一、需求很具体，所以标准很硬

AI 3D 面对的需求一点都不虚：游戏里的角色和道具、空间设计中的家具、能直接 3D 打印出来的玩具。这些场景有个共同要求——生成结果除了"看起来像"，还得能修改、能交互、能放进实际生产流程。

通用模型也在往这走。GPT-6 Astra 发布时，OpenAI 演示过在 Blender 里搭房子、再转成 Unreal Engine 5 可漫游场景。Agent 正在把理解需求、操作软件、制作内容接在一起，3D 创作不再只是生成一个孤立模型。

二、三家公司，各有各的强项

群核 CTO 龙天泽在圆桌上说得很实在：各家底层技术路线目前没有特别大的区别，差距也还没大到"用户一定选谁、不选谁"的程度。这句话反而是重要信息——说明这不是一个靠单点技术决出胜负的阶段。

三、优势是"时间差"给的

两年前 3D 还不在 AI 最主流、竞争最激烈的方向上。一批优秀团队在那个小圈子里积累技术和产品能力，等今年 3D 被集中关注时，早期积累就显出了价值。

这背后是人才配置的结构性错配：顶尖研究者大量涌向通用大模型，愿意沉到 3D 这种技术门槛高、商业预期尚未兑现的方向的人不多。中国团队补上了这个位置。

四、下一步：从"生成一个物体"到"理解一个空间"

龙天泽提到的路线是"空间 AGI"：不拘泥于单物体生成，而是把空间理解和调度能力内化进 3D 模型——他用的说法是"把外置思维链变成内置思维链"，并且还需要自我循环、自我反思、自我迭代的能力。

另一个现实约束是数据：高质量 3D 数据本来就稀缺，要做推理模型会更难，目前行业还没有明确范式。这也是为什么"谁有独家数据"比"谁模型大"更关键。

五、对用 3D 工具的人的实际建议

• 按用途选，不按名气选。做游戏资产看网格精度，做设计改稿看可控性，做产品展示看材质。
• 把"能改"当成第一标准。生成得像只是及格线，能不能接着在 Blender/引擎里编辑才决定它有没有用。
• 留意 Agent 化的工具。能从"生成模型"走到"理解需求并调用软件"的工具，才是下一阶段的分水岭。