內完成的第三輪融資。

在2025年1月，美團龍珠與字節跳動領投數千萬美元A輪；同年8月，藍馳創投再次領投。

國資戰略資本、國際產業資本、頂級財務機構同時押注，清晰地表明：市場已看清，3D 生成不再是「有沒有用」的問題，而是「誰先用好」的競賽。

幾乎與融資同步，影眸發布了被業界視為「規則改變者」的最新模型 Hyper3D Rodin Gen-2.5。

全球首個具備千萬面級生成能力、且引入類大語言模型「先思考、再生成」運行邏輯的 3D 大模型，就此登場！

使用起來也非常簡單，例如只需提供幾張多角度模型圖給模型，不到一分鐘就能生成。

For example, the generation quality of this blue single chair is highly refined, making it a production-grade asset ready for e-commerce display or home interior scenarios.

更值得稱道的是右側的可控性與導出功能，支援導出 .obj/.fbx/.glb/.usdz/.stl 全格式及 PBR 貼圖——從生成到落地一氣呵成，電商與家居設計團隊可直接使用。

不得不感嘆，Hyper3D 讓製作可用 3D 模型變得太簡單了。

當文本、圖像、視頻的生成已成紅海，為何難度最高、落地最慢的 3D 賽道，偏偏跑出了一家國人公司？

影眸以一組硬核數據给出了答案：新模型上線首月，訂閱用戶和ARR環比增速雙雙突破400%，全球用戶近一千萬，B端客戶營收超過同賽道其他所有公司總和。

為什麼是這家公司？讓我們仔細剖析。

Roadmap Debate

為什麼「原生3D」是唯一正解？

在理解 Rodin Gen-2.5 的斷代優勢前，有必要回顧 3D 生成史上那次關鍵路線分野。

早期玩家普遍選擇「捷徑」——2D 升維 3D。利用成熟的 2D 扩散模型生成多視角圖像，再通過 NeRF 或高斯潑濺重建出 3D 模型。邏輯看似順暢，影眸團隊卻從一開始就看到了致命缺陷。

創始人兼首席執行官吳迪回憶：「當公司賬上只剩下兩三百萬時，我們面臨抉擇：是跟風做 2D 升維，快速推出一個好看的产品；還是堅持原生 3D，走那條最難的路？」

答案是後者，源於對工業可用性的敬畏。

2D 升維存在三大先天硬傷：資訊降維丟失、多視角的不一致，以及無法滿足工業管線。

在2024年，影眸發布原生3D大模型框架 CLAY，一舉獲得圖形學頂會 SIGGRAPH 最佳論文提名，後續更被 MIT 何凱明教授收錄至課程中。

論文連結：https://arxiv.org/abs/2406.13897

They demonstrated that, even under the constraint of only hundreds of thousands of high-quality 3D datasets across the entire industry, the smoothness and structural accuracy of native 3D can surpass 2D upsampling by an order of magnitude.

如今，原生 3D 已成為行業主流技術共識。影眸不僅定義了 3D 生成的可用性拐點，更讓此賽道成為中國 AI 極少數真正全面領先全球的方向之一。

讓 3D 模型學會「思考」：五檔深度重構生產力

If CLAY is the foundation, then Rodin Gen-2.5 is the palace that has grown upon this foundation.

CTO 張啟煊揭示了核心創新：「過去的模型，生成方塊和生成龍頭雕塑，算力分配一樣，就像讓畫家畫速寫和油畫給相同時間。」

Rodin Gen-2.5 做了一件看似簡單卻具有顛覆性的事：把表徵長度從固定參數變成可伸縮變量。像大語言模型推理那樣，按物件複雜度自適應分配計算預算，把「先思考、再生成」變成了工業級能力。

落到用戶手裡，就是五檔可調「思考深度」。

Extreme-Low（約4秒）：百萬面級初稿。適合快速原型驗證、UGC 場景。以前《蛋仔派對》那樣實時生成要70秒，現在十幾秒搞定，完全是不同量級的體驗。

Low（約 9 秒）：結構乾淨，適合簡約風和小型硬表面量產。

Medium（約20秒）：結構與細節均衡，綜合表現最優。張啟煊提供了直觀對比：Rodin Gen-2.5的20秒品質，全面追平上一代40秒水平。

High（約40秒）：面向 3A 遊戲主角與影視級製作。

Extreme-High（約80秒）：最「瘋狂」的檔位，在幾何層面還原皮膚微結構、紋理和毛孔，做到雕塑級精度。

張啟煊用攝影作比喻：「就像 RAW 格式——佔用更大空間，但保留最完整資訊，擁有最高的後期自由度。遊戲美術師可以在高模上雕刻細節，再『烘焙』到輕量化版本——在遊戲中運行流暢，外觀又精細。並非所有行業都需要千萬面，但所有行業在獲得千萬面後，能做的事情會更多。」

12K 貼圖：從表面「長出來」的材質革命

Geometry is the skeleton, and textures are the skin.

Rodin Gen-2.5 同步推出全球首個 12K 精度原生 3D 貼圖模型，這是一次斷代升級。

傳統做法是將貼圖「貼」到模型表面，就像給雕塑裹上印花紙，死角處必然會拉伸和模糊。

Hyper3D

做法完全不同——透過凍結物體表面的光場，將參考圖的外觀直接綁定到幾何表面，顏色從模型表面自然「長出來」，材質紋理無死角覆蓋。

CEO 吳迪現場生成了一隻皮手套的 3D 模型，表面極細紋路清晰可見，法線表達完全正確，採用標準 PBR 材質。據他介紹，這種資產在過去的影視流程中，需花費數萬人民幣。

配合同樣採用 Thinking Effort 的貼圖流程，最快可將幾何＋貼圖整個流程壓縮到 5 秒，效果在精度和保真度上已可超越實景掃描。

背後，有一條難以複製的護城河——影眸自研的穹頂光場掃描系統。這是亞洲唯一亞微米級面部掃描設備，為訓練提供了精細至皮膚微結構的 PBR 材質數據。

This allows Rodin Gen-2.5 to "see" the most detailed material truths during training, resulting in such delicate effects.

告别「AI抽卡」：四大控御技術搭建專業入口

「不可控」是生成式 AI 從實驗室走向工業流水線的最大絆腳石。

遊戲工作室需要一把嚴格符合比例、帶中式紋樣的椅子，傳統AI只能讓美術師不斷更換提示詞瘋狂抽籤——這在講求確定性的工業生產中是不可接受的。

Hyper3D 從第一天起，就把「可控性」定為第一目標。

這個思路源於早年踩過的坑：2020 年，團隊用穹頂光場做出的第一代產品精度領先、效率極高，但座標系和材質與影視工業標準不相容，結果根本沒人買單。從此「可用性」刻進了這一團隊的研發基因裡：做的東西必須能直接讓用戶使用。

Rodin Gen-2.5 透過四項獨有技術，搭建起通往專業生產的完整工具鏈。

第一，是自然語言驅動的 3D 局部編輯：框選模型任意區域，打字就能改。覺得太空人背包不符，無需重建整體，框選後輸入「替換為蘇聯復古風格金屬氧氣罐」，AI 在完美保留主體的前提下精準替換。

第二，是遞歸分件技術：AI 真正理解物體的物理裝配邏輯。輸入一輛概念摩托車，自動拆解為車輪、引擎、油箱等獨立部件，支援遞歸拆解至零件級。美術師可對任意組件精細微調，徹底打通二次創作和動畫綁定的效率瓶頸。

拆分前

拆分後

第三，是 3D ControlNet：支援邊框盒控制（用方塊框定佔位比例再生成細節）、體素和點雲控制（讓模型嚴格遵循草稿骨架生成風格變體），多維度消除隨機性。

邊框盒控制

Voxel Control

Point Cloud Control

第四，是全品類 DCC 插件生態：原生支援 Blender、Unreal、Unity、Maya 等所有主流工具，創作者無需切換介面即可調用全套 AI 能力。

為什麼只有 Hyper3D 做出來了？

張啟煊在被問及這個問題時，給出了關鍵解釋：可控性必須在預訓練階段就植入。模型訓完再回頭加，非常困難。而 Hyper3D 從 CLAY 開始，就讓「可控」和模型底層一起生長，不是後期外掛。

企業級路線：中國版 Anthropic

決定 AI 公司長期價值的，不是有多少用戶，而是誰在付費。企業級營收質量，正取代消費級規模成為衡量 AI 公司長期價值的核心標尺，以企業客戶為核心的收入結構通常具備更高的黏性與盈利能力，也更容易獲得資本市場的估值溢價。

呉迪直接將影眸定位類比為「中國版 Anthropic」——不靠消費端流量打法，從成立起就盯著專業用戶和產業客戶。

目前 B 端與 C 端收入比約 4:6，B 端續費率接近 100%，約 80% 的營收來自海外，核心在北美。B 端客戶累積的營收超過同賽道其他所有公司的總和。

吳迪還提到另一個有趣的現象：C端和B端的增長幾乎以1:1同步。因為C端用戶並非普通消費者，而是建模師、3D打印愛好者等「Pro C」群體。他們先以個人身份試用，使用滿意後便帶入企業。

目前，他們已達成數千萬美元 ARR。

為什麼 3D 生成是一門好生意？

對於 Hyper Rodin 而言，單就模型訓練的算力成本而言，整數倍版本模型的迭代需要千卡級的訓練。但由於 Hyper3D 團隊在演算法架構上的自身積累，使其在同等效果下的訓練成本，顯著低於行業平均水平。

這得益於影眸至今保持約 60 人的精幹團隊，他們是唯一連續多年獲得國際圖形學頂級會議 SIGGRAPH 最佳論文及提名的商業公司，其算法團隊每 2 人中就有 1 人獲得或提名過最佳論文。團隊研發佔 2/3，科研成果產品轉化率高達 70%，實現了罕見的高濃度人才運行。

巨頭用腳投票：從 Lowe's 到黃仁勳的 Keynote

頂級創作者和跨國巨頭從來只為結果付費。

而以下，都是用腳投票 Hyper3D 的巨頭們。

例如，全球零售巨頭 Lowe's。

他們在為全美 1750 家門店推廣數位雙生時，面臨著數十萬 SKU 的建模鴻溝。傳統單一模型的成本為 300-500 美元，週期長達數週。

集成 Hyper3D 後，分鐘級生成高保真資產，單模型成本壓縮至 1 美元以內。如今每月超過 1 億用戶在線瀏覽這些 AI 生成內容。

此外，還有 Unity 官方合作夥伴。

在 2026 年 3 月的 Unity AI Beta 公測中，遊戲開發者可透過自然語言指揮引擎擺放資產、生成模型——背後調用的核心算法正是 Hyper3D Rodin。

還有一個不得不提的是，英偉達黃仁勳今年的 CES Keynote。

在官方披露的內部最新 AI 工作流中，3D 資產生成環節唯一指定了 Hyper3D Rodin。

這條工作流上排列著 DeepMind、OpenAI，影眸是唯一的初創企業——這算是通過了全球第一算力巨頭最嚴苛的工程驗證。

最後，還有 3D 打印與具身智能。

作為拓竹科技最早的生態夥伴，Rodin Gen-2.5 憑藉原生貼圖解決了多色打印邊緣雜色的通病。

同時，Sim-Ready 功能支援一鍵匯出至 NVIDIA Isaac Sim，為具身智能訓練持續生產可互動的模擬數據。

終極願景

定義空間智能的底層規則

「The 3D generation赛道 is converging,」 said Wu Di. 「Only a few teams that truly solve industry problems will remain at the table. This is not a traffic game about who runs faster, but a long-term competition about who digs deeper.」

為什麼這件事值得較真？因為具備精確空間結構、可編輯、能承載物理關係的原生 3D 生成，是 AI 理解和模擬真實物理世界的必要前提。

在「世界模型」被熱炒的當下，影眸仍保持難得的嚴謹。團隊認為，僅靠 2D 視頻生成無法抽象真實物理，必須走 3D 原生與視頻生成結合的混合路線。

在一二年的短週期內，作為極其務實的工業級資產生產工具，Hyper3D 將在遊戲、電商、3D列印賽道持續擴大份額。

在三到五年的長週期下，它的核心價值在於：它是未來所有數位化空間、物理模擬環境與機器人智能體搭建過程中，無法跳過的空間物理底座。

Hundreds of millions in new funding has been received, Rodin Gen-2.5 draws its blade.

影眸科技想做的，從來不只是參與下一代 3D 生產工具的競爭——而是去定義規則。