来源：量子位（QbitAI）（鹭羽） · 2026-09-01 · 原文链接
一句话概括
把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数
核心要点
- 范式跃迁：从"造一个物体"到"造一个可拆的世界"。整体式场景生成做不到"拎走桌上的碗、挪开椅子"，因为所有内容被合并成不可拆的整块。WorldGen 把场景拆成独立资产并保留空间/物理关系，每件都可单独编辑、替换、移走——抽出关键支撑物后，周围的物体会按物理规则位移或跌落。
- 技术底座是 SIGGRAPH 2025 最佳论文 CAST（同期唯一与 Google、Meta 并列的商业公司）。流程四步：① 拆对象+估深度；② 逐物体生成完整 3D 几何（遮挡感知补背面）；③ 估计位姿把物体放回统一空间；④ 用物体关系图 + SDF 做物理纠错（防穿透/悬空/不合理堆叠）。WorldGen 是在 CAST 上花近一年工程化，把"多模块串联累计误差"压到了产品级。
- 生成流程（hyper3d.ai）：上传图→自动识别主体（可手动框选）→前景物体逐个 2-3 秒出预览，背景用 3DGS 补全→整体 2-3 分钟。开 SimReady 模式会自动补碰撞体、估计质量/摩擦/恢复系数。
- 具身智能场景已落地闭环：与地瓜机器人（算力/开发工具链）+ 谋先飞 MotrixSim（物理与并行仿真引擎）今年 7 月联合发布完整链路——WorldGen 出场景，MotrixSim 跑运动/抓取，地瓜机器人做训练。已对接 NVIDIA Inception，将"单资产进 Isaac Sim"拓展为"整场景进 Isaac Sim"。
- 游戏用法：从概念图直接出对象化场景，策划先看动线、设计师挪道具、美术再决定哪些关键资产值得精修；独立资产能直进 Blender/Unity/PlayCanvas/团结引擎/Unreal Engine 做二次创作。7 月与 Unity 中国达成合作。
- 影视用法：WorldGen 控 3D 基底（镜头调度、构图），Seedance 2.5 出最终画面，避免视频生成"可控 vs 好看"二选一；WorldGen 自带 AI Render 模块支持自由运镜与多风格变换。已进入实际影视项目制作流程。
- XR/空间计算：单张图→可进入/浏览/调整的沉浸空间，搭配 Apple Vision Pro 等设备做室内设计、沉浸教育、空间展示。
- 团队对"世界生成模型"的定义（CTO 张启煊）：文本/图像→可用的三维世界；是广义"世界模型"在 3D 载体上的实例，区别于只能观看的视频世界模型。
金句
“传统做法直接将整个场景作为一个模型生成，所有内容容易被合并成不可拆解的整体，场景很难继续使用。WorldGen 的关键变化，是把场景拆解为可单独操作的资产，同时保留它们之间的空间与物理关系。"——吴迪（创始人/CEO）
“我们认为，世界生成模型是通过文本提示或一张图像，把其中描绘的场景还原为可用的三维世界……影眸选择的载体是 3D。"——张启煊（联创/CTO）
“导演要把画面左侧盘子里的苹果移到右侧盘子，纯视频生成很难稳定控制；用 WorldGen 建立可控 3D 基底，再用视频生成模型提升最终画面质量，这样则相当直接。”
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文