影眸科技（Deemos）由吴迪和张启煊于2020年在上海科技大学就读期间创立，是全球最早定义3D生成底层框架的团队之一。公司核心产品Hyper3D以3D生成大模型Rodin为引擎，定位于面向真实工业流程的高质量、可控、生产级3D资产生成。目前影眸科技全球用户近千万，海外收入占比约80%，客户包括字节跳动、Unity、Figma、Canva、英伟达、Lowe's等企业。
从版本谱系来看，影眸科技已发展出以下主要版本线：
ChatAvatar / DreamFace 系列（2023年，数字人奠基） ：ChatAvatar是全球首个Production-Ready的Text to 3D产品，基于穹顶光场的数据，输入自然语言文本即可生成符合CG行业制作标准的3D人脸模型与PBR材质。同年发布DreamFace——文本指导的渐进式3D生成框架，在SIGGRAPH 2023发表。这是影眸在3D生成领域的早期技术验证阶段。
CLAY 框架（2024年，原生3D底层创新） ：CLAY是影眸科技首创的原生3D大模型框架，相关研究获得SIGGRAPH 2024最佳论文荣誉提名，并被MIT何恺明教授收录进课程。CLAY证明了即使在全行业仅几十万高质量3D数据的限制下，原生3D的平滑度和结构精度也能碾压2D升维一个量级。
Rodin Gen-1 / Gen-1.5（2024年，产品化验证） ：基于CLAY架构，影眸科技于2024年中发布了首个原生3D生成大模型产品Hyper3D.AI Rodin（Gen-1）。Gen-1上线后仅45天即达成100万美元ARR，而HeyGen达到这一数字花了7个月。Gen-1.5版本于2024年底上线，核心突破是首次实现锐利边缘生成，对CAD类工业模型与硬表面模型具有绝对优势。
Rodin Gen-2（2025年9月，百亿参数+拆件能力） ：Rodin Gen-2基于全新的BANG架构，参数量达到百亿级别，相比上一代实现4倍网格质量提升，并引入递归部件生成（BANG to Parts）能力，让模型能够自动拆分为独立可编辑的部件。
Rodin Gen-2 Edit（2026年1月，自然语言编辑） ：整合了“3D生成”与“3D编辑”功能，支持基于自然语言的3D模型局部编辑，使3D生成从“一次性输出”走向“可迭代编辑”。
Rodin Gen-2.5（2026年6月，千万面级+思考模式） ：当前旗舰版本。全球首个具备千万面级生成能力的3D大模型，首次将类大语言模型的“先思考、再生成”运行逻辑引入3D生成领域，最快4秒生成百万面模型，同步推出全球首个12K精度的原生3D贴图模型。新模型上线首月，订阅用户和ARR环比增速双双突破400%。
Hyper3D WorldGen（2026年7月，世界生成） ：影眸科技的世界生成模型，基于自研原生3D大模型Rodin与CAST框架（SIGGRAPH 2025最佳论文），仅凭单张照片即可还原可交互三维场景，场景内的3D物品均为原生Sim-Ready资产。
第二部分：各版本详细对比与拆解
一、核心版本代际对比
维度 ChatAvatar Rodin Gen-1/1.5 Rodin Gen-2 Rodin Gen-2.5
发布时间 2023年 2024年 2025年9月 2026年6月
底层框架 DreamFace CLAY BANG BANG + 思考模式
参数规模 未公开 未公开 100亿 未公开
核心定位 数字人脸生成 全品类3D生成 可控生成+拆件 千万面级+思考深度
最高面数 高精度人脸 百万面级 百万面级 千万面级
生成速度 30秒 分钟级 秒级 4秒-80秒五档
贴图精度 PBR材质 PBR材质 HD纹理 12K原生贴图
编辑能力 不支持 不支持 BANG拆件 BANG+自然语言编辑
输出格式 人脸模型 OBJ/GLB OBJ/FBX/GLB OBJ/FBX/GLB/USDZ/STL
核心突破 首个Text to 3D 锐利边缘 递归部件生成 先思考再生成
从ChatAvatar到Gen-2.5，影眸科技的版本演进呈现出一条清晰的“从人脸到全品类、从生成到编辑、从可用到生产级”的路径。ChatAvatar验证了文本到3D人脸的可行性，Rodin Gen-1将能力扩展到全品类3D资产生成，Gen-2通过BANG架构实现了模型的可拆解和可编辑，Gen-2.5则通过“先思考再生成”逻辑和千万面级精度，将3D生成推向了工业级交付标准。
二、Rodin Gen-2.5 核心技术拆解
“先思考、再生成”的思考深度机制是Gen-2.5最具颠覆性的创新。CTO张启煊指出：“过去的模型，生成方块和生成龙头雕塑，算力分配一样，就像让画家画速写和油画给相同时间。” Rodin Gen-2.5将表征长度从固定参数变成可伸缩变量，像大语言模型推理那样，按对象复杂度自适应分配计算预算。落到用户手里，就是五档可调“思考深度”——Extreme-Low（约4秒）、Low、Medium、High、Extreme-High（约80秒），让用户在速度和质量之间自由权衡。
千万面级生成能力是Gen-2.5在几何精度上的质变。此前所有3D生成模型的精度上限在百万面级，Gen-2.5将这一上限提升了10倍。千万面意味着模型可以呈现极端精细的表面细节，包括锐利边缘、薄壁结构和复杂拓扑，达到工业级CAD模型的精度水平。
12K原生3D贴图模型是Gen-2.5在材质表现上的突破。模型生成资产包含完整的PBR纹理组——Base Color、Normal、Metallic、Roughness、AO、Opacity、Emissive和Height，支持最高12K原生贴图，呈现高质量、物理准确的材质效果。
BANG递归分件能力在Gen-2.5中进一步强化。BANG全称为“Generative Exploded Dynamics”，通过AI理解物品结构，将模型自动拆分为不同部件，实现基于物理理解的拆解——把一个完整的模型，按其物理结构，自动拆分成独立的、可编辑的“零件”。支持递归“BANG to Parts”，允许复杂资产的深度、多层次分解。这一能力的核心价值在于：3D生成结果不再是“一个整体”，而是“一组可分别处理的部件”，使AI生成结果从“赌”变为了“选择”。
多格式输出与工业工具兼容是Gen-2.5从“生成工具”走向“生产基础设施”的关键。支持.obj/.fbx/.glb/.usdz/.stl全格式和PBR贴图导出，Hyper3D是唯一同时接入好莱坞老牌影视渲染器OC和游戏引擎Unity，并对Blender、Unreal、Unity、Godot、C4D、Maya等全品类主流3D创作工具原生支持最齐全的3D生成产品。
三、Hyper3D WorldGen：从单体到场景
Hyper3D WorldGen是影眸科技在2026年7月发布的世界生成模型，基于自研原生3D大模型Hyper3D Rodin与CAST框架（SIGGRAPH 2025最佳论文）实现。仅凭单张照片即可还原出包含物体、物体关系和物理约束的可交互三维场景，场景内的3D物品均为原生Sim-Ready资产，具备物理属性，可直接用于仿真训练。不同于以视频预测为核心的世界模型，WorldGen产出的标准化3D资产可批量用于机器人仿真训练工作。
四、定价体系对比
Hyper3D采用“免费+订阅+API”的多层定价模式。Free版提供有限生成和探索。Creator计划按月计费$30，或按年支付$288，提供多图像生成、Smart Low-Poly、HD/自定义纹理等能力。Lite版初月$2.99，次月后$9.99/月。API按credits计费，直接购买credits为每个$1.5。教育计划每月15欧元提供24积分，创作者计划每月30欧元提供30积分，商业计划每月120欧元提供208积分。
第三部分：为什么分这么多版本？
一、从“数字人”到“全品类3D”再到“世界生成”的场景递进
影眸科技的版本分化遵循一条清晰的“能力-场景-交付”递进路径。ChatAvatar管数字人脸生成，解决了“能不能从文本生成3D”的问题。Rodin Gen-1/1.5管全品类3D资产生成，解决了“能不能生成生产可用的3D模型”的问题。Gen-2管可控生成和拆件，解决了“生成结果能不能被编辑和使用”的问题。Gen-2.5管千万面级思考和12K贴图，解决了“生成结果能不能达到工业级交付标准”的问题。WorldGen管场景生成，解决了“能不能从单体扩展到完整场景”的问题。
这一递进的逻辑在于：3D生成的价值链是分层的。游戏美术需要的是可拆件的部件化资产，工业设计需要的是千万面级的精密模型，具身智能需要的是带有物理属性的可交互场景。每个版本对应的能力深度不同，用户可以根据实际需求选择。
二、技术路线的根本性选择：从“2D升维”到“原生3D”
影眸科技版本分化的底层逻辑，根植于一次关键的技术路线抉择。2023年，AI生成3D模型的主流技术路线是“2D升维”——利用成熟的2D扩散模型生成多视角图像，再通过NeRF或高斯泼溅重建出3D模型。但影眸团队从一开始就看到了这条路径的致命缺陷：2D数据终究只记录了真实物体的一个侧面，再多角度的图像也无法完整描述一个3D内容，生成结果需要大量人工修正，很难满足工业使用需求。
CEO吴迪回忆：“公司账上只剩两三百万时，我们面临抉择：跟风做2D升维，快速出个好看产品；还是死磕原生3D，走那条最难的路？” 答案是后者。2024年，影眸发布原生3D大模型框架CLAY，一举拿下SIGGRAPH最佳论文提名。如今，原生3D已成行业主流技术共识。
三、从“生成”到“编辑”的范式转变
影眸科技的版本分化还反映了3D生成行业从“生成”到“编辑”的范式转变。早期模型的核心竞争力是“生成质量”——能不能从一张图或一句话生成一个好看的3D模型。但随着用户深入使用，一个更本质的问题浮现出来：生成的模型能不能被继续使用？游戏引擎需要可拆件的部件化模型，工业设计需要可局部修改的参数化模型，3D打印需要可分别打印的独立部件。
Gen-2的BANG拆件和Gen-2 Edit的自然语言编辑，正是对这一需求的直接回应。影眸科技基于底层模型能力独家推出自然语言编辑3D EDITING、递归分件BANG、可控生成3D ControlNet等核心功能，使3D生成不再是一次性输出结果的“随机抽卡游戏”，而是逐步走向结构精度可用、编辑流程可控、结果可交付的创作工作流。
四、商业化路径的验证与加速
影眸科技的版本分化还服务于商业化的需求。从Rodin Gen-1上线45天达成100万美元ARR开始，影眸科技完成了从技术验证到商业落地的跨越。2026年6月的数亿元融资由凯辉基金、上海国投先导领投，这已是影眸在一年多时间内完成的第三轮融资——2025年1月美团龙珠与字节跳动领投数千万美元A轮，同年8月蓝驰创投再次领投。国资战略资本、国际产业资本、顶级财务机构同时押注，清晰地表明市场已看清：3D生成不再是“有没有用”的问题，而是“谁先用好”的竞赛。
融资资金将用于推进3D大模型前沿探索，加速核心产品Hyper3D Rodin在全球市场的商业化拓展，加速落地游戏、电商、3D打印、工业设计、具身智能等垂直场景。目前影眸科技的海外收入占总收入约80%，B端客户营收超过同赛道其他所有公司总和。
第四部分：最著名版本——Rodin Gen-2.5 使用实战
Rodin Gen-2.5是影眸科技当前旗舰版本，全球首个千万面级3D生成模型，引入类大语言模型的“先思考、再生成”逻辑，支持五档思考深度、12K原生贴图和BANG递归分件。以下为完整的使用步骤。
步骤一：注册与订阅
访问 hyper3d.ai 注册账号，可选择Free免费版体验基础功能，或订阅Creator计划（月付$30/年付$288）获取完整生成能力和API访问权限。
步骤二：基础图生3D生成
在Hyper3D平台上传一张或多张产品参考图，选择生成模式：
操作流程：
点击“Image to 3D”，上传2-4张多角度参考图
选择生成质量档位（Extreme-Low约4秒 / Low / Medium / High / Extreme-High约80秒）
点击“Generate”，等待生成完成
生成结果可导出为.obj/.fbx/.glb/.usdz/.stl全格式
提示词示例（配合参考图使用）：
text
A modern minimalist ceramic coffee cup with a matte black finish,
ergonomic handle, smooth curved surface
步骤三：调整思考深度
Gen-2.5的核心特性是五档可调的“思考深度”。简单几何体使用Extreme-Low档（约4秒）快速生成草稿，复杂雕塑或工业零件使用Extreme-High档（约80秒）获得千万面级精细模型。模型会像大语言模型推理那样，按对象复杂度自适应分配计算预算。
步骤四：使用BANG拆件功能
生成模型后，点击模型确认边上的“Bang to Parts”按钮，AI会自动将模型按物理结构拆分为独立部件。对于复杂模型，可继续使用递归“BANG to Parts”进行多层次深度分解。
拆件的价值在于：拆分后的部件可分别导出为独立文件，导入Blender/Unity等工具进行独立编辑、材质调整或3D打印。例如，一把椅子的靠背、座面和支架可以被拆成三个独立部件分别处理。
步骤五：使用自然语言编辑（Rodin Gen-2 Edit）
Rodin Gen-2 Edit支持基于自然语言的3D模型局部编辑：
导入已生成的模型
选择需要编辑的区域（局部选择）
输入自然语言编辑指令，如“将椅面从木质改为金属材质”“增加扶手的弧度”
模型仅修改选中区域，保持其他部分不变
步骤六：API接入（开发者）
开发者可通过Hyper3D API接入Rodin Gen-2.5的3D生成能力：
python
import requests
API_KEY = "your-api-key"
API_URL = "https://api.hyper3d.ai/v1/generate"
response = requests.post(
API_URL,
headers={
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
},
json={
"model": "rodin-gen-2.5",
"reference_images": [
"https://example.com/ref1.png",
"https://example.com/ref2.png"
],
"thinking_depth": "high", # extreme-low/low/medium/high/extreme-high
"output_format": "glb",
"generate_texture": True,
"texture_resolution": "12k",
"enable_bang": True # 启用BANG拆件
}
)
task_id = response.json()["task_id"]
步骤七：工业工具集成
生成的3D资产可直接导入主流工业工具：
游戏引擎：Unity（Hyper3D与Unity中国已宣布合作，构建从3D生成到实时游戏应用的工程闭环）、Unreal
3D软件：Blender、Maya、C4D
3D打印：STL格式直接导入切片软件
影视渲染：OC渲染器
步骤八：监控与成本优化
关键指标监控：
面数：百万面级（4秒）至千万面级（80秒）
贴图精度：最高12K PBR贴图
输出格式：.obj/.fbx/.glb/.usdz/.stl
降本策略：对快速草稿使用Extreme-Low档（4秒），对标准交付使用Medium档，对工业级精细模型使用Extreme-High档。API按credits计费，每个credit $1.5。Creator计划提供更高的积分额度和商用许可。
第五部分：不同版本的实践成果
案例一：英伟达CES 2026展示机器人3D资产生成（基于Rodin Gen-2）
在2026年CES展会上，英伟达CEO黄仁勋在12K高清大屏上展示了20个机器人画面，其背后的3D生成任务正是由影眸科技的Hyper3D Rodin Gen-2完成。这些机器人3D资产用于展示英伟达在机器人仿真和数字孪生领域的技术能力。
实践成效：这一案例的核心价值在于验证了Rodin Gen-2在工业级机器人仿真场景中的能力。CES Keynote对展示素材的质量要求极高，12K高清大屏意味着任何几何瑕疵都会被放大呈现。Rodin Gen-2的百亿参数架构和BANG拆件能力，使生成的机器人资产在保持高精度的同时具备部件化结构，可直接用于仿真环境中的机器人操作训练。这一案例标志着影眸科技的产品从“设计工具”进入了“全球顶级企业的生产管线”。
案例二：Lowe's全美门店数字孪生（基于Rodin Gen-2）
世界第二大家具建材零售巨头Lowe's，为了给全美1750多家门店构建数字孪生世界，将影眸的Hyper3D Rodin模型接入了其工作流，将单个3D模型的生成成本压缩到不到1美元。
实践成效：Lowe's的核心需求是批量生成门店中的商品3D模型——货架、家具、工具、建材等。传统模式下，每个商品的3D建模需要专业美术师耗时数小时，成本从数百到数千美元不等。Rodin Gen-2使Lowe's能够从商品图片直接批量生成3D资产，单个模型生成成本降至不到1美元，同时保持工业级的几何精度和PBR材质质量。这一案例代表了3D生成技术在零售数字孪生场景中的规模化落地——不是“生成一个好看的模型”，而是“以可承受的成本批量生成数以万计的生产级资产”。
案例三：具身智能可训练仿真闭环（基于Hyper3D WorldGen）
2026年7月，影眸联合地瓜机器人、谋先飞发布了“具身智能可训练仿真闭环”方案。用一张真实照片生成可交互的3D场景，调整布局和物体状态即可构造同一任务下的多种环境变体。针对当前具身智能行业普遍面临的机器人仿真训练数据供给不足问题，影眸Hyper3D的世界生成模型可从单张照片还原出包含物体、物体关系和物理约束的可交互三维场景，批量用于机器人仿真训练工作。
实践成效：这一案例的核心价值在于验证了Rodin Gen-2.5和WorldGen在具身智能数据供给场景中的独特价值。机器人仿真训练的核心瓶颈是高质量3D场景的供给——传统方式需要人工建模每个训练场景，成本高、多样性低。影眸的方案使研究者仅凭一张真实照片即可获得可交互的训练场景，场景内的3D物品均为原生Sim-Ready资产，具备物理属性。这意味着从“拍照”到“可训练场景”的端到端转化成为可能，机器人训练数据的规模化生产不再受限于人工建模的产能。
案例四：网易《蛋仔派对》UGC链路接入（基于Rodin系列）
2025年12月，影眸科技宣布与网易《蛋仔派对》合作，将生成模型接入游戏，用户可在关卡设计、形象设计等环节直接生成可交互的3D资产。
实践成效：这一案例代表了Rodin系列在游戏UGC生态中的落地价值。《蛋仔派对》是网易旗下月活数千万的派对游戏，其UGC编辑器允许玩家创建自己的关卡和角色。接入Rodin系列后，玩家不再需要专业3D建模技能——上传一张参考图或输入一段文字描述，即可生成可在游戏中使用的3D资产。这一合作使3D生成从“专业工具”扩展为“大众创作能力”，让数千万普通玩家成为3D内容的创造者。
案例五：艺术家创作实践（基于Rodin Gen-2 Edit）
艺术家@BU琢通过Rodin Gen-2 Edit的模型生成和修改，为自己设计的魔幻小马注入了古典灵魂，完成了跨越时空的数字作品。艺术家@Tingyun Design因为喜欢《疯狂动物城》Art Deco风格，通过Hyper3D生成朱迪警官，并为她建造了一座大厦。
实践成效：这一案例的核心价值在于验证了Rodin Gen-2 Edit在个人创意表达场景中的自由度。传统3D建模软件的学习曲线极为陡峭，非专业用户需要数月甚至数年才能掌握。Rodin Gen-2 Edit的自然语言编辑能力使艺术家可以用“描述”代替“操作”——输入“给小马加上古典风格的鞍具”“为朱迪警官设计一座Art Deco风格的大厦”，模型即可理解并执行编辑指令。这一能力使3D创作从“技术门槛极高的专业工作”变为“人人都能参与的创意表达”。
版权声明：本平台仅提供信息存储空间服务，用户发布内容不代表本站观点，交易风险自担；侵权违法内容请立即举报（邮箱：37996619@qq.com），本站接通知后先行屏蔽，责任由发布者承担。