在遊戲裡，如果你走到一扇門前，不確定能不能進去，通常的做法是先轉身往回走兩步，再跳兩下，看看能不能翻過旁邊的牆。

這些都是遊戲裡再普通不過的操作，可是想像一下，如果眼前的畫面由 AI 生成，模型就得跟上玩家的每一次臨時起意——突然停下，又突然轉身，又突然跑跳。這期間，每一幀都得穩定線上。

這就是 VAST 剛剛開放原始碼的即時世界模型 EdenLive 所能做到的。它是 Project Eden 系列中的即時生成式渲染器，遊戲、動畫預覽等可互動內容的規則和狀態仍由上游互動系統維護，白模、2D/3D 場景，或真實錄影，都能作為生成畫面的參考。

你讓角色往前走，或者把鏡頭轉向身後，互動系統將更新後的狀態轉化為灰盒畫面與場景描述，輸入 EdenLive，由模型即時渲染出對應的視覺效果讓你一邊玩，一邊看到 AI 即時生成的世界。

參考不必是一套已經做完美術的遊戲——任何視覺素材都可以。一個粗糙的 3D 白模、一段 2D 場景，甚至一段已有錄影，都可以提供結構和運動。同一段參考，換一張首幀、一句提示詞，就能得到寫實、手繪線稿、卡通、像素或油畫等完全不同的外觀。

拿任意視覺參考，邊互動邊生成畫面

EdenLive 堪稱是全能，可以跟著玩家的操作持續生成遊戲畫面，也可以保留一段視訊的運動軌跡和鏡頭、把人物與環境換成另一種風格；到了具身場景，第一人稱的人手操作視訊還能改寫成機械臂視角的版本。

為了做到這一點，EdenLive 實現的是一種「分工合作」：參考畫面決定結構、運動和鏡頭，生成模型負責重寫這些內容最終「看起來是什麼」。EdenLive 的三類輸入分工明確：參考視訊決定場景佈局、鏡頭運動、物體軌跡和事件發生的時間；目標首幀確定主體、材質、配色和畫風；文字提示詞補充風格和細節，互動中還能在事件發生時追加一句描述。這最終讓生成式渲染從離線的視訊生成，進入長時遊戲互動、視訊畫風轉換、具身資料增強等不同的場景。

在互動持續進行所需的長時生成能力上，EdenLive 取得了不錯的突破。基於 Gemini-3.8-Flash 對 45 個長時案例的兩兩盲評（每組交換順序各評一次，再按維度計算 Elo 分數），在參考遵循、首幀一致性、物理合理性、畫質和避免外觀洩漏五個維度上，EdenLive 14B 和 5B 全部排在第一和第二。以參考遵循為例，14B 得分 1704，比 AgentGarten 高出約 200 分。

更強悍的是 EdenLive 對於即時的跟隨能力。離線視訊生成模型要先拿到完整輸入，再整段生成，接不進即時互動，EdenLive 卻能夠追著不斷變化的參考畫面往前走。按照團隊披露，EdenLive 5B 在單張消費級顯示卡 RTX 5090 上能以超過 24 FPS 生成 720P 畫面，並支援分鐘級連續生成。

這對遊戲製作來說尤其有意義，玩家按下攻擊鍵之後，最先工作的並不是 EdenLive。武器有沒有擊中對手、血量應該減少多少、角色又移動到了那裡，都會先由上游互動系統作出判斷，並更新到遊戲狀態裡。

在場景和動畫預覽中，參考可以是白模場景、美術做的粗動畫，或由精細模型渲染出的法線圖視訊。參考不變，只換首幀和提示詞，就能在同一個場景、同一段動畫上比較不同的材質、光照和配色。鏡頭離開一處再轉回來，參考裡的結構還在原處，EdenLive 按同樣的結構繼續渲染，不必從過去的畫面裡重新推測。

在遊戲裡這種連續和一致性，還需要與玩家的操作協同。比如在進入升降裝置之後，隨著裝置下降，整個圍欄和網格不能走形，但外面的環境卻需要緩緩變化。

面向遊戲開發，VAST 同步開源了 EdenGolem（v0.1），一款給程式設計智能體使用的 skill。只要輸入一段玩法描述，智能體便會分四個階段，依次完成玩法設計、場景搭建、互動邏輯實現與介面完善，生成可獨立運行的 3D 灰盒遊戲。目前，EdenGolem 已支援解謎、射擊、駕駛、冒險、競技場、格鬥等多種遊戲類型。

除了根據簡單素材生成，EdenLive 也能夠理解現實素材，並實現轉換。像「閃身步」是真人教學，在保留構圖和運鏡的同時，人物、畫面和筆觸都動畫化。模型沿著原視訊的動作和空間關係，重新生成每一幀，同時不照搬原視訊的質感。

還有一個容易被忽略的用途：具身資料增強。

機器人訓練中，並不缺「人類怎樣擦桌子」的知識，缺乏的是「從機器人的眼睛看出去，機械手怎樣靠近物體、抓住物體並完成動作」的訓練素材。

獲得類似視角倒也不難，找一個人戴著頭戴相機，擦桌子、開抽屜、倒水，一天可以拍很多段。但真人錄影裡出現的是人的手臂和五指，機器人部署時看到的卻是機械臂和夾爪，兩者的外形、運動範圍和遮擋方式都不同。模型如果主要用真人視訊訓練，到了機器人攝影機裡，可能會遇到明顯的視覺分佈差異。

通過 EdenLive 把真人的手替換成機械手，從而把素材轉換成更接近機器人實際工作時會看到的資料畫面。例如，人拿起水壺的動作、水壺與桌面的相對位置、第一人稱鏡頭的移動都保留，只把執行者改成機械手，可以幫助模型適應「機器人看到的畫面」。

不同的參考素材類型有不同的效果，自身也有不同的限制， 現成錄影只能提供鏡頭和動作，經過重渲染以後仍然是一段視訊，可玩性來自上游程式碼。但 EdenLive 背後有一套分工與規則，因此生成結果可以隨操作繼續變化。

看這些演示，很容易以為玩家正在直接操縱一個視訊模型。實際上，EdenLive 並不判斷遊戲裡發生了什麼，也不負責讓這個世界運轉。在今年 5月發佈的Project Eden 中，VAST 將世界模型研究分為三層架構：持續演化的世界狀態，記錄物體位置與屬性、互動規則和動作的後果；狀態到畫面的介面，把當前狀態轉換成某個視角下的佈局、幾何與事件約束；生成式渲染器，根據這些約束生成高保真畫面。EdenLive 實現後兩層，不限定第一層。

以格鬥遊戲為例，玩家按下攻擊鍵，指令仍然先進入上游互動系統。它判斷這一腳有沒有踢中對手、應該扣掉多少血量，隨後更新兩名角色的狀態和血條。

視訊模型擅長生成看起來合理的畫面，卻無法獨自維護血量、碰撞、物體身份和勝負條件等規則，因此 EdenLive 把確定性狀態留給上游互動系統，把視覺呈現交給生成模型。

互動系統會把每次變化渲染成新的灰盒畫面，一個專門微調的視覺編碼器從中提取佈局、鏡頭和動作；它不需要精細的皮膚、衣服和光影，只要把空間佈局、運動軌跡，以及鏡頭怎樣移動交代清楚。

「規則歸互動系統，畫面歸模型」，這套分工解決了視訊模型不擅長長期保存規則的問題，保證視覺元素的穩定呈現。當然，這套分工仍要經過更長時間、更複雜互動的檢驗。

世界模型不缺演示，缺的是用法

2026 年 1 月牛津學者的綜述把「視覺混淆」列為世界模型要解決的挑戰：畫面逼真不代表模型理解了因果和物理規律，並主張世界模型從生成畫面的視覺引擎，轉向能夠表示動態與約束的可操作模擬器。

在這條路線尚未成為世界模型的主流敘事時，今年 5 月 VAST 發佈的 Project Eden 已經把互動系統維護世界狀態、生成模型負責視覺呈現寫進完整架構；幾個月後，EdenLive 又把其中的生成式渲染推進到即時、連續運行。

在市場上，類似方案到 8、9 月才開始密集出現。

此次開源包括 5B、14B 模型權重（各含雙向生成與少步流式生成兩個版本）、即時流式推理程式碼、EdenGolem v0.1 和前端工作台，同時公開技術報告。開發者可以接入自己的參考來源，測量延遲、穩定性與參考遵循程度。

伴隨 EdenLive 一同發佈的，還有面向全球青年演算法與研究人才的 V·STAR 頂尖人才計畫。招募方向覆蓋 3D 生成模型、3D 理解與 Agentic AI、世界模型三個方向。無論是全職還是實習生，V·STAR 將有機會直接參與核心項目，並拿到比頭部大廠更具競爭力的薪資，特別優秀者上不封頂，還有長期期權。

過去的世界模型演示，往往用一段視訊證明模型能夠想像一個世界。EdenLive 則往前走了重要的一步。而當更多人把自己的程式碼、場景和參考畫面接進來，技術也將逐漸發展為真正可用的創作工作流，世界將迎來更多可能性。(APPSO)

使用者只需輸入文字或上傳圖片，在短短幾秒鐘內就可生成直接用於列印、遊戲或電商展示的3D模型，並支援修改、上色、繫結動作等功能，普通人也能完成從創意到成品的完整3D模型創作。在不久前舉行的2026世界人工智慧大會上，AI 3D大模型及世界模型領域的代表性企業VAST的技術探索與產品應用，受到廣泛關注。

這個成立僅3年的公司，目前全球註冊使用者超2000萬，已成為全球領先的通用人工智慧公司，也是海外滲透率最高的國產AI公司之一。與大多數AI創業公司不同，VAST沒有選擇擁擠的大語言模型賽道，而是一頭紮進AI 3D這條稍顯小眾的賽道。而且，它從創始之日起就是一家“天生全球化”的公司。

這個由“95後”甚至“00後”組成創始人團隊的公司，正在書寫中國AI創業與出海的新範式。

“幫助所有人創造屬於自己的世界”

為什麼選擇AI 3D賽道？VAST首席行銷官黃子瑄對《環球》雜誌記者說，這源於創始團隊均為3D內容的“超級消費者”，比如“大家都喜歡玩遊戲”。然而，文字、圖片、視訊、音訊等內容都有自己的UGC（使用者生成內容）平台，而3D內容卻沒有可以輕量化互動的UGC平台。“因為3D內容的創作門檻太高了。”

“3D天然能表達更複雜的資訊，天然能和真實世界深度互動。”黃子瑄舉例稱，“你用100個字描述一個透明的綠色水杯，別人聽完還是沒法精準get到（獲知）它的形態；但你直接甩一個3D模型過去，所有人一眼就全懂了。”

那麼，如果3D創作門檻足夠低，是否就有可能吸引更多人參與創作？VAST從成立第一天起就認準了這個方向：讓普通人也能輕鬆生成3D內容，最終實現“幫助所有人創造屬於自己的世界”的目標。

VAST打造出“自研3D基礎模型及世界模型+一站式原生工作台+生態應用”的端到端產品矩陣。Tripo Studio是VAST推出的同時面向個人創作者和企業開發者的一站式AI 3D創作工作台，具有文生3D、圖生3D、智能分割、自動貼圖、一鍵綁骨、低模簡化等功能，全球註冊使用者超2000萬，累計生成超2億個3D模型。2026年3月VSAT發佈的3D大模型Tripo H3.1與Tripo P1.0分別在精度層面與速度層面刷新行業上限：H3.1可生成雕塑級幾何細節；P1.0則為全球唯一秒級輸出生產級網格的3D大模型，較同類方案提速百倍，首次實現3D資產生成即入工業管線。

黃子瑄介紹，VAST將3D基礎模型定位為世界模型的關鍵底座，並在此基礎上於2026年6月發佈了世界模型項目Project Eden。該模型採用三層架構將世界狀態推演與視覺渲染原生解耦，率先實現環境長程持久、場景可自由復用及多人/多智能體並行互動。VAST將世界模型定位為下一代互動內容引擎與具身智能模擬基座，覆蓋互動娛樂、數字孿生及智能體訓練等核心場景。

這是VAST“幫助所有人創造屬於自己的世界”的重要一步。黃子瑄介紹，VAST理想中的3D世界是這樣的：“首先，我們想創造一個能讓使用者長時間體驗的世界——先創造一個客觀存在的世界狀態，再在上面做渲染，讓它更加豐富；第二，你可以跟你的朋友一起體驗這個世界——你們可以同時對這個世界產生一些影響，比如你打壞一棟樓，你的朋友也能看見；第三，它一定要低門檻、低價格——讓所有的UGC使用者都能來玩。”

前段時間VAST舉辦了Tripo甜甜圈全球七城共創工作坊，在首爾、東京、舊金山、倫敦、巴黎、柏林，參加者中不乏遊戲工作室的負責人、第一次接觸3D建模的學生、陪著孩子來的家長、退休後想學點新東西的老人……有人將甜甜圈做成角色手裡舉著的小甜品，有人把它變成賽博海怪，還有人把它變成拳擊賽場……同一個甜甜圈，在不同創作者手裡長成了完全不同的宇宙。“幫助所有人創造屬於自己的世界”，一下子變得十分具象化。

參加 Tripo 甜甜圈全球七城共創工作坊創作者創作的 3D 賽博海怪甜甜圈

聯合全球創作者：多分類，小切口，大合力

2024年初，Tripo剛剛上線，VAST並不知道AI 3D的使用者在那裡。“當時AI還不是特別火。會用AI的人，不一定會用3D模型；會用3D的人，比如做遊戲的、做動畫的、做CG的等等，一些人有很大的反AI情緒。”

黃子瑄說，在這種情況下，Tripo聯合“00後”藝術家黃銳創作了一個巨型飛船發射升空的宣傳片。黃銳擅長太空科幻視覺創作，其作品多次被SpaceX創始人馬斯克點贊和轉發，在全球3D藝術圈擁有相當大影響力。黃銳將與Tripo合作的作品發到“X”平台後，意外引爆日本市場，網友圍繞“AI能否取代人類”持續討論多日。馬斯克轉發了黃銳這個帖子，並配文：“星艦在未來會變得更大”。

“這是我們第一個出圈的事件。”黃子瑄說，當時作為一家小公司，VAST向全球推廣選擇的路徑就是：尋找小切口，選擇關鍵人物，用極小的成本炸開聲量。

黃子瑄介紹，目前VAST將C端使用者劃分為五大類：AI從業者、傳統3D創作者、UGC玩家、演算法研究者與實體應用使用者。針對每一類使用者，VAST都尋找小切口切入，然後形成巨大合力。

在AI領域，VAST選擇與ComfyUI合作。ComfyUI是一款完全開放原始碼的節點式AI生成推理引擎，以可視化畫布搭建AI工作管線，覆蓋圖片、視訊、3D生成等多模態需求。黃子瑄表示，ComfyUI的使用者熱衷開源分享、深耕多模態創作、海外基數龐大，VAST與其聯合推出開放原始碼專案、舉辦社區活動，“3年來，我們一直都是ComfyUI生態裡最重要的3D玩家。現在全球但凡想做AI 3D相關工作流的開發者，基本都會選擇用ComfyUI和Tripo搭建AI 3D生產管線。”

在傳統3D領域，VAST瞄準Blender，即黃銳創作所使用的軟體。Blender同樣是開放原始碼軟體，有大量獨立創作者。通過和頭部創作者合作，VAST慢慢建立了在專業3D圈的口碑。

在UGC領域，VAST選擇了Roblox——全球最大的多人線上遊戲創作平台。該平台深耕市場近20年，核心使用者是青少年，玩家可自主搭建房間、遊戲互動。這和VAST“人人都能創造3D內容”的願景高度契合。VAST在Roblox生態裡做了很多小活動，7天便吸引10萬使用者參與。這也是VAST面向年輕創作者群體的輕量化破圈思路。

在演算法品牌塑造方面，VAST堅持開源，按照黃子瑄的說法就是，“我們要做的事情是創造世界，而不是讓技術壟斷在手裡，我們要讓更多的人來共建，來加入我們的生態。”VAST創始之初便聯合生成式人工智慧公司Stability AI推出首個開放原始碼專案Tripo SR，其在很長一段時間裡都是全球使用量最大的3D開放原始碼專案。直到今天，VAST已開源了超過30個項目，覆蓋文字生成3D、圖片生成3D、3D材質、3D動態等多個方向。每年3、4月份，VAST還會舉辦“開源月”，發佈一批新的開放原始碼專案。這種持續的開源投入，為VAST成功樹立起開放、前沿的演算法品牌形象。

最後，在實體應用領域，VAST重點佈局3D列印賽道。幾年前，3D列印尚未普及，普通使用者購入裝置後缺少可用建模素材，行業難以打開C端市場。VAST主動對接全球頭部工業及家用3D列印廠商。2024年12月，VAST舉辦大型3D列印社區挑戰賽，聚集一眾海外頭部品牌參與，這在行業內十分罕見——因為這些3D列印廠商多為競爭對手。AI 3D生成補齊了傳統3D列印的短板，零基礎使用者也可快速生成列印模型，從而大幅降低了大眾創作門檻。

正是這樣一個個的小切口，慢慢拼成了VAST的全球創作者版圖。“3D是一種媒介，是一種表達方式，是一種語言。3年來，我們沉澱了近10萬核心創作者，大家會主動幫助我們傳播、提交產品迭代需求。”黃子瑄說。

“3D天生就是一個能夠全球化發展的模態。”黃子瑄說，VAST深耕海外市場，並非刻意取捨，而是賽道業態自帶的全球化屬性使然，“全球大部分涉及3D建模領域的行業，基本都在用Tripo。”

“使用者只看最好的演算法。”黃子瑄表示，電腦圖形學僅有50年發展歷程，AI 3D更是2022年後才興起的交叉學科，行業尚處早期，“我們當然有一些天時地利人和：首先，我們有全球最多的高品質3D訓練資料；其次，我們有全球優秀的圖形學領域人才；第三，我們一直都有使用者的反饋，幫我們迭代模型。”

VAST的崛起，凸顯了AI時代創業的新特點：年輕化，成長迅速，打破傳統科技行業“重積累”的固有規則，重構了其發展節奏與人才邏輯。

VAST創始人、首席執行長宋亞宸生於1997年，畢業於約翰·霍普金斯大學，曾在視覺AI公司商湯科技的CEO辦公室落地多個AI項目，還是通用AI公司MiniMax的早期聯創；首席技術官梁鼎曾是商湯科技通用模型負責人；首席科學家曹炎培曾任騰訊ARC實驗室和AI Lab專家研究員……“VAST的核心演算法團隊大半都是清華本碩博出身，師從圖形學領域的頂尖院士。”“00後”首席行銷官黃子瑄說。

依託完整自研技術矩陣，VAST深度滲透全球各行各業產業鏈，落地大量標竿合作項目。

網易《燕雲十六聲》《蛋仔派對》接入Tripo，玩家可生成專屬遊戲場景。《燕雲十六聲》的創新玩法“萬物太極”由VAST提供AI 3D技術支援，玩家只需一張圖即可生成道具，實現豐富有趣的創意互動玩法。《燕雲十六聲》的嘗試也開創了主流遊戲將3D生成作為玩法的先河。而在《蛋仔派對》中，工匠蛋們（該遊戲UGC創作者）可以用自己的靈感和想像力，創造獨一無二的虛擬場景。

VAST還深度參與上海交通大學“虛擬絲綢之路”數智遺產保護國際平台及“司圖SITU”文化遺產智能體的建立。Tripo幫助該平台最佳化和提效遺產建模、歷史復原等遺產保護工作流，同時幫助建構遺產智能體的學術可控性、透明性、可追溯性，解決現有大模型在嚴肅遺產學術領域應用的關鍵痛點。

Tripo與索尼圍繞裸眼3D顯示技術達成的合作，堪稱VAST國際化的經典案例。索尼的空間現實螢幕與Tripo AI 3D生成技術結合，解決了以下核心問題：互動方式創新——索尼裸眼3D技術通過高速視覺感測器與即時渲染演算法，讓使用者無需佩戴眼鏡或VR裝置即可體驗立體影像，實現“所見即所感”；創作效率突破——Tripo AI 3D生成大模型可在數秒內完成高品質3D資產生成，配合索尼空間現實螢幕的即時預覽功能，創作者可即時調整模型細節，大幅提升設計效率；場景適配擴展——從展覽展示、零售互動到工業設計，雙方合作打通了“生成-展示-互動”的閉環，為教育、醫療、建築、遊戲等行業提供新的解決方案。

索尼空間現實螢幕高速視覺感測器示意

黃子瑄告訴記者，VAST在不同國家和地區會依據當地產業特色定製解決方案：德國製造業基礎雄厚，主推工業設計建模工具；法國、義大利時尚、廣告產業發達，重點落地產品數字展示方案；日韓動漫、影視創作需求旺盛，亟須針對性最佳化二次元生成管線。商業化模式也因地制宜，海外市場沿用當地成熟的訂閱制SaaS體系，國內貼合使用者習慣採用免費增值模式，不搞“一刀切”。

3年的快速成長，讓VAST成為中國AI產業的“天才少年”，這個年輕、具備國際視野、深耕技術的團隊，為中國乃至世界書寫了一個AI技術全球化的新範式。 (環球雜誌)

很長一段時間，人們談 AI 生成，指的是文字、圖片、視訊。語言模型生成文字，圖像模型生成圖片，視訊模型生成畫面。每一步都更靠近真實世界。但這些東西本質上是一回事：內容。能看、能存、能轉發——卻不能被進入，不能被改變，不能持續運行。

到了 2026 年，行業開始換關鍵詞了。新詞叫“世界模型”。

但熱詞歸熱詞，真問題被繞過去了：AI 要生成一個世界，第一步得先學會生成什麼？

內容是結果，世界是過程。一個世界得記得發生過什麼，得讓不同的人看到同一個東西，得讓你每一次操作都留下後果。它不會憑空從概念里長出來，得先有能被編輯、能被驅動的資產。如果 AI 生成的 3D 還停在展示層、進不了生產線，那它離“世界”還遠得很。

這正是 VAST 這輪融資值得關注的地方。

VAST 本月完成超 10 億元人民幣 A3 戰略輪融資。金額之外，更值得看的是誰來了。

本輪投資方覆蓋了 3D 產業諸多下游：既有吉利這樣的頭部車企，也有四三九九、貪玩遊戲、巨人網路等遊戲廠商，以及知名網際網路戰投。

遊戲公司、車企、網際網路公司，不會因為漂亮概念輕易下場，產業方的錢向來務實。這一輪能聚齊這個陣容，根本原因在於 Tripo 的 3D 資產生成能力已經進入產業方真實的生產管線。

在此之上，這輪融資還有另一層押注，很多產業方本身關心的是世界模型會怎樣改變研發模式，投的是自己每天都在面對的真實問題，而不是一個未來故事。

行業裡流傳一種說法：AI 3D 好看不好用。這句話只說對了一半。

首先，“好看”本身就是一種價值。3D 列印、電商展示、概念設計這些場景要的就是高精度的視覺呈現，高模本身就是終點。這裡 Tripo 已經站在行業天花板，H3.1 的高模生成精度逼近人工雕刻水平，近期上線的 8K 貼圖把材質細節推到行業極限，在盲測榜單 top3d.ai 上，Tripo 在紋理、幾何等維度穩居全球前列。

“不好用” 發生在遊戲這類對生產管線有嚴格要求的行業。比如專業美術拿到模型要看線框模式看底層布線等，如果即時渲染扛不住，模型繫結做不了，後續編輯無從下手。模型進管線前還要重拓撲、展 UV、清頂點，有時幾乎要重做一遍。

AI 花幾分鐘生成了模型，美術還要花大半天清理，提效還是增加返工，就很難說清了。

Tripo P1.0 也在正面解決不好用的問題，約 2 秒內直接輸出拓撲乾淨的生產級網格模型，生成出來那一刻就能進 UE 或 Maya，不需要人工清理，不需要重新布線。

VAST 首席科學家曹炎培把背後的邏輯總結成一句話：AI 現階段需要適應人類積累了幾十年的工業標準，而不是讓人類給 AI 生成的模型擦屁股。

這一步直接打開了一批可商用的場景。

過去行業裡大量 AI 生成的 3D 模型只做到了“皮”，視覺近似但支撐它進入生產管線的東西是缺失的。P1.0 解決的是“肉”：通過原生網格生成，模型擁有了嚴絲合縫的拓撲結構。正因為此，環境道具、建築元件、家具、簡單 NPC 和載具率先進入可用狀態，場景也延伸到 XR 和工業數字孿生。

真正難攻的是“骨”。繫結動畫要讓模型自帶運動學和物理結構，關節長在那，輪子怎麼轉，角色動作如何不違背身體結構。“骨”一旦成熟，複雜角色、面部動畫、帶繫結的遊戲主角才會真正進入可生成範圍，3A 管線的門才會打開。

再往後是“腦”，資產本身變成一個 NPC 或 Agent，能與玩家互動，也能與其他 Agent 互動。到那一步，AI 生成的就不再是單個資產，而是一個有行為、有關係、有底層邏輯的 3D 世界。

所以 Tripo 這條路線的特殊之處在於，它不用等生成世界這個終局成熟之後才開始有商業價值。它每往下補一層能力，都會打開一批新場景。“肉”讓靜態資產進入生產管線，“骨”讓可動資產進入遊戲和動畫工作流，“腦”則把資產推向可互動世界。

世界模型是更遠的終點，但生產力和商業化價值已經在路上兌現。

VAST 的 3D 大模型和世界模型之間有著真實的技術脈絡邏輯關係。

做 3D 生成，必須從大量無標註視訊中反向提取結構化訊號，深度、幾何、多視角一致性、相機位姿。這是 VAST 過去幾年一直在做的事。

而這套能力和 know-how 產出的，恰恰是狀態解耦式世界模型訓練最需要的核心資料：帶有空間結構和狀態資訊的原生 3D 訊號。

VAST 不是在做完 Tripo 之後才轉向世界模型，而是長期做 3D 的過程本身，就在為世界模型積累最關鍵的底層材料，這些能力，是只做視訊生成的團隊拿不到的。

當下世界模型領域最熱的路線是端到端視訊生成，但這條路有一個根本問題沒有解決：視訊是三維世界壓縮到二維平面的結果，丟掉了絕對空間尺度。畫面裡有桌子，不代表系統知道桌子的幾何和狀態；畫面裡火滅了，不代表底層世界記錄了“火已熄滅”。

純視訊生成學到的是光影變化規律，而非三維世界本身的物理規則，這正是視訊世界模型反覆出現常識性、邏輯性錯誤的根源。

原生 3D 訊號才是物理世界本來的表徵方式，其長期技術延展性在研究界被嚴重低估。

Project Eden 是 VAST 在世界模型方向上的研究預覽，核心是把狀態維護和畫面渲染徹底拆開。它分三層：最核心用 3D 方式精確記錄環境中每個對象的位置、屬性和變化，落在儲存上，能記很多也不會忘；中間轉換層把 3D 狀態轉成帶時空一致性和語義約束的抽象表示；最上層才是渲染，把抽象狀態翻譯成人能看到的真實感畫面。畫面不再負責保存世界，世界在畫面背後運行，畫面只是觀察它的一扇窗。

這套架構對應三個具體目標：多人同時線上互動、長時間大空間的一致性與記憶、即時可互動。賽車裡 A 超過了 B 就應該穩定待在前面，多人線上時不同視角看到的是同一個底層世界，離開很久再回到原來的場景還在。

——這才是真實世界應該有的樣子。

這也解釋了這輪密集融資的邏輯：AI 3D 大模型本身已經有非常豐富的產業應用價值，而世界模型則代表了更廣闊的想像空間，也需要更多研發投入和探索。

這輪融資背後，產業上下游投下的是一個清晰的判斷：當 AI 從生成內容走向生成世界，3D 可能是被低估很久的主路。

VAST已經證明，AI 生成的 3D 可以從展示層進入生產管線，這是一條已經在產生收入的生產力路線。而在更遠處，VAST 長期做 3D 積累下來的能力，正在成為其世界模型的底座。它要解決的不是畫面能不能更像世界，而是畫面背後的世界能不能真的記住、響應，並繼續運行。

語言大模型教 AI 說話，圖像和視訊模型教 AI 看和畫。下一步更難：AI 要理解一個物體為什麼在這裡，也要理解它被移動後為什麼不該還在那裡。

這就是從內容到世界的距離。   (矽星人Pro)

彙整鉅亨號中所有使用「VAST」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

從一句話到一個能玩的世界，VAST 把整條鏈路開源了

那個曾被馬斯克點讚的中國小公司，現在——

從生成內容到生成世界，AI 需要一套新的底層語言