从3D生成到世界模型，这家AI公司想和年轻人一起定义问题

听雨 发自 凹非寺
量子位 | 公众号QbitAI

AI行业仍在为顶尖人才开出高价，但同时也越来越看重实际贡献，而不只是潜力。

年轻研究者由此面临一道难题：企业想要已经做出成果的人，但如果参与核心项目的机会变少了，代表作又该在哪完成？

这也让人才竞争有了另一重标准：不只是企业筛选谁已经做出成果，年轻研究者也需要判断，谁能为自己的下一项成果提供条件。

能否进入核心项目、参与技术路线的判断，能否获得与任务匹配的数据、算力和协作支持，决定了一份人才计划能否兑现它对成长的承诺。

近日，半年不到就拿到约50亿元融资的人工智能公司VAST（三启万物），发布了新一期V·STAR顶尖人才计划，将邀请年轻研究者聚焦三类明确的研究任务：

3D生成基础模型、三维理解与智能体、世界模型。

它想寻找能够参与定义问题、提出技术判断，并将探索推进为实际成果的年轻研究者。

这些方向指向同一个目标：让AI从生成内容，走向构建可交互的世界。会写代码、生成图像和视频，还不等于能够构建一个持续运行的环境。

三维对象需要能够被编辑和操控，智能体需要理解空间并执行任务，世界则需要维护状态与规则，让每一次行动都产生可以延续的结果。

这些尚未解决的问题，正是VAST希望与年轻研究者共同推进的研究前沿。

3D打开新的研究空间

过去大家看AI做3D，容易先看颜值：像不像，精不精致，转一圈有没有露馅。

如今Agent开始接手项目，要求很快升级：模型能否导入引擎？部件能不能单独控制？想改一条腿，是否得把整个角色重新生成？

大语言模型在规划、编程和调用工具上越来越熟练，但精细三维对象仍需要专业能力。

10月30日，Kimi官方发布的3D创作教程就提到，面对人物、动物、怪兽和复杂道具等适合网格建模的任务，Kimi会整理提示词与参考图，调用VAST旗下AI 3D基座模型Tripo等完成生成。

这样的协作已经长出了不少优秀作品。

独立开发者Sac用Claude、Tripo与Blender组成工作流，仅花16天，就把《小王子》里的星球做成了可以探索的3D场景。开发者@thebuggeddev则将Codex与Tripo结合，制作了可在网页上查看和操作器官模型的3D人体解剖应用，后来被OpenAI联合创始人兼总裁Greg Brockman转发。

这些项目里，大语言模型负责组织流程、编写程序，Tripo提供三维资产，创作者把它们组合成可以体验的作品。

一项能力接入另一项能力之后，研究问题也随之变化：生成出来的东西，怎样才能被下一步继续使用？

VAST首席科学家曹炎培做过一个很直观的实验。他先用Tripo P2.0生成机械蜘蛛，再利用模型形成的部件结构，让LLM为独立部件命名，编写并调试运动逻辑，最终实现部件级动画控制。

这时，几何结构是否清晰、部件划分是否合理，就会直接影响代码能否找到该控制的对象。蜘蛛的“腿”得在数据里也是一条可操作的腿，不能只靠观众觉得它长得像。

更复杂的项目，还会涉及同一个对象在多轮操作中的连续性。

把自己的猫放进游戏，需要保留它的脸型、花纹和体态，也需要适合后续绑定与动画的结构。

给一个已经做好动作的角色换外套，则要修改指定区域，同时尽量保留脸部特征、身体比例和原有动作。

哪些部分可以改变，哪些应该保留，修改之后还能不能继续使用，都是VAST希望通过3D原生智能深入解决的问题。

团队选择探索专门的三维训练，让模型学习形体、拓扑、部件关系，以及修改前后的对应规律，尝试把一部分制作中的试错提前到训练阶段，让生成的对象更容易被识别、操控和继续修改。

从三维表征到世界模型，VAST的几次关键选择

一个AI模型外观看起来不错，真正进入制作流程时，却可能还要花不少工夫整理网格结构。

尤其涉及编辑、细分和动画形变，四边面拓扑往往更方便后续处理。可手工重拓扑耗时，自动处理也可能损失细节。

创作者刚为生成速度高兴完，就得给后续整理重新排期。

Tripo P系列模型底层的Nexus框架，尝试让这个问题在生成阶段就加以解决。它将顶点与拓扑生成解耦，通过扩散模型由粗到细构造顶点，再用新的编码方式表达拓扑关系，实现无需预先排序的原生网格生成。

这一套触及3D生成本质的范式也得到了国际顶会的认可。今年7月，Nexus相关论文被国际图形学顶会SIGGRAPH收录；与此同时，基于P1.0的实时演示获得了SIGGRAPH 2026 Real-Time Live!的Best in Show奖项。

今年8月推出的Tripo P2.0进一步支持原生四边面拓扑，能够在数秒内生成以四边面为主、面数可控、部件拆分更合理的三维对象。

这些特性各有实际用途。生成快，能让Agent多试几轮；面数可控，便于适配网页和移动端的性能预算；拓扑规整，有助于减少后续编辑与动画制作的障碍；部件清楚，则让独立控制更容易展开。

资产是否好用，要放到完整工作流里看。

再往前，是世界模型。

今年初，动作条件视频模型受到关注：输入图片，再通过键鼠操作生成后续画面。VAST团队也觉得有意思，但他们先问了一个本质的问题：这套东西，要怎样才真正有用？

以游戏为例，角色还剩多少血，技能冷却有没有结束，一扇门有没有被打开，都需要持续维护。总不能玩家扭个头，世界就把刚才发生的事都忘了。

今年10月，VAST发布并开源了面向任意视觉参考的实时交互式渲染器EdenLive——这也是团队在世界模型领域的最新成果。

EdenLive首次在实时生成的前提下，同时实现了任意视觉参考输入、任意画风生成、长时连续生成。根据官方测试，在单张GPU上，EdenLive能以超过24 FPS的速度生成720P画面，并支持分钟级连续生成。

为什么EdenLive能实现突破？答案就在它对底层结构的解耦中：上游交互引擎维护世界运行的状态和交互规则，下游实时生成模型负责高保真的画面呈现。

把它放进游戏原型里理解就直观了：Agent参与搭建程序与交互逻辑，三维场景提供空间结构，视频模型持续生成更丰富的画面。

玩家一边操作，画面一边更新。这里要解决的事情，也从“生成一张漂亮截图”，延伸到了“让整个体验持续跑起来”。

EdenLive的路线，其实是VAST对世界模型长期探索的延伸和验证。

早在6月发布的世界模型项目Project Eden中，VAST就明确公布了分层解耦的路线：底层维护世界状态，记录物体属性、交互规则和动作后果；中间层把状态转成当前视角所需的布局、几何与事件约束；上层的生成式渲染器再依据这些条件生成画面。

世界状态不必依附于镜头存在，画面生成也有了明确的依据。

这个选择提出时，并不理所当然。EdenLive核心贡献者之一Zion记得，团队内部也反复讨论过：视频模型路线看起来更端到端，拆开之后，会不会显得不够新颖、绕开了更难的问题？

最后，讨论回到了目标：他们希望做的是一个有明确规则、能够持续交互的世界。沿着这个目标，显式状态值得认真研究。

Project Eden发布后，Code World Model、AgentGarten等工作也探索了由代码、引擎或智能体维护状态，再由视频模型生成画面的分工；李飞飞团队提出的“三层”世界模型架构、谷歌新发布的世界模型Genie 4，路线也与Project Eden形成了呼应。

△Genie 4将“代码和LLM负责逻辑结构化推理，生成模型负责渲染和表征”的路线写进未来规划

分钟级连续实时生成已经是一大突破，更长时间的一致性、更准确的控制，以及实时性与计算成本之间的取舍，是下一阶段的课题。

让年轻研究者定义问题，主导自己的代表作

这次V·STAR开放3D生成基础模型、三维理解与智能体、世界模型三个研究方向。

这些工作既需要不同背景的人交流，也需要研究者在尚无定论时作出判断：现有路线的局限在哪里？什么问题值得重新定义？是否应该尝试一种不同的解法？对年轻人而言，关键不仅是能提出想法，还在于有没有机会主导验证。

Tripo P系列核心贡献者Ronnie很早就来到VAST实习，毕业后正式加入。P系列的起点，正是他在实习期间提出的一次路线判断。

当时，受大语言模型成功的影响，不少研究者尝试用自回归方式生成原生网格，也已经做出了具有一定生产价值的结果。但Ronnie注意到，将三维网格强行转化为序列，会损失信息；随着生成要求提高，这种表达方式的局限可能进一步放大。

他因此提出：能不能换一条路，用扩散模型实现网格生成？

彼时，行业中鲜有人探索这一方向，也没有成熟路径可循。但这个想法很快获得了内部支持，Ronnie得以继续推进实验。

“我们有很多试错和成长的机会，”他回忆，“可以自己做一些out of the box的探索。”

最初，他并没有预设要做出一条旗舰产品线。但从识别现有方法的局限，到提出替代路线，再到一步步验证，研究探索最终发展成了Tripo P系列。

他获得的不只是参与项目的机会，更是让自己的技术判断影响模型方向、将其做成代表作的空间。

他印象很深的一次反馈，发生在今年3月的旧金山游戏开发者大会（GDC）。一位路过的游戏开发者看完P1.0演示，惊讶于它展现的能力，表示此前没有见过类似的东西。

△GDC上P1.0广受欢迎

对研究者来说，这样的反应很具体：自己在实验里反复琢磨的东西，真的让另一个人看到了新的创作可能。后来，开发者把模型接进不同Agent，做出团队未曾设想过的作品，这份成就感又往前走了一步。

让这样的探索发生，除了给年轻人空间，还需要什么支持？

EdenLive核心贡献者之一Zion的经历，提供了另一份回答。

他在VAST早期实习后，曾去大厂的大模型团队实习半年，也拿到了大厂人才计划的留用机会，最终却在校招时回到VAST。

他没有把这个选择简单归纳成“大厂和创业公司谁更好”。对他来说，重要的是能否探索自己关心的问题，以及探索所需的条件能否跟上。

回到VAST后，他得到充足的数据、基础设施与算力支持，也逐渐明确了自己的研究目标：交互与仿真。

被问到再选一次是否还会来，他说：“我应该会比当时更加坚定。”

理由也很朴素：“当时期望的东西，在这不到一年里确实都得到了回应。”

重要的判断，不只发生在选择路线时，也发生在实验之后：哪些值得继续，哪些需要调整，哪些应该暂时停下。

Zion曾尝试让LLM或VLM Agent结合3D生成搭建场景，但当时的基础模型即便知道物体朝向不对，也难以稳定地将它转正。验证一段时间后，课题被暂时停下。

团队先用有限资源检验关键假设，结果成立再继续投入，不成立就重新讨论。允许试错，也包括允许研究者根据证据改变自己的判断。

主导自己的研究，并不等于独自解决所有问题。

VAST算法团队成员R期待的伙伴，是“high capability、low ego”：能力强，也愿意把注意力放在共同解决问题上。仍在读博的实习生Stewie，则已经参与核心模型从数据到训练的完整流程。

在他的体验里，同伴愿意分享理解、一起拆解难题，高人才密度带来的也可以是支持。

这些经历，对应着V·STAR希望提供的研究条件：入选者能够从零推动项目，参与定义重点技术方向，获得配套的数据、算力与协作支持。

待遇方面，薪酬突破传统校招职级与薪资限制，特别优秀者上不封顶，并提供长期期权激励。

在人才评价上，团队更关注一项研究有没有实质推进问题，研究者能否讲清楚：为什么值得做，为什么选择这条路线，实验又怎样改变了自己的判断。

这也回应了开头的难题：企业看重成果，人才计划就不能只等待年轻人带着代表作加入，还要提供让代表作在这里发生的条件——让他们进入核心项目，作出重要判断，并有资源和伙伴一起完成验证。

从3D生成到世界模型，还有许多问题尚无定论。VAST希望新加入的年轻研究者，不只是参与寻找答案，也能一起决定，下一步该问什么。

V·STAR校招面向2027届本、硕、博毕业生，实习面向非应届在校学生，不限年级。工作地点包括北京、杭州、上海、深圳及海外远程。

官方通道：https://tripo3d.com/vstar

投递邮箱：vstar.talent@vastai3d.com

（文中Ronnie、Zion、R、Stewie均为化名）