​从一张照片到3D世界，浙大总部园企业「极顶数创」想把“造物”权还给每个人

6月13日，华为开发者大会在东莞松山湖举行，V2Fun在“鸿蒙星光大道”展区正式亮相。背后的团队极顶数创，创始人嵇盼本科毕业于浙江大学竺可桢学院，博士毕业于澳大利亚国立大学，曾任腾讯XR Vision Labs负责人，3D视觉、AIGC领域专家。今年，他把企业杭州研发中心正式落在了位于余杭的浙大校友总部经济园。

“拍张照，生成你的3D模型。”嵇盼这样概括V2Fun。这句话听起来轻巧，背后却是一场持续了十五年的技术长跑。

打破2D到3D的墙

十多年前，嵇盼在浙大信电系做本科毕业设计，课题就关于“2D转3D”。当时《阿凡达》带火了3D电影，许多人在畅想未来的3D数字电视，但一个致命瓶颈横在面前：没有3D内容。最现实的路，就是把海量的2D画面转成3D。嵇盼的入门，就从这里开始。

此后他去澳洲读博，去硅谷做VR，回国后在腾讯带XR实验室的团队，一路都在跟3D打交道。真正让事情发生质变的，是近几年大模型的爆发。

以前做一个高精度的3D模型，专业团队要以月为单位来制作。更别提普通人，几乎没有任何可行的途径。有过一些自动化尝试，比如用深度传感器绕着物体扫描重建，但设备重、流程杂，扫出来的模型经常有破面和材质失真。也有基于深度学习的小模型方案，但这些方法的问题是“泛化性”太差——训练时见过的东西能建出来，没见过的就完全不行。

大模型改变了这个局面。“大模型通过海量3D语料训练，学到了泛化能力。”嵇盼解释，“你给它一张照片作为提示词，它就能输出一个带纹理、带材质的高质量3D模型。”换句话说，模型见过足够多的物体之后，即使面对一张全新的照片，也能合理“推理”出物体背面、侧面应该长什么样。

这背后是企业自研的3D大模型。从数据收集处理、模型架构设计到训练策略和工程部署，全是团队自己闭环做下来的。3D数据的格式千变万化，游戏、建筑、动画各有各的标准，光是数据的收集和清理就是一道高门槛。而模型架构也没法直接照搬图像或视频生成的路子，得专门为3D设计一套。再加上3D数据的总量远不如文本和图片那样海量，在小数据量下还要做出好的泛化效果，难度陡增。嵇盼说得很朴素：“就是不断试错，分析哪个方案行、哪个不行，找到背后的原理。”

华为选择与这个成立仅一年多的初创团队深度合作，看中的正是他们模型的还原度。“特别是在人像还原度上远超竞品”，嵇盼说。这个指标之所以关键，是因为做C端产品，用户想要的是“我的宠物”“我的孩子”，如果生成出来的东西跟原图不像，整个体验就失去了意义。

我们为什么需要3D

对于普通用户来说，V2Fun目前最直接的使用场景是“实体化”。拍下宠物的照片生成3D模型，再通过3D打印做成手办寄到家里，这种带有强烈情绪价值的定制体验，正在吸引第一批用户。

而在专业端，变化已经在发生。有独立原画师用V2Fun的网页端工具，几个星期就把以前工作室三四年没做完的游戏小镇雏形搭了出来。做数字人的创作者，以前以周为单位的模型制作，现在压缩到了小时级。

这不仅仅是好玩或者提效。往更深一层看，嵇盼和团队在做的，是给未来的3D世界模型打地基。当前的大模型对世界的理解基本停留在文字和2D图像层面，而真实世界是三维的。“要让机器人真正走进千家万户，自己去拿东西、干活，缺的就是3D能力。”嵇盼说，“这块能力的补足，必须在数据和基建层面去做。”V2Fun让每个人都能低门槛创作3D内容，本质上是在为未来积累数据和素材。

把研发放到余杭，对嵇盼来说是一个很自然的选择。浙大校友总部经济园这个平台能把浙大人的资源链接起来，余杭政府还给了实打实的研发补贴支持。同时，杭州有做具身智能的“六小龙”企业，浙江有发达的3D打印硬件生态，这些都可能成为未来的合作伙伴。

V2Fun的上线只是一个起点。它的网页端已经在服务专业创作者，手机端从华为鸿蒙起步，明年将逐步扩展到其他终端。把3D创作的门槛从“专业团队用专业软件花数周”降到“任何人用手机花几十秒”，这条平权之路才刚刚开始。

来源 | 余杭融媒体中心