GPT-6要“吃掉”3D公司？这家公司不到2年ARR翻百倍，破1亿美元

它能用Blender盖出这样一栋房子，再直接导进Unreal Engine 5，变成能走进去逛的漫游场景： 社交媒体上，网友很快玩出了更多新花样。 有人通过Blender MCP，仅凭文字提示，就让Astra从零搭出一整条医院走廊： 好好好，的确很惊艳。 But，我们把同一张参考图，分别交给Astra和专门做AI 3D生成的 Meshy ，结果却变成了这样…… 同一个金发剑士，Meshy生成的发丝根根分明、五官清楚，斗篷、皮带和护甲保留了明显的层次，盾牌上的叶片纹样也还原出来了。 右边的Astra，画风显然抽象多了…… 头发是一整块「头盔」，脸是圆眼卡通风，身体像几段几何体拼起来的，站在Blender视窗里，更像一个刚搭完基础结构的手办。 呃，差距确实有点明显。 GPT-6 Astra刷屏之后，3D圈里最受关注的那个问题，也因此变得更微妙了： 通用模型都能建模了，还需要专门的AI 3D模型吗？ 如果只看那些惊艳的演示，答案似乎已经呼之欲出。 可一旦把任务推进到具体资产，尤其是角色、复杂道具这些对比例、结构和细节要求更高的对象上，两条路线的差异就会迅速显现。 更有意思的是，通用模型能力一路狂飙的这两年，Meshy的生意并没有被挤压，反而增长得相当凶猛。 据Meshy披露， 其ARR从100万美元增长至1亿美元，用时不到两年 。 ARR，即年度经常性收入，是将企业当前可持续、可重复的订阅或合同收入按年折算，一次性收入通常不计在内。 它衡量的并非一款产品有多少人围观，而是目前已经形成了多大规模的持续付费收入，这也是它被视为SaaS公司核心指标的原因。 那么，不到两年从100万美元做到1亿美元，是什么速度？ 放在传统软件行业，即便是最优秀的SaaS公司，这段路通常要走至少五年以上。 历史可追溯至1911年、早期投资过Shopify、LinkedIn的著名风投机构Bessemer Venture Partners在《The State of AI 2025》中，总结了两类高速增长的AI公司： 一类是「新星」，平均约4年达到1亿美元ARR，同时保持约60%的毛利率；另一类是增长更为爆发的「超新星」，达到1亿美元ARR平均只需约1.5年，但这类公司更为少见。 仅从增长的时间尺度看，Meshy不到两年完成ARR百倍扩张，已经显现出接近「超新星」式增长的爆发力。 再拿AI时代的代表性公司做参照，比如ElevenLabs和HeyGen。估值110亿美元的语音生成公司ElevenLabs，从首款产品上线到1亿美元ARR用了约20个月；华人团队打造的AI视频明星公司HeyGen，从100万美元ARR增长至1亿美元用了29个月。 Meshy不到两年的用时，比HeyGen更快。 而3D恰恰是这些模态里最难做成生意的一种。声音、视频生成出来基本就能用，3D资产还得过拓扑、贴图、尺寸这几关，才能进游戏引擎、上打印机。 难度更高，速度却不显逊色。一次爆款Demo可以带来围观，ARR计算的却是真金白银的持续付费。 这条曲线背后，是两股力量在同时推动：在B端，AI生成的3D资产越来越可用，已经成为游戏开发、3D打印等行业日常运转中不可或缺的生产环节；在C端，创作门槛一再降低，越来越多原本不会建模的人，开始走进3D创作。 最强基础模型带火3D，专业3D模型更稀缺了 Astra之所以能在3D圈刷屏，拆开看并不神秘： Computer Use让它能操作Blender，Coding让它把一句需求变成脚本，空间理解让它判断物体的结构和位置。 因此，Astra最擅长的，是那些可以拆解成几何关系的任务，比如CAD、参数化建模和程序化生成。墙体、楼梯、门窗，都能通过一行行代码搭建出来。 但开头那位金发剑士，恰恰超出了这套方法最舒服的范围。 发丝的走向、斗篷的褶皱、盾牌上的纹样，很难写成几条几何规则。它们是概念图里的设计本身，要靠模型从大量真实资产里学会形状和细节该长什么样。 这正是Meshy这类专业3D模型所解决的问题：输入文字或图片，直接生成带形状和纹理的3D资产。 北京大学OpenDCAI团队做过一个开源框架，叫3AGameFactory。它让AI编程智能体自己拆解游戏需求，再逐项判断每件资产应该现场生成、通过程序搭建，还是从开源素材库中获取。 其中，角色和关键道具交给了Meshy。 生成之后，资产还要经过网格清理和尺寸校验；角色还需完成骨骼绑定与动作处理，才能真正进入游戏。 项目负责人、博士生Bohan Zeng将其中最大的困难概括为：「看起来正确」与「真正可用」之间，仍然隔着一道鸿沟。不少问题只有在资产被放进可玩场景之后才会暴露。 Meshy与Astra协作搭建废墟场景的演示，也呈现了类似分工：通用模型拆解场景、准备参考图，再通过API调用Meshy，逐件生成所需资产。 这些资产随后被导入Blender，完成摆放、尺寸调整和灯光布置。 规划和调度可以交给通用模型，但真正决定画面质感的那几件资产，出自Meshy。 这也是我们的判断： Agent降低的是3D创作的门槛，也让资产质量成为更关键的门槛 。 Agent越会干活，资产就越成为瓶颈。能把「看起来对」变成「真正能用」的专业3D模型，正是这条生产线上最难被替代的一环。 3D专业模型的壁垒都在哪里？ Meshy在这套协作中的价值，最终还是要落到资产质量上：形状准不准，细节够不够，颜色和图案对不对。 第一道壁垒，是形状。 比如这只机械猫头鹰，参考图中的多层甲片、胸腔齿轮和雕花底座，在生成结果中都保留了独立结构，没有糊成一整块鸟形轮廓。 对美术师来说，这意味着拿到手的模型更接近原设计，后续修改可以从一个有结构的资产开始。 在Meshy自建的3D几何对齐基准中，Meshy 7在单张图片输入下，造型比例、空间分布和表面细节三项指标均领先其他受测模型。 其中，表面细节得分59.8%，其他模型约为49%至55%，上一代Meshy 6 Lite为52.7%。 第二道壁垒，是细节。 Meshy 7.1生成的兽人角色，护臂绳结有清晰起伏，裙摆边缘还能看见编织和磨损痕迹。这些细节存在于几何结构中，可以在无纹理渲染下直接看到。 据Meshy披露，7.1将几何生成分辨率从2048³提升至4096³；在其Detail Richness基准的4K渲染条件下，得分23.1%，高于其他受测模型。 更高的分辨率意味着模型可以表达更细的凹槽、褶皱和表面纹理，同时也对训练、推理和网格提取提出了更高要求。 第三道壁垒，是颜色和图案。 这台老式收音机真正难处理的并非方形外壳，而是铭牌上的英文、旋钮旁的数字刻度，以及面板上不同材质的变化。用Meshy转成3D模型后，两处铭牌文字仍可辨认，刻度也保留了分段和数字。 在Meshy发布的端到端纹理对齐测试中，Meshy 7综合得分66.2%，高于其他受测方案。 这些提升背后，是专业模型围绕3D资产持续优化。Meshy 7改进图像编码器与训练数据，让输入图片和目标几何更准确地对应；Meshy 7.1则扩大几何生成规模，并改进网格提取，使更细的结构落到可交付的Mesh上。 团队还在探索直接生成网格。采用Flow Matching路线的Meshy T2，能够生成顶点及连接关系，并按预算控制网格复杂度，兼顾速度与资产结构。 △ Meshy T2生成的网格资产 不过，技术指标再高，最终仍要回答一个商业问题： 谁会为它付钱？ 专业用户追求的从来不是「偶尔惊艳一次」，他们需要的是连续生成十次、百次，结果依然八九不离十。还原越准，返工越少，AI 3D才有机会从偶尔试用尝鲜的工具，进入每天都要运转的生产流程。 目前，至少有两个付费场景已经相当明确。 第一个是游戏。 要知道，3D资产原本就是游戏开发中的一笔大开销。 按照游戏美术外包公司Juego Studios公布的价格区间，一件风格化3D道具约为300至2000多美元，一个3A品质角色则可能超过5000美元。成本之外，更直接的压力来自工期。角色和道具一多，3D美术很快就会成为项目进度的瓶颈。 三七互娱已经把Meshy接入了自己的生产流程：遇到复杂的角色和怪物，团队先用Meshy分别生成头、肢体等部件，再将它们导入3D软件完成组装、精修。 这种方式可以在人工雕刻开始前，先获得完成度超过60%的高模基础。在复杂的次世代和古风项目中，基础模型阶段的雕刻工作量减少30%至40%。 简单道具和角色则可以直接生成完整模型，清理后继续加工。在部分休闲和移动游戏项目中，一件资产的建模时间从5天缩短至约2.5天。 对动辄需要几十、上百件资产的游戏项目，效率会被持续放大，也让美术师有更多时间处理风格和最终精修。 第二个是3D打印。 想要自己动手打印的人，正在迅速增加。拓竹披露，截至2025年底，MakerWorld全球站和中国站合计注册用户约5000万，月活达到千万量级。 这意味着，平台上浏览、下载和打印模型的人数，远远多于能够原创模型的人。 打印机卖得越多，这道内容供给缺口就越明显。大多数人可以买到一台好用的打印机，却依然不会建模；想打印一个真正属于自己的手办，往往只能先等别人把模型做好。 Meshy瞄准的正是这一环：让不会建模的人，也能把自己的想法变成可打印的3D模型。 随着Meshy将多色3D打印能力做进产品，拓竹、创想三维、Elegoo、FlashForge、xTool等打印品牌，也陆续进入其客户名单。 把这些案例放在一起，也就能看出Meshy的增长从哪里来： 第一层是个人订阅。 独立开发者、教师和打印爱好者，可以用文字或图片生成模型，不再需要先学会专业建模软件。 第二层是企业API。 三七互娱、网易游戏和Nexon等游戏公司将生成能力接入原有管线后，需求便不再止于偶尔生成一个模型。一个项目需要几十甚至上百件资产，项目越多，API调用量也会随之增加。 而放眼全球市值与估值排名前十的企业，其中半数已经将Meshy放入生产链条的关键位置。 第三层是硬件生态。 Meshy进入3D打印品牌的用户链路后，模型生成需求又可能随着打印机销量和活跃用户规模继续增长。 在我们看来， 企业API和硬件生态，才是Meshy收入能够持续放大的关键。 这些，最终都写进了收入曲线，也解释了Meshy为什么能在不到两年时间里，将ARR从100万美元推至1亿美元。 Meshy增长快的关键，在于它跨过了「生成出来」与「投入使用」之间的距离。 模型质量越高，返工越少，进入的生产流程就越多；进入的生产流程越多，用户的生成需求就越容易从一次尝试，变成持续高频发生的调用。 因此，1亿美元ARR证明的并不只是有人愿意为AI 3D付费。它意味着Meshy已经初步建立起一套商业循环： 模型能力推动实际使用，实际使用带来持续收入，收入再支持模型与工程投入。 专业3D模型的壁垒，也就不只存在于参数和Benchmark里，还存在于它已经进入了多少真实生产流程。 AI 3D究竟是一个怎样的赛道？ 不到两年做到1亿美元ARR，证明AI 3D已经是一门成立的生意。 但今天的收入，主要仍来自「帮助人完成3D工作」。游戏美术、建模师和设计师愿意为效率付费，却终究是一个有限的人群。 如果AI 3D想继续增长，下一个问题便是： 除了帮助专业人士生产资产，它能不能让更多普通人直接创造和消费3D内容？ 这正是Meshy从AI for Work走向AI for Fun的原因。 Meshy新推出的实时互动多模态内容架构Mora，就是对这条路的一次尝试。 在Mora里，你可以走进一个房间，和场景互动，找出解开空间谜题的路径： 也可以走进拳击场，把老板的照片放到拳击台上，然后重拳出击！ 这些互动能够实时发生，靠的是一套分层架构。 Coding Agent负责搭建游戏结构、编写运行逻辑；Meshy生成空间和3D资产，同时向实时视频模型输出控制信号；视频模型根据这些信号，实时生成画面和声音。 其中，3D是撑起整个世界的骨架。 这两年，「世界模型」成了AI圈最热的方向之一。谷歌DeepMind发布的Genie 3，已经可以根据文字实时生成可探索的场景。 但纯粹依靠视频生成的世界，空间一致性仍然是一道难题。玩家走远之后再回来，原本放在桌上的东西，可能已经换了位置，甚至直接消失。 Mora的思路，是先用3D固定空间，再让实时视频模型负责画面表现。 房间在哪里，门通向哪里，物体摆在什么位置，都由3D结构确定。玩家推开的每一扇门，放上拳击台的每一张照片，也都对应着空间中真实存在、可以持续交互的对象。 到了这里，3D已经从生产流程中的一项资产，变成了可玩世界的地基。 这条路线真正打开的，是AI 3D的用户边界。 过去，一个点子要变成能玩的游戏，中间隔着建模、编程、美术和游戏引擎。每一道门槛，都需要专业人员和大量时间。 Mora把这些工作都分给了不同模型，普通人不需要掌握完整的游戏开发流程，也有机会把一句话、一个念头，变成可以走进去的世界。 在我们看来，这才是AI for Fun真正抬高AI 3D天花板的地方： AI 3D 的市场规模，不再只取决于世界上有多少 3D 美术，还取决于有多少人想玩，多少人想创造自己的世界。 Mora还有一个关键设计原则：它会随着Coding Agent的进步一起成长。 像Astra这样的通用模型越擅长理解空间、编写逻辑，就越能设计出复杂的关卡和互动；Meshy的3D生成能力，则负责把这些玩法变成稳定、可进入的场景。 至此，开头那个问题也有了答案： 通用模型都能建模了，市场还需要专门的AI 3D模型吗？ 在生产端，通用模型越能干活，能够发起的项目就越多，高质量3D资产的需求也会随之增长。 到了互动内容这一端，Coding Agent越强，能够设计的玩法越复杂，对稳定3D空间的需求同样越大。 前者负责理解意图、组织任务，后者负责生成真正可用、可控、可交互的3D世界。通用模型越强，专业3D模型能够承接的需求反而越多。 这也解释了Meshy为什么要继续向实时互动内容、向AI for Fun进军。从一件能用的资产，到一个能玩的世界，Meshy想覆盖的已经不只是3D生产工具的市场。 它站在通用模型与专业3D生成的交汇处，也把AI 3D面向的下一批用户，从会建模的人，推向了每一个想创造、也想亲自走进这个世界的人。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 听雨 扫码分享至朋友圈 相关阅读 结合2D扩散模型与再绘策略 3D SOTA 北大 360度无死角、近距离看「CNN」训练，是种什么体验？网友：美得不真实 火到让网友喊“快开源” 3D CNN 可视化 神经网络 腾讯发布混元3D世界模型1.0：首个支持物理仿真的开源世界生成系统 一键生成不同风格的高质量3D场景 3D 腾讯 只要做出角色3D模型，AI就能让它动起来！再也不怕3D动画拖更了丨SIGGRAPH 2020 3D SIGGRAPH Text-to-3D！建筑学小哥自称编程菜鸟，攒了个AI作画三维版，还是彩色的 colab上在线可玩 3D 人工智能 计算机图形学 中国女博士的「水淹食堂」大法：单目视频完美重建3D场景，画面毫无违和感 3D 上海交大 计算机 热门文章 OpenAI推理之父最新访谈！数学只是多智能体时代的开胃菜 OpenAI光速上新GPT-6.1 Sol！一晚上25项更新，都在这里了 Manus 2.0回来了！给AI配手机号和钱包，还能拉群干活 DeepSeek知乎独家发文，首次公开V4.1 Agent训练“大本营”DSec DeepSeek官方开源昇腾基础组件，与昇腾共建高效易用的AI芯片软件生态 加入我们 寻求报道 商务合作 追踪人工智能新趋势，报道科技行业新突破