鸿蒙为何选中一家世界模型「狂想者」？拆解极顶数创的AI 3D底牌

编辑｜Youli

在传统认知中，鸿蒙构建高质量 3D 模型往往伴随着复杂的为何软件工作流、高昂的选中型狂想硬件投入以及漫长的专业学习曲线。对于专业设计师而言，家世界模极顶这是拆解日常；但对于普通用户，这却是数创「看得见、做不了」的底牌技术壁垒。

然而，鸿蒙这一固有叙事正在被重写。为何

只需在手机端拍摄或上传一张图片，选中型狂想AI 即可自动识别主体，家世界模极顶在数十秒内生成支持 360° 旋转、拆解保存、数创导出，底牌甚至直接用于 3D 打印的鸿蒙高精度模型。3D 创作正变得如同拍照般直观简单。

这正是 极顶数创（Vertex Lab）旗下核心产品 V2Fun所致力于实现的愿景。

在 2026 年 6 月举行的华为开发者大会（HDC 2026）上，V2Fun 作为鸿蒙系统首个 3D 大模型 AI 原生应用正式亮相。数据显示，应用上架后迅速登顶华为应用市场编辑精选，冲进下载榜 Top 30，并荣获当月最佳应用殊荣。

作为鸿蒙空间智能生态中备受瞩目的「硬核黑马」，V2Fun 的破圈不仅引发了科技界的关注，更吸引了资本市场的目光。

随之而来的问题是：在技术门槛极高的垂直赛道，这家初创公司究竟做对了什么？它凭什么获得鸿蒙生态的独家青睐？其底层技术底牌与行业野心又指向何方？

将工业级建模轻量化：V2Fun 旨在解放「超级个体」

首先，我们需要厘清 V2Fun 的产品逻辑。

极顶数创构建了 「移动端轻量起草 + Web 端专业深化」的双端互通闭环生态。移动端致力于降低门槛，实现大众普及；Web 端则聚焦于工业级高效生产。两端协同，覆盖了从普通用户到专业创作者的全链路需求。

移动端：降低 3D 创作的「理解门槛」

V2Fun 鸿蒙原生 App 主要面向大众用户及轻量级创作者，其核心目标是将复杂的 3D 建模流程压缩为直觉化的移动端体验。

过去，普通用户对 3D 建模望而却步，不仅因为软件操作复杂，更因为 3D 建模本质上是一套严谨的工业流程：模型需具备准确轮廓、稳定结构、完整材质，并能顺利进入打印、游戏、动画或工业设计等下游环节。

V2Fun 通过重构工作流，将传统步骤（建模、贴图、材质、拓扑、UV、格式转换等）简化为：

拍摄/上传图片 → AI 识别主体 → 生成 3D 模型 → 360° 预览 → 保存/导出/分享

这一变革的意义在于 3D 创作入口的前移。在潮玩、手办、3D 打印及个性化礼物等场景中，用户无需学习专业软件，只需从最熟悉的「拍照」动作开始。此外，V2Fun 支持将现实图片转化为写实参考、潮玩盲盒、积木艺术或立体折纸等风格参考图，在降低门槛的同时丰富了创作玩法。

更关键的是，V2Fun 原生支持 GLB、3MF 等行业标准格式导出。生成的模型并非仅具视觉效果的「假 3D」，而是可对接 3D 打印机、转化为实体物件的真实数字资产。这标志着 V2Fun 降低的不是单一按钮的操作难度，而是整个 3D 创作链路的认知门槛。

Web 端：打通「专业生产」全管线

如果说移动端解决了「如何开始创作」，Web 端（v2fun.art）则解决「如何进入专业生产」。作为工业级 3D 内容生产全管线平台，V2Fun Web 面向专业设计师、3D 团队及泛娱乐创作者，提供三大核心能力：

1. AI 图像：支持 AI 生图、智能编辑、多视图生成及高清放大，为 3D 建模提供稳定、可控的视觉输入。
2. AI 建模：支持图文生成高精度 3D 模型，原生附带行业领先的 8K PBR 材质贴图，实现「所见即所得」，确保模型兼具外形与材质细节。
3. AI 动画：支持一键骨骼自动绑定、海量动作库调用及 AI 视频动作捕捉，使静态模型具备动态表现力。

这种全链路能力在具体案例中体现得淋漓尽致。资深游戏原画师「喵不灵」（曾参与《无限暖暖》等项目）在构建西欧幻想小镇《唯诗利亚》时，传统流程下单个角色建模成本高昂，个人难以承担整镇建模工作量。

接入 V2Fun 后，「喵不灵」通过「图生模」工作流，快速批量获取了 100+ 个高还原度建筑与道具资产，成功推进项目。他感叹：「传统流程中原画、模型、地编是割裂的，现在职能正在合并。我不再只是画画的，我成了真正的设计师。」

V2Fun 提升的不仅是单模型效率，更是让个人创作者首次有机会打通从概念、资产到空间验证的完整链路。

为何是极顶数创？

在竞争激烈的 AI 大模型赛道，华为为何独选极顶数创？答案隐藏于技术契合度、自研模型能力及团队复合背景三个维度。

1. 深度适配鸿蒙：四项系统级原生突破

V2Fun 并非简单的云端工具移植，而是针对纯血鸿蒙底层能力进行了深度重构，实现了四项系统级突破：

• 系统级 3D 图形适配：依托 ArkGraphics 3D 服务，实现移动端自然的 3D 模型预览与交互，解决 C 端 3D 文件「不可直观查看」的痛点。
• 资产无缝沉淀：生成的 GLB、3MF 等标准格式文件可像照片一样管理于华为图库，使 3D 资产首次进入系统级内容管理入口。
• 打通 3D 打印链路：通过原生架构实现从虚拟到物理制造的无缝流转，契合空间智能从虚拟走向真实的生态趋势。
• 端到端创作闭环：将建模、预览、图库管理及分享融为一体，显著提升内容流转效率。

2. 核心底牌：自研 3D 大模型的精度与还原度

极顶数创的技术路径经历了从「二维升三维」到「VAE + Diffusion」，再到如今全面迈向 「VAE + DiT」架构的迭代。相较于传统 Diffusion，VAE + DiT 架构更适合大规模训练与复杂结构建模，能在统一表示空间中处理几何、纹理、视角和语义信息，提升生成的一致性、可控性与扩展性。

在此架构下，极顶数创实现了两大算法突破：

几何表达：从「密集存储」到「最小充分证据」

传统路线常因 SDF 密集采样导致 Token 臃肿，或因 Dual Contouring 浪费算力在无效结构上。极顶数创提出全新几何表达框架，将网格 Token 化重新定义为 「局部表面证据采样」：

• 局部平面假设：每个体素仅使用一个表面支点加一个朝向符号（Dim 4），即可精确诱导重建。
• 空间复杂度非均匀假设：采用金字塔式自适应分配，将精细 Token 集中于高曲率、薄结构等复杂区域。

最终效果表现为模型轮廓更准确、薄壁结构更完整。

纹理生成：从「低清多视图投影」到「高分辨率原生贴图」

针对多视角去噪易引发的结构错位与纹理撕裂，极顶数创提出 局部—全局双流去噪与 稀疏 3D 空间库注意力：

• 全局流：锚定物体身份与粗结构。
• 局部流：专注于合成表面细节。

核心创新在于，所有可见 Token 按其在三维表面的真实位置，直接索引至共享的 稀疏 3D 记忆库交换外观信息。该设计与视角数量和分辨率解耦，可在推理时无缝扩展出工业级 8K 乃至 12K的极致原生贴图效果。

这解释了 V2Fun 为何不止步于「生成快」。在 AI 3D 领域，速度仅是体验的一部分，更难的是确保模型多角度查看不崩、纹理放大清晰、资产可无缝接入专业工作流。

3. 「算法 + 图形学 + 系统 + 产品」的复合人才壁垒

AI 3D 的产品化需要算法、图形学、XR 交互、工程系统和产品能力的全面协同。极顶数创团队正是这样一支高人才密度的复合型战队。

• 创始人嵇盼：浙江大学毕业，海外博士，师从 3D 视觉领域世界级科学家。深耕硅谷 AI 圈五年，曾任腾讯 XR 感知交互中心负责人，在 3D 空间计算、XR 交互及大模型工程化落地方面经验丰富。
• 核心团队：成员来自浙大、上交、同济、澳国立、山大等海内外顶尖院校，覆盖 3D 视觉、深度学习、图形学及 AIGC 领域。

这支团队既非纯算法团队，也非传统 3D 工具团队，而是具备从底层模型训练、几何纹理表达，到系统级查看管理、移动端轻量化及专业端工作流对接的全栈能力。这种 人才密度构成了极顶数创短期内难以被大厂或竞品跨越的护城河。

极顶数创的终局想象力：迈向全功能「3D 世界模型」

若仅视 V2Fun 为 AI 3D 内容生成工具，则低估了极顶数创的野心。

「极顶数创从创立之初，定位就是一家世界模型方向的基础设施公司。我们讲述的是关于空间智能更宏大的终局故事。」嵇盼向机器之心透露。

当前，世界模型构建主要存在两条路线：
1. 纯 2D 视频生成：缺乏显式三维结构，在长程物理交互或高频视角变化中易出现画面变形与空间记忆崩塌。
2. 纯 3D 场景生成：虽能构建精美空间，但缺乏时间维度、动作反馈与物理因果关系，难以成为可交互的动态世界。

极顶数创的核心判断是：下一代世界模型必须是渲染、仿真与规划的深度融合。

为此，极顶数创选择以具备实体模型、动画和骨骼的 「真 3D」为世界主体，借助面向交互的「动作控制视频生成技术」，为环境引入时间与物理因果，实现从资产到世界的平滑过渡。即 「以 3D 实体为骨骼，以动作控制为血肉」。

战略路径：两阶段演进

第一阶段：构建主体与确定性资产

通过 V2Fun 双端产品，让用户生成带有精准几何、材质和骨骼的高精度 3D 原生实体。极顶数创坚信，世界模型的主体必须是真 3D 的，只有实体结构才能完美回答「物体在哪里、长什么样、如何复用」等空间确定性问题，奠定坚实的结构底座。

第二阶段：引入动作与时间维度，实现动态交互闭环

静态模型仅是骨架。为了让世界「动起来」，极顶数创在最新研究中引入了 「隐空间高斯记忆体（Latent Gaussian Memory）」与 「动态偏差归档机制（Dynamic Deviation Archive）」：

• 高斯记忆体：将实时动作与视角切换无延迟地转化为 3D 记忆颗粒。
• 动态偏差归档：让 AI 在训练阶段接种「差错抗体」，在交互推理时自动修正长程误差。

这意味着，无论视角如何变化，AI 都能精准召回空间记忆并修正推理误差。直观表现为：场景颜色始终如一，几何结构稳如磐石，彻底解决纯视频路线的结构变形硬伤。

从 C 端入口到 B 端基础设施

随着技术演进，V2Fun 的用户群体将从 C 端创作者、专业内容生产者，向更底层的行业场景蔓延：

• 工业制造：用于产品原型设计、零部件建模、外观验证及 3D 打印前置流程，降低打样成本。
• 具身智能：提供高质量 3D 资产、动态动作数据及可编辑场景，作为机器人训练与仿真的基础。相比视频数据，结构化 3D 内容更利于机器人理解空间关系与交互过程。
• 世界模型：积累的 3D 模型、动画及场景生成能力，将成为构建动态 3D 世界状态的内容基础。未来，用户生成的不仅是模型，更是可编辑、可交互、可推演的空间环境。

从这个意义上看，V2Fun 承载着一个 「入口」角色：先让用户生成模型，再让模型转化为资产，进入图库、导出、打印及专业工作流；进而绑定骨骼、加入动作、形成动画，最终连接至可交互、可推演的 3D 世界。

这条路径构成了极顶数创的根本差异：它争夺的不仅是「生成模型的速度」，更是 AI 从二维内容生成走向三维世界生成时，谁能成为那个 底层入口。

在极顶数创的蓝图中，V2Fun 作为首个 3D 大模型 AI 原生应用上架鸿蒙，让 3D 创作像拍照一样简单——这仅仅是开始。

(责任编辑：知识)