一句話，AI 直接給我建了個能跑能跳的「吉卜力」3D小鎮(zhèn)

這周的大模型熱點除了 Anthropic 剛剛發(fā)布的 Opus 4.7，世界模型成了另一塊角力的陣地。

短短幾天內，AI 圈幾乎是連珠炮式地發(fā)布了一系列重磅世界模型。

先是李飛飛的 World Labs 開源了 Spark 2.0，緊接著騰訊在昨天正式發(fā)布并開源了混元 3D 世界模型 2.0（HY-World 2.0）。

▲騰訊混元 3D 世界模型 2.0 體驗地址：https://3d.hunyuan.tencent.com/sceneTo3D

阿里也馬不停蹄，新成立的 ATH 旗下創(chuàng)新事業(yè)部團隊，剛剛才官宣了 HappyHorse，立刻又發(fā)布世界模型 HappyOyster。

▲阿里 HappyOyster 官網(wǎng)截圖：https://www.happyoyster.cn/

最容易忽略的還有英偉達 Lyra 2.0，沒有發(fā)布會和新聞稿，旗下的空間智能實驗室直接甩出一篇論文，「可探索的生成式 3D 世界。」

▲英偉達研究博客：https://research.nvidia.com/labs/sil/projects/lyra2/

這種密集程度讓人產生一種錯覺，那些生圖生視頻模型是不是都弱爆了?，F(xiàn)在的 AI 已經(jīng)從「生成一張圖、一段視頻」的平面階段，大步來到「構建一個世界」的 3D 空間時代。

不僅技術端在狂飆，資本市場也給出了強烈的回應。

今天，群核科技正式登陸港交所。這家空間智能公司一直致力于推動 AI 進入物理世界。它的成功上市，標志著「世界模型第一股」的正式誕生，也向外界釋放了一個明確信號：世界模型，真的開始火了。

而在熱鬧之余，我們也發(fā)現(xiàn)雖然這些公司都叫世界模型，但是路線完全不同，只能生成視頻的像是一個 Demo 產品；能生成 3D 資產的看似可以融入開發(fā)設計的工作流；還有在論文里的未來工作暢想，希望用于機器人的訓練。

目前，騰訊混元 3D 世界模型 2.0 已經(jīng)開放了申請。我們第一時間進去體驗了一波，試圖從中找到一個答案：這些被認為是 AI 下一階段的世界模型，到底能解決真實世界的哪些問題？

從看電影到開始游戲

此前我們聊世界模型，大多像在聊一個「更長、更懂物理規(guī)律、一致性保持更強的視頻」。但這次體驗混元 2.0，最直接的沖擊力在于，它生成的不再是 MP4，而是真正的 3D 資產文件。

在體驗中，我用簡單的提示詞輸入了「吉卜力風格的山間小鎮(zhèn)，黃昏」。在幾分鐘的計算后，出現(xiàn)在屏幕上的畫面像是一個大世界游戲。

點擊下載，混元 3D 提供了全景圖、Splats 的 .spz 文件和 .ply 文件，以及 Collider mesh 一共四種 3D 資產文件格式。

四種文件類型涵蓋了 Mesh（三角面片網(wǎng)格）、3DGS（3D 高斯?jié)姙R）、點云等多種格式的 3D 資產文件，這些文件可以直接導入 Unity、Unreal Engine，游戲開發(fā)者拿到手之后可以繼續(xù)編輯、調整、搭建關卡。

▲所生成的世界同樣可以保存為全景圖片，原圖約 20MB。

在世界生成任務上，除了常見的文生世界，混元 3D 同樣支持圖生世界。我們找了一張《拯救計劃》電影截圖，Rocky 最后在波江座人給他搭建的世界里漫步，讓混元來還原整個波江座。

▲由于電影截圖里就有顯示一個外殼包圍著 Rocky 居住的海邊，所以混元生成的世界也有一塊「黑影」

當使用 Unsplash 上下載的高清雪山圖片時，混元 3D 世界模型 2.0 生成的雪景，畫質和真實感都更強。

▲全景圖和導演模式下的角色漫游

無論是上傳圖片還是文字提示詞，應用內都有相關的指引，例如上傳的圖片分辨率不能小于 512*512，避免畫面出現(xiàn)人物，不要有動物/人物特寫，避免使用純色、純紋理圖片；以及天空、星空等畫面占比較大圖片也不適合等。

而文本提示詞，最好是場景類別（沙漠、海面、房間等）+ 場景特征（物體、天空等視覺描述）+ 風格（可選，卡通/寫實/油畫風格等）。

混元 3D 世界模型 2.0 的風格化控制表現(xiàn)也很好，從官網(wǎng)已有的世界案例能看到，無論是溫馨的繪本風還是寫實的游戲風，它對語義的解析非常精準；墻壁的紋理、地牢的陰影和光感都極具沉浸感。

除了能生成可用的 3D 資產，混元 2.0 真正讓我感到「世界」屬性的，是它的角色模式。

現(xiàn)在我們可以直接操控一個角色在剛剛生成的場景里行走、加速、跳躍、轉彎、探索，整個過程就像是在玩一個大世界游戲。同時，它自帶物理碰撞，角色不會穿墻而過，也不會掉出地圖邊緣。

這種即刻生成、即刻可玩的體驗，確實在模糊了 AI 生成與游戲引擎之間的邊界，隨著能生成世界的范圍不斷擴大，角色的探索或許會更有意思。

實時生世界時，我們能直接控制角色的行動，混元 3D 模型會自動生成對應的世界，單次生成的時長是一分鐘。

對比之前的混元 3D 模型，這次的 2.0 版本在一句話/一張圖生世界任務上，不僅支持下載 3D 資產文件，推出了全新的角色模式，而且在畫面精細度和真實感方面，也從底層的模型架構進行了重新設計。

▲混元世界模型 2.0 多模態(tài)世界架構｜https://3d-models.hunyuan.tencent.com/world/

新的模型架構，打通了「理解、生成、重建」的閉環(huán)。

• HY-Pano-2.0： 不需要專業(yè)的相機參數(shù)，普通圖片就能映射出 360° 全景。
• 空間 Agent 技術： 像給 AI 裝上了導航，它能智能規(guī)劃漫游軌跡，確保護理和視覺上的銜接不會穿幫。
• HY-WorldMirror 2.0： 保證了即使是在大幅度的視角變換下，物體側面和背面的完整度依然在線。

在世界重建任務上，混元世界模型 2.0 輸入多張圖或視頻流，就能做到重建真實場景。

在過去，我們想要構建/重建一個可互動的 3D 世界，需要成體系的團隊和數(shù)月的打磨；而現(xiàn)在，通過混元 2.0 這樣的工具，只需要一個創(chuàng)意。

并且，這個創(chuàng)意，無論是以文字、圖片還是視頻的形式呈現(xiàn)，它都可以生成一個拖進 Unity 的原型，哪怕質量還需要調整，哪怕很多細節(jié)還要人工修改，但整個設計的工作流，AI 也開始在發(fā)力了。

瘋狂的世界模型周，瘋狂的 AI

當我們再把視線從混元 3D 世界模型 2.0 的資產生成、角色模式、世界重建，拉回本周連發(fā)的其他幾個世界模型，我們會發(fā)現(xiàn)，這些不同在不同維度突圍的世界模型，正共同拼湊出世界模型更明確的樣子。

阿里 HappyOyster 目前還在主打漫游和導演模式，讓我們用自然語言隨時介入世界演化，改寫劇情走向和角色動作。

英偉達 Lyra 2.0 用一張圖就能生成長達 90 米的連貫 3D 環(huán)境，它生成的場景甚至能直接丟進 Isaac Sim 給機器人做物理訓練。

李飛飛 Spark 2.0 打通「交付最后一公里」，前面那些模型都在解決怎么造世界，而 Spark 2.0 已經(jīng)開始解決怎么給人看。它通過獨創(chuàng)的流式加載和虛擬內存技術，把上億個 3DGS 粒子的超大世界，硬生生塞進了普通手機的網(wǎng)頁瀏覽器里。

▲World Lab 生成界面，提示詞：吉卜力風格的山間小鎮(zhèn)，黃昏

看著這些各顯神通的世界模型界面，一個現(xiàn)實的結論是：很明顯，世界模型還沒迎來它的 ChatGPT 時刻。

四家公司這一周的密集發(fā)布更像是在為這個時刻做準備，畫面質量、交互能力、資產格式、交付方式、仿真精度，每個都在朝著自己的方向優(yōu)化。但把這些塊拼成一個「讓普通人愿意每天打開」的產品，還沒有模型做到。

在過去兩年里，隨著 AI Coding 重塑代碼開發(fā)、Nano Banana 等模型顛覆平面設計，前端工程師和平面設計師們已經(jīng)經(jīng)歷了「xxx is DEAD」。現(xiàn)在，這朵雪花大概是要飄到 3D 設計的護城河上。

隨著更多模型廠商的下場，3D 設計的工作流也會慢慢從 AI 輔助走向 AI 主導。到那時，生成并體驗一個 3D 互動世界，將會像今天我們在手機上刷短視頻一樣流暢、低成本且理所當然。

畢竟，在所有的科幻敘事里，沒有任何人會抗拒自己成為「造物主」，去自定義一個新世界。