GPT-6要“吃掉”3D公司？這家公司不到2年ARR翻百倍，破1億美元

來源原標題

GPT-6要“吃掉”3D公司？這家公司不到2年ARR翻百倍，破1億美元

作者

听雨

原始標籤

資訊 · 3D

原始連結

https://www.qbitai.com/2026/10/501451.html

摘要原文

GPT-6要“吃掉”3D公司？這家公司不到2年ARR翻百倍，破1億美元 聽雨 2026-10-04 08:53:29 來源： 量子位 專業3D模型反而更稀缺了 聽雨 發自 凹非寺 量子位 | 公眾號QbitAI GPT-6 Astra一發布，3D圈已經坐不住了… 它能用Blender蓋出這樣一棟房子，再直接導進Unreal Engine 5，變成能走進去逛的漫遊場景： 社交媒體上，網友很快玩出了更多新花樣。 有人通過Blender MCP，僅憑文字提示，就讓Astra從零搭出一整條醫院走廊： 好好好，的確很驚豔。 But，我們把同一張參考圖，分別交給Astra和專門做AI 3D生成的 Meshy ，結果卻變成了這樣…… 同一個金髮劍士，Meshy生成的髮絲根根分明、五官清楚，斗篷、皮帶和護甲保留了明顯的層次，盾牌上的葉片紋樣也還原出來了。 右邊的Astra，畫風顯然抽象多了…… 頭髮是一整塊「頭盔」，臉是圓眼卡通風，身體像幾段幾何體拼起來的，站在Blender視窗裡，更像一個剛搭完基礎結構的手辦。 呃，差距確實有點明顯。 GPT-6 Astra刷屏之後，3D圈裡最受關注的那個問題，也因此變得更微妙了： 通用模型都能建模了，還需要專門的AI 3D模型嗎？ 如果只看那些驚豔的演示，答案似乎已經呼之欲出。 可一旦把任務推進到具體資產，尤其是角色、複雜道具這些對比例、結構和細節要求更高的物件上，兩條路線的差異就會迅速顯現。 更有意思的是，通用模型能力一路狂飆的這兩年，Meshy的生意並沒有被擠壓，反而增長得相當兇猛。 據Meshy披露， 其ARR從100萬美元增長至1億美元，用時不到兩年 。 ARR，即年度經常性收入，是將企業當前可持續、可重複的訂閱或合同收入按年折算，一次性收入通常不計在內。 它衡量的並非一款產品有多少人圍觀，而是目前已經形成了多大規模的持續付費收入，這也是它被視為SaaS公司核心指標的原因。 那麼，不到兩年從100萬美元做到1億美元，是什麼速度？ 放在傳統軟體行業，即便是最優秀的SaaS公司，這段路通常要走至少五年以上。 歷史可追溯至1911年、早期投資過Shopify、LinkedIn的著名風投機構Bessemer Venture Partners在《The State of AI 2025》中，總結了兩類高速增長的AI公司： 一類是「新星」，平均約4年達到1億美元ARR，同時保持約60%的毛利率；另一類是增長更為爆發的「超新星」，達到1億美元ARR平均只需約1.5年，但這類公司更為少見。 僅從增長的時間尺度看，Meshy不到兩年完成ARR百倍擴張，已經顯現出接近「超新星」式增長的爆發力。 再拿AI時代的代表性公司做參照，比如ElevenLabs和HeyGen。估值110億美元的語音生成公司ElevenLabs，從首款產品上線到1億美元ARR用了約20個月；華人團隊打造的AI影片明星公司HeyGen，從100萬美元ARR增長至1億美元用了29個月。 Meshy不到兩年的用時，比HeyGen更快。 而3D恰恰是這些模態裡最難做成生意的一種。聲音、影片生成出來基本就能用，3D資產還得過拓撲、貼圖、尺寸這幾關，才能進遊戲引擎、上印表機。 影片和語音的創作者遍佈全球，數以幾十億計；3D創作者目前還遠沒到這個量級。在這樣的起點上跑出相近的速度，並不容易。而隨著門檻不斷降低，3D也正在從少數專業人士的工具，走向數以億計的普通使用者。 難度更高，速度卻不顯遜色。一次爆款Demo可以帶來圍觀，ARR計算的卻是真金白銀的持續付費。 這條曲線背後，是兩股力量在同時推動：在B端，AI生成的3D資產越來越可用，已經成為遊戲開發、3D列印等行業日常運轉中不可或缺的生產環節；在C端，創作門檻一再降低，越來越多原本不會建模的人，開始走進3D創作。 最強基礎模型帶火3D，專業3D模型更稀缺了 Astra之所以能在3D圈刷屏，拆開看並不神秘： Computer Use讓它能操作Blender，Coding讓它把一句需求變成指令碼，空間理解讓它判斷物體的結構和位置。 因此，Astra最擅長的，是那些可以拆解成幾何關係的任務，比如CAD、參數化建模和程式化生成。牆體、樓梯、門窗，都能通過一行行程式碼搭建出來。 但開頭那位金髮劍士，恰恰超出了這套方法最舒服的範圍。 髮絲的走向、斗篷的褶皺、盾牌上的紋樣，很難寫成幾條几何規則。它們是概念圖裡的設計本身，要靠模型從大量真實資產裡學會形狀和細節該長什麼樣。 這正是Meshy這類專業3D模型所解決的問題：輸入文字或圖片，直接生成帶形狀和紋理的3D資產。 北京大學OpenDCAI團隊做過一個開源框架，叫3AGameFactory。它讓AI程式設計智慧體自己拆解遊戲需求，再逐項判斷每件資產應該現場生成、通過程式搭建，還是從開源素材庫中獲取。 其中，角色和關鍵道具交給了Meshy。 生成之後，資產還要經過網格清理和尺寸校驗；角色還需完成骨骼綁定與動作處理，才能真正進入遊戲。 專案負責人、博士生Bohan Zeng將其中最大的困難概括為：「看起來正確」與「真正可用」之間，仍然隔著一道鴻溝。不少問題只有在資產被放進可玩場景之後才會暴露。 Meshy與Astra協作搭建廢墟場景的演示，也呈現了類似分工：通用模型拆解場景、準備參考圖，再通過API呼叫Meshy，逐件生成所需資產。 這些資產隨後被匯入Blender，完成擺放、尺寸調整和燈光佈置。 規劃和排程可以交給通用模型，但真正決定畫面質感的那幾件資產，出自Meshy。 這也是我們的判斷： Agent降低的是3D創作的門檻，也讓資產質量成為更關鍵的門檻 。 能發起專案的人越多，角色和道具的需求就越大。創作者接下來要解決的，是如何穩定獲得符合設計、能夠進入生產流程的資產。 Agent越會幹活，資產就越成為瓶頸。能把「看起來對」變成「真正能用」的專業3D模型，正是這條生產線上最難被替代的一環。 3D專業模型的壁壘都在哪裡？ Meshy在這套協作中的價值，最終還是要落到資產質量上：形狀準不準，細節夠不夠，顏色和圖案對不對。 第一道壁壘，是形狀。 比如這隻機械貓頭鷹，參考圖中的多層甲片、胸腔齒輪和雕花底座，在生成結果中都保留了獨立結構，沒有糊成一整塊鳥形輪廓。 對美術師來說，這意味著拿到手的模型更接近原設計，後續修改可以從一個有結構的資產開始。 在Meshy自建的3D幾何對齊基準中，Meshy 7在單張圖片輸入下，造型比例、空間分佈和表面細節三項指標均領先其他受測模型。 其中，表面細節得分59.8%，其他模型約為49%至55%，上一代Meshy 6 Lite為52.7%。 第二道壁壘，是細節。 Meshy 7.1生成的獸人角色，護臂繩結有清晰起伏，裙襬邊緣還能看見編織和磨損痕跡。這些細節存在於幾何結構中，可以在無紋理渲染下直接看到。 據Meshy披露，7.1將幾何生成解析度從2048³提升至4096³；在其Detail Richness基準的4K渲染條件下，得分23.1%，高於其他受測模型。 更高的解析度意味著模型可以表達更細的凹槽、褶皺和表面紋理，同時也對訓練、推理和網格提取提出了更高要求。 第三道壁壘，是顏色和圖案。 這臺老式收音機真正難處理的並非方形外殼，而是銘牌上的英文、旋鈕旁的數字刻度，以及面板上不同材質的變化。用Meshy轉成3D模型後，兩處銘牌文字仍可辨認，刻度也保留了分段和數字。 在Meshy釋出的端到端紋理對齊測試中，Meshy 7綜合得分66.2%，高於其他受測方案。 這些提升背後，是專業模型圍繞3D資產持續最佳化。Meshy 7改進影像編碼器與訓練資料，讓輸入圖片和目標幾何更準確地對應；Meshy 7.1則擴大幾何生成規模，並改進網格提取，使更細的結構落到可交付的Mesh上。 團隊還在探索直接生成網格。採用Flow Matching路線的Meshy T2，能夠生成頂點及連線關係，並按預算控制網格複雜度，兼顧速度與資產結構。 △ Meshy T2生成的網格資產 不過，技術指標再高，最終仍要回答一個商業問題： 誰會為它付錢？ 專業使用者追求的從來不是「偶爾驚豔一次」，他們需要的是連續生成十次、百次，結果依然八九不離十。還原越準，返工越少，AI 3D才有機會從偶爾試用嚐鮮的工具，進入每天都要運轉的生產流程。 目前，至少有兩個付費場景已經相當明確。 第一個是遊戲。 要知道，3D資產原本就是遊戲開發中的一筆大開銷。 按照遊戲美術外包公司Juego Studios公佈的價格區間，一件風格化3D道具約為300至2000多美元，一個3A品質角色則可能超過5000美元。成本之外，更直接的壓力來自工期。角色和道具一多，3D美術很快就會成為專案進度的瓶頸。 三七互娛已經把Meshy接入了自己的生產流程：遇到複雜的角色和怪物，團隊先用Meshy分別生成頭、肢體等部件，再將它們匯入3D軟體完成組裝、精修。 這種方式可以在人工雕刻開始前，先獲得完成度超過60%的高模基礎。在複雜的次世代和古風專案中，基礎模型階段的雕刻工作量減少30%至40%。 簡單道具和角色則可以直接生成完整模型，清理後繼續加工。在部分休閒和移動遊戲專案中，一件資產的建模時間從5天縮短至約2.5天。 對動輒需要幾十、上百件資產的遊戲專案，效率會被持續放大，也讓美術師有更多時間處理風格和最終精修。 第二個是3D列印。 想要自己動手列印的人，正在迅速增加。拓竹披露，截至2025年底，MakerWorld全球站和中國站合計註冊使用者約5000萬，月活達到千萬量級。 與之相比，平臺活躍創作者只有約30萬，優質模型接近200萬個。 這意味著，平臺上瀏覽、下載和列印模型的人數，遠遠多於能夠原創模型的人。 印表機賣得越多，這道內容供給缺口就越明顯。大多數人可以買到一臺好用的印表機，卻依然不會建模；想列印一個真正屬於自己的手辦，往往只能先等別人把模型做好。 Meshy瞄準的正是這一環：讓不會建模的人，也能把自己的想法變成可列印的3D模型。 隨著Meshy將多色3D列印能力做進產品，拓竹、創想三維、Elegoo、FlashForge、xTool等列印品牌，也陸續進入其客戶名單。 把這些案例放在一起，也就能看出Meshy的增長從哪裡來： 第一層是個人訂閱。 獨立開發者、教師和列印愛好者，可以用文字或圖片生成模型，不再需要先學會專業建模軟體。 第二層是企業API。 三七互娛、網易遊戲和Nexon等遊戲公司將生成能力接入原有管線後，需求便不再止於偶爾生成一個模型。一個專案需要幾十甚至上百件資產，專案越多，API呼叫量也會隨之增加。 而放眼全球市值與估值排名前十的企業，其中半數已經將Meshy放入生產鏈條的關鍵位置。 第三層是硬體生態。 Meshy進入3D列印品牌的使用者鏈路後，模型生成需求又可能隨著印表機銷量和活躍使用者規模繼續增長。 在我們看來， 企業API和硬體生態，才是Meshy收入能夠持續放大的關鍵。 這些，最終都寫進了收入曲線，也解釋了Meshy為什麼能在不到兩年時間裡，將ARR從100萬美元推至1億美元。 Meshy增長快的關鍵，在於它跨過了「生成出來」與「投入使用」之間的距離。 模型質量越高，返工越少，進入的生產流程就越多；進入的生產流程越多，使用者的生成需求就越容易從一次嘗試，變成持續高頻發生的呼叫。 因此，1億美元ARR證明的並不只是有人願意為AI 3D付費。它意味著Meshy已經初步建立起一套商業迴圈： 模型能力推動實際使用，實際使用帶來持續收入，收入再支援模型與工程投入。 專業3D模型的壁壘，也就不只存在於參數和Benchmark裡，還存在於它已經進入了多少真實生產流程。 AI 3D究竟是一個怎樣的賽道？ 不到兩年做到1億美元ARR，證明AI 3D已經是一門成立的生意。 但今天的收入，主要仍來自「幫助人完成3D工作」。遊戲美術、建模師和設計師願意為效率付費，卻終究是一個有限的人群。 如果AI 3D想繼續增長，下一個問題便是： 除了幫助專業人士生產資產，它能不能讓更多普通人直接創造和消費3D內容？ 這正是Meshy從AI for Work走向AI for Fun的原因。 Meshy新推出的即時互動多模態內容架構Mora，就是對這條路的一次嘗試。 在Mora裡，你可以走進一個房間，和場景互動，找出解開空間謎題的路徑： 也可以走進拳擊場，把老闆的照片放到拳擊臺上，然後重拳出擊！ 這些互動能夠即時發生，靠的是一套分層架構。 Coding Agent負責搭建遊戲結構、編寫執行邏輯；Meshy生成空間和3D資產，同時向即時影片模型輸出控制訊號；影片模型根據這些訊號，即時生成畫面和聲音。 其中，3D是撐起整個世界的骨架。 這兩年，「世界模型」成了AI圈最熱的方向之一。谷歌DeepMind釋出的Genie 3，已經可以根據文字即時生成可探索的場景。 但純粹依靠影片生成的世界，空間一致性仍然是一道難題。玩家走遠之後再回來，原本放在桌上的東西，可能已經換了位置，甚至直接消失。 Mora的思路，是先用3D固定空間，再讓即時影片模型負責畫面表現。 房間在哪裡，門通向哪裡，物體擺在什麼位置，都由3D結構確定。玩家推開的每一扇門，放上拳擊臺的每一張照片，也都對應著空間中真實存在、可以持續互動的物件。 到了這裡，3D已經從生產流程中的一項資產，變成了可玩世界的地基。 這條路線真正開啟的，是AI 3D的使用者邊界。 過去，一個點子要變成能玩的遊戲，中間隔著建模、程式設計、美術和遊戲引擎。每一道門檻，都需要專業人員和大量時間。 Mora把這些工作都分給了不同模型，普通人不需要掌握完整的遊戲開發流程，也有機會把一句話、一個念頭，變成可以走進去的世界。 在我們看來，這才是AI for Fun真正抬高AI 3D天花板的地方： AI 3D 的市場規模，不再只取決於世界上有多少 3D 美術，還取決於有多少人想玩，多少人想創造自己的世界。 Mora還有一個關鍵設計原則：它會隨著Coding Agent的進步一起成長。 像Astra這樣的通用模型越擅長理解空間、編寫邏輯，就越能設計出複雜的關卡和互動；Meshy的3D生成能力，則負責把這些玩法變成穩定、可進入的場景。 至此，開頭那個問題也有了答案： 通用模型都能建模了，市場還需要專門的AI 3D模型嗎？ 在生產端，通用模型越能幹活，能夠發起的專案就越多，高質量3D資產的需求也會隨之增長。 到了互動內容這一端，Coding Agent越強，能夠設計的玩法越複雜，對穩定3D空間的需求同樣越大。 前者負責理解意圖、組織任務，後者負責生成真正可用、可控、可互動的3D世界。通用模型越強，專業3D模型能夠承接的需求反而越多。 這也解釋了Meshy為什麼要繼續向即時互動內容、向AI for Fun進軍。從一件能用的資產，到一個能玩的世界，Meshy想覆蓋的已經不只是3D生產工具的市場。 它站在通用模型與專業3D生成的交匯處，也把AI 3D面向的下一批使用者，從會建模的人，推向了每一個想創造、也想親自走進這個世界的人。 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 3D 聽雨 AI用了一堆、錢沒賺到？阿里瓴羊放話：AI員工得直接扛KPI 2026-09-26 GPT-6 Astra搓3D刷屏後，3D生成的競爭規則變了 2026-09-23 在雲棲大會，我終於看懂了米哈遊千億AI野心 2026-09-26 谷歌TPU跑Kimi比輝達GPU快57%！用的還是DeepSeek推理框架 2026-09-26 相關閱讀