主页 > 国内 >

头脑风暴

Meshy 完成近 4 亿美元 B 轮，AI 3D 为什么能长出一家百亿公司_我的网站

千金女佣

一 | 逛一圈WAIC具身智能馆，最容易让观众停下脚步的，往往还是机器人正在做什么：抓取、搬运、行走，或者完成一项具体任务。作者｜周一笑微信｜smiletalker 2024 年，AI 3D 生成赛道最大的一笔融资是 1500 万美元，投给了一家从英国布里斯托大学起步的创业公司 Kaedim，由 a16z Games 领投。同年，赛道里估值最高的 Luma AI 放弃 3D 转做视频生成，再没回头。凌迪科技的展台上，同样摆出了一项直观的任务——叠衣服。两台机械臂将衣服、调整，再重新落回桌面。彼时投资人嫌市场小，全球认真做 AI 3D 商业化的团队一只手数得过来。

二 | 两年后，Meshy 完成近 4 亿美元 B 轮融资，投后估值超 100 亿元人民币，刷新 AI 3D 领域迄今规模最大的单轮融资纪录。单看结果，这是一场机器人衣物操作演示。但凌迪科技真正想被看到的，藏在机械臂动作发生之前。

三 | 展台呈现的是机器人完成一次操作，凌迪想讲的，则是这项能力如何被训练出来。本轮由 IDG 资本、经纬中国、Monolith 砺思资本等顶级机构和战略投资方共同投资，Granite Asia、红杉中国、BAI 资本、源码资本等现有股东超额跟投。

四 | 要让机械臂学会叠衣服，得先把衣服变成数字世界里一个可计算的对象。这份名单几乎覆盖了中国顶级风投的头部阵容，且全体老股东选择持续加注。这已经是 AI 3D 赛道从未见过的量级，更反直觉的数字藏在融资额背后。据 Meshy 披露，公司年度经常性收入在一年内增长约 12 倍，月环比增长长期保持在 20%～30%，注册用户超过 1200 万，累计生成模型超 1 亿个。在多数 AI 公司仍在用增长换估值、用估值换下一轮的循环里，一家做 3D 的公司可能先一步踩到了实地。

五 | 2026 年上半年，空间智能和世界模型方向迅速升温，World Labs、AMI Labs 等重量级玩家相继入场，但多数仍处在产品早期阶段，尚无规模化收入。不同面料有多重、多滑、弹性多大、软硬如何，布碰到机械爪会怎么滑、怎么皱，这些都要先算出来。

六 | Meshy 是这个方向上少数已经拥有真实、持续营收的公司。

七 | 然后模型才能换着材质、换着摆放方式、换着抓取角度一遍遍练，最后再通过评测判断它到底学会没有。 AI 多模态生成的几条主线里，大语言模型仍拿走了最多的融资和关注，图像和视频的竞争则已从创业公司之间的对决升级为大厂与独立实验室的混战。

八 | 相比之下，纯 3D 生成依然偏离主舞台。

九 | 这也是叠衣服与抓取规则刚体不同的地方。Meshy 抓住的正是这块长期被低估的需求。它没有最大的声量，却率先把 3D 生成做成了一门年收入数千万美元、仍在快速增长的生意。

十 | 1 3D 的门槛到底在哪里画一幅画和造一座雕塑需要完全不同的能力。

十一 | 文艺复兴时期把两件事都做到极致的人屈指可数，米开朗基罗算一个。AI 多模态生成面临类似的局面，能生成图像的团队未必做得了 3D，两者在底层面对的问题结构不同。图像生成的核心任务是在二维像素网格上学习分布，数据结构整齐划一，训练框架成熟。一只杯子被拿起后，形状通常不会发生明显变化；一件衣服被抓住一角，整体状态却可能随之改变。3D 的第一道门槛就比这高出一层，三维物体没有唯一的标准表示方式。网格、点云、体素、隐式函数，每一种表示都有自己的取舍，且不能无损互转。选择哪种表示、怎么设计网络架构来适配，从起点就是一道没有标准答案的题。看起来只是一次抓取和翻折，背后对应的却是机器人进入家庭、轻工业等真实场景后绕不开的一类问题：如何处理那些会折叠、滑动、缠绕和持续形变的对象。凌迪科技此次重点展示的SynReal World，正是从这片更复杂的“柔性世界”切入。第二道门槛在监督信号。它不直接制造机器人，而是希望在机器人本体与具身模型之间，搭建一套覆盖3D资产生成、仿真训练和自动评测的一站式数据基础设施，让模型进入真实场景前，先在数字环境中经历足够多的物理交互与任务试错。 01. 机器人认出一件衣服，离叠好它还很远过去两年，机器人的视觉识别和动作控制能力快速提升。图像生成可以逐像素计算损失函数，3D 模型需要从所有视角看都正确，几何要闭合，拓扑要合理，UV 展开要能承载贴图，这些约束经常互相打架。第三道门槛是数据。模型可以判断桌上放着什么，也可以根据指令生成动作。互联网上的图片以百亿计，视频以十亿计，高质量 3D 数据只有千万量级，而且分布极不均匀。游戏资产、CAD 工程图、扫描物体各有各的特征，混在一起训练效果很难理想。但“看见一件衣服”和“把衣服整理好”，仍然是两个不同层次的问题。叠加起来，决定了 AI 3D 需要团队同时具备大模型训练和计算机图形学两套能力。

十二 | 前者的人才供给近几年大幅增加，后者仍然稀缺。 Meshy 创始人胡渊鸣恰好站在这个交叉点上。

十三 | 清华姚班本科，MIT 博士期间主导开发了 Taichi 编程语言（GitHub 超 2.8 万星标），这本身就是图形学和高性能计算的产物。衣服被抓住一个角，整体状态会立即改变。博士毕业后创办太极图形，试图将底层图形学技术商业化，18 个月内两次转型，方向换了，产品做了，市场反馈始终不够乐观。转折来自一个用户的反馈。那个人说，我不会为你们这个软件付费，但你把里面的 3D 模型拿出来卖，一个 5 块钱，我倒可能会买。

十四 | 这句话指向了一个朴素的洞察，用户要买的从来不是工具，是工具的产出。

十五 | 2023 年，团队决定把积累多年的图形学能力对准这个更明确的出口，上线了全球首个可公开访问的 3D 生成式 AI 产品 Meshy。 Meshy 的领先还有一层结构性的原因。1200 万注册用户产生的超过 1 亿次模型生成，沉淀下来的不只是 3D 数据本身，还有用户行为信号，什么样的模型被下载、被打印、被丢弃后重新生成，什么样的提示词和参数组合通往更高的满意度。抓取位置、布料材质、初始褶皱和夹持力度出现细微差异，都可能让原有动作策略失效。机器人每完成一步操作，都需要重新判断物体发生了怎样的变化，并据此调整下一步动作。这也使柔性物体的操作数据更难规模化采集。机器人一次操作失败后，工作人员往往要重新铺平衣服、整理绳索或复位物料。面对不同材质、尺寸、形态和摆放方式，真机数采所需的时间与人工成本会迅速。仿真由此成为具身智能扩大训练规模的重要方式。但柔性物体仿真的难点，并不只是生成更多3D资产，数字对象还需要具备接近现实的材料属性和形变规律。简言之，谁更了解布料如何垂坠、拉伸、碰撞和褶皱，谁才更有可能把这类对象转化为机器人可用的训练数据。这也解释了，为什么一家长期服务服装行业的企业，会在此时进入具身智能。 02. 凌迪的具身智能入场券，来自十年柔性仿真积累凌迪科技并非从机器人本体起步。

十六 | 在 3D 数据天然稀缺的赛道，这类偏好数据的积累是后来者极难复制的。加上模型迭代速度，从 2023 年初代到 2026 年初的 Meshy 6，平均不到半年一次大版本更新，每一代在几何精度、拓扑质量和生成速度上都在拉开与后来者的距离。 1 AI 3D 凭什么先赚到钱多数 AI 生成产品的用户在为灵感和便利付费。但它过去十年处理的，恰好是机器人今天开始集中面对的问题——如何让计算机准确模拟柔性材料的物理变化。据了解，凌迪科技成立于2015年底，过去十年主要服务服装及轻工业，围绕数字面料、服装建模、服装设计和产业协同建立产品体系。目前，其业务覆盖亚太、欧洲、美洲和非洲等区域，服务全球3000多家轻工业客户。数字样衣并不只是把服装做成一个视觉逼真的3D模型。

十七 | 文生图让设计师快速出概念，文生视频让内容创作者省去拍摄成本。同一件版型换一种面料，垂坠、拉伸、褶皱和贴合效果都可能发生变化。这些需求是真实的，但也意味着用户对瑕疵的容忍度较高，一张 AI 图有问题可以再生成一张，一段 AI 视频有穿帮可以换个角度。要在虚拟环境中还原这些差异，需要将重量、厚度、摩擦、弹性和弯曲刚度等材料属性转化为可计算的参数，并持续处理布料与人体、地面及其他布料之间的碰撞、滑动和形变。据凌迪科技披露，其已经积累超过60万种行业面料数据库，围绕不同材料的物理属性、形变效果和仿真计算形成了长期积累。 3D 的下游不一样。游戏开发者需要能直接导入 Unity 或 Unreal 的模型，面数可控、拓扑干净、骨骼绑定正确。3D 打印用户需要封闭实体文件，薄壁、孔洞、自交面中任何一个问题都会导致打印失败，浪费的不只是时间还有材料。2024年至2025年，科研团队在顶级学术会议发表论文超过20篇。对这些用户来说，“好看”只是入场券，“能用”才是付费的前提。这些能力过去主要服务服装设计和生产，如今开始被重新组织，用于机器人训练。这种区别造成了一个有趣的结果。当然，数字样衣与机器人仿真并不能直接画等号。3D 生成的用户更像在购买生产资料，图像和视频的用户更像在购买灵感服务。

十八 | 前者更关注设计效果和服装呈现，后者还要面对机械手接触、受力反馈、连续形变和大规模并行计算。

十九 | 前者的付费意愿更刚性，复购率更稳定，价格敏感度更低。看上去赛道更小的 3D，反而可能是 AI 多模态生成中最先长出健康商业模型的方向。

| Meshy 是这条路径走得最远的公司。但两类应用共享一个底层前提：虚拟材料不能只有外观，还要能够根据物理规律发生变化。这使凌迪科技具备了一张相对特殊的具身智能入场券。它并非从零研究布料为什么会垂坠、拉伸和褶皱，而是可以在已有的面料数据、服装仿真和物理计算能力上，继续向机器人操作与训练延伸。 03. SynReal World，把机器人训练接成一条数据管线搭出一个仿真场景并不难，难的是让它持续生成机器人可用的训练经验。它把 AI 生成的 3D 模型从“屏幕上看着像”推到了“能投入生产”的状态。这需要一套能够持续生成训练资产、组织模型试错，并判断机器人是否真正学会的数据基础设施。 SynReal World瞄准的正是这一环节。凌迪科技将其定位为面向具身智能的全栈数据引擎，覆盖“3D资产生成—训练应用—仿真评测”完整闭环，将原本分散的建模、训练和验证环节接入同一条数据管线。简单来说，SynReal World搭建的，可以理解为一个面向机器人的“训练世界”：其中的物体遵循物理规律，任务可以反复运行，训练结果也能够被量化验证。这个“训练世界”的构建，可以拆成三个环节。第一步，是把数字资产变成可用的训练对象。 SynReal World支持从文字、图片和CAD等输入生成物体与任务空间，并为资产补充质量、摩擦、弹性和碰撞等物理属性。要做到这一步，需要在生成环节就解决几何闭合、法线朝向、拓扑密度控制等一系列图形学级别的工程问题，这也是图形学壁垒在产品端最直接的体现。生成结果支持 FBX、OBJ、GLB、STL 等主流格式，可以直接导入 Unity、Unreal、Blender。其核心能力覆盖高精度形变体仿真、刚体仿真和多物理场耦合仿真。这一区别很关键。据 Meshy 数据，面向 3D 打印的切片成功率达到 97%。普通3D模型解决的是物体“看起来像不像”，机器人训练关心的是施加动作之后，物体是否会按照接近现实的规律变化。只有数字对象能够合理地碰撞、滑动和形变，虚拟资产才可能变成有效的训练数据。曾经需要专业美术团队、昂贵的 DCC 软件和两周时间才能完成的工作，现在可能只需要几分钟。这个产品力打开了两个增长引擎。另外，通过可仿真与交互的3D资产与场景的智能建模，SynReal World 可以对真实世界中采集的任务数据进行灯光与物体材质的泛化，解决数据有效性过低的问题。一端是游戏开发，另一端是消费级 3D 打印。已公开的合作伙伴包括 Nexon、网易游戏、三七互娱、拓竹、创想三维等行业头部企业，但 Meshy 的客户名单远不止于此。据其披露，全球市值与估值前十的科技公司中已有半数在使用其产品和服务，换句话说，Meshy 已经把产品卖进了全球最挑剔的一批头部客户里。通过仿真把一条有效数据低成本变成十条，高效地实现训练数据的多样性，同时有效降低数据采集的成本。第二步，是把单次试错扩展为可规模化运行的训练过程。

| SynReal World支持强化学习和模仿学习，可以面向灵巧手、机械臂、双足机器人和机器狗等不同形态开展训练与策略验证。它的价值并不在于替代真机，而是承担大量高频、重复和早期探索阶段的试错，把有限的真实设备与现场资源更多用于校准、验证和落地。而 Meshy 近期的模型能力更新，恰好对准了这两端用户最迫切的需求。第三步，把“机器人学会了”转化为可重复验证的任务能力。一次演示成功，并不代表模型已经掌握任务。只有在场景和变量发生变化后仍能稳定完成，能力才具备进一步迁移到真机的可能。面向游戏开发者，Smart Topology 是最新一代自研模型，约 10 秒生成带有原生分件的 3D 模型，面数精准可控（100 到 15000），无需手动减面或重拓扑，直接输出可用于实时渲染的资产。8K Texture 则把 AI 贴图的分辨率和品质推到了新高度，细节保留、色彩还原和去光干净度均有显著提升。对于需要把 AI 生成的模型直接放进游戏引擎的开发者来说，这两项更新直接减少了后处理环节。

| SynReal World将程序化评测接入训练流程，支持并行测试、成功率统计、失败模式分析和过程记录，让模型每次更新后都能在已有任务中重新验证。播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 Smart Topology 生成带原生分件的低面数模型播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 8K Texture 贴图效果面向 3D 打印用户，Auto Split 将此前最耗时的拆件环节压缩到一键完成。对一套具身智能数据引擎而言，完整闭环之外，还要看它能否以足够高的效率和精度运行，并接入现有研发体系。根据凌迪科技提供的测试数据，在部分高复杂度场景中，SynReal World的仿真效率较Isaac Sim快5至10倍，静动力学误差降低近20%。在生态层面，凌迪科技是NVIDIA Newton核心成员，SynReal World支持USD和Python API，并兼容MuJoCo、Newton等仿真引擎。接缝沿模型自然结构切分，部件可精准拼合还原，拆件结果已通过实体打印机上机验证。在SynReal World之外，凌迪科技此次还展示了面向服装等轻工业场景的数字伙伴中台StyleWork。它融合AI Agent能力，让数字伙伴理解设计、选品、营销和运营等业务流程，调用专业工具并反馈结果，同时通过持续学习与记忆参与长期协作。

| 从模型生成到拆件到上机打印，全程在 Meshy 内闭合，实测效果处于业界领先水平。打印环节，我们使用保留更多几何细节的宇航员模型，开启 Auto Split。系统把宇航员识别为 19 个独立部件。组装模式下，各部件可以还原为完整人物；切到“在平台上”，头盔、背包、四肢、扳手和底座等部件会被自动铺开。随后点击 Bambu Studio，Meshy 会生成 3MF 文件并唤起本地切片软件。过去需要在 Blender 或 Meshmixer 里手动完成的划分、补面和排布，被收进了同一工作区。

| 组装视图可直观看到各部分的切分关系切换到“在平台上”，19 个部件会自动铺开，并可继续发送到 Bambu Studio 等切片软件。

| 对两端用户来说，能省掉的后处理步骤越多，留在 Meshy 里的理由就越充分。

| 这是凌迪科技将AI嵌入真实产业流程的另一条路径。 3D 打印这一端还有一个被低估的推手。拓竹科技从 2023 年到 2025 年营收翻了近四倍，突破 100 亿元，全球消费级市占率约 29%。桌面打印机正在把 3D 打印拉进家庭和个人工作室，但涌入的新用户第一个问题就是打印什么。 04. 物理AI竞争，正在向“训练场”深处延伸把资产生成、模型训练和结果验证放进同一套流程，首先解决的是研发效率。模型每更新一次，不必重新搭建场景、切换工具，再单独统计任务结果。但这套数据管线更值得关注的地方，在于它回应了具身智能面临的一项核心约束：机器人所需的数据，无法像语言模型那样从互联网低成本获取。大多数人不会建模。Meshy 接入拓竹 MakerLab 之后，上传一张图就能拿到可以直接上机切片的文件。一个爆发中的硬件市场和一个刚好成熟的 AI 生成工具，在 2025 到 2026 年撞到了一起。语言、图像、视频，天然以数字形态存在。而机器人需要的数据，必须包含动作、接触、力和物体状态变化——每一次交互，都是一次物理事件。今年 GDC 上，胡渊鸣提到了一个数字，Meshy 三年生成的 3D 模型数量，已经接近人类有史以来手工创建的 3D 模型总量。模型要学习的，不只是一个物体长什么样，更是对它施加动作之后会发生什么。真机采集的速度和成本，很难跟上模型对任务多样性的需求。仿真不能取代真实世界，但它可以重新分配试错成本。当仿真承担越来越多训练任务，行业比拼的焦点也在转移。

| 画面逼真不再是唯一标准。相机把图像生产从画家手里解放出来之后，到胶片巅峰期人类一年拍下约 850 亿张照片。某种技术一旦把创作成本降低到足够低，内容的供给就会从线性增长变成指数级释放。

| 更关键的问题是：虚拟世界里的物体，是否遵循真实世界的物理规律？训练结果，能不能被重复验证？从仿真中学到的经验，又能在多大程度上迁移到真机？沿着这几个问题往下看，柔性物体成了一种更高门槛的检验标准。3D 可能正站在这个拐点上。

| 1 聊天就能建模 Smart Topology、8K Texture、Auto Split 解决的是专业用户的生产效率问题。3D Agent 做的是另一件事，把门打开，让更多人走进来。

| 3D Agent 是全球首个对话式 3D 创作智能体，已面向所有注册用户开放。

| 用户无需任何 3D 经验，通过对话、文字、照片或草图，即可在一次对话中完成从创意发散到 3D 成品的全流程。生成的模型可以直接发送至切片软件打印，也可以带骨骼绑定和动画导入 Unity、Unreal、Blender。它更能代表家庭服务、轻工业和普遍的非结构化环境。

| 在 3D Agent 的测试中，我们输入 Prompt：“我完全不会 3D 建模，想做一个适合 FDM 打印的复古宇航员收藏摆件，请先给出三个明显不同、但容易打印和拆件的视觉方向，不要立刻生成 3D 模型。

| ”Agent 没有急着“抽卡”，而是先梳理了打印原则，给出硬核航天、构成主义卡通和蒸汽朋克三个方向，还列出头盔、躯干与背包、手臂与扳手、底座的拆件建议。确认“Q 版比例加蒸汽朋克机械细节”后，我们让它一次生成三张正面三分之四视角的概念图。这正是凌迪正在卡住的位置。Agent 不只是给图，还进一步比较了三套方案的色调、头盔、胸口结构、背包和 FDM 友好度。

| 选择方案 A 后，再用一句话要求它转成 3D，几分钟后，一个带圆形底座、方形生命维持背包和扳手的完整宇航员就出现在预览区。 3D Agent 一次生成三套概念图，并从造型与打印友好度两个维度帮助用户选择。

| WAIC现场，机器人依然是聚光灯下的主角。选择方案后生成的 3D 模型，人物、背包、扳手和底座等设计元素都得到保留。凌迪选择进入的，是聚光灯照不到的地方——机器人的训练场。整个过程里，我们没有调整网格、法线或 UV。

| 当行业竞争从“完成一次漂亮演示”，转向“以更低成本稳定学会一项任务”，谁能生成一个物理规律可靠、任务可重复、结果可验证的训练世界，谁就在为下一阶段的物理AI铺设底座。导出 STL 后，将模型高度缩放到约 120 毫米，可以正常放入 Bambu Lab A1 的打印板并完成切片。

| 3D Agent 的价值不只在最后那一个模型，而是把“想法不清楚—确定方向—比较方案—生成成品”这一串原本需要创作者自己掌握的专业流程，拆成了一段普通人也能完成的对话。前文 Auto Split 测试用的那个宇航员，就来自这段对话。

| 生成的 STL 文件导入 Bambu Studio 后，可以正常放置在 A1 打印板并继续切片。 AI 在这两年降低了写作、绘画、编程、视频制作的门槛，但 3D 一直是最后一块高地。专业 3D 建模软件的学习曲线以月甚至年计算，这把绝大多数有创作冲动的人挡在了门外。3D Agent 把入口从“学会一款专业软件”降低到“打开一个对话框”。一端是 Smart Topology、8K Texture、Auto Split 让专业用户留下来、付更多，另一端是 3D Agent 让更多人走进来。两头同时推，一端提高客单价和留存，一端扩大漏斗口。 1 3D 之后，更大的东西如果只看已有的商业化成绩，Meshy 是一家非常好的 3D 工具公司。但近 4 亿美元的 B 轮显然不是在为一个工具市场定价。

| Meshy 对自己下一阶段的定义是“实时互动的多模态内容体验”。翻译成更具体的话，3D 模型生成是地基，在这层地基之上叠加交互机制、AI 实时生成和多模态融合，构建一个人们可以进入、参与和创造的内容引擎与平台。

| Meshy Game Studio 正式亮相，带来了首款 AI 游戏 demo《黑箱：无限构筑》。它允许玩家用自然语言实时驱动武器生成，弹道、物理效果、元素组合由 AI 在运行时创造，没有预设脚本。

| 这个 demo 还很早期，但它展示了一种此前几乎不存在的内容形态，内容在用户参与的过程中实时涌现，而不是提前制作好等着被消费。 3D 模型生成的客户是创作者和开发者，数量以千万计。实时互动内容的用户是消费者，数量以十亿计。相机催生了电影工业，合成器催生了电子音乐产业，游戏引擎催生了远超游戏本身的实时 3D 应用生态。每一次创作工具的能力跃迁，最终都催生了新的内容品类和新的消费市场。Meshy 的判断是，AI 原生的 3D 生成能力也站在类似的起跑线上。

| 而 Meshy 做这件事有一个多数竞争者不具备的前提，它已经拥有了生产级可用的 3D 生成能力和经过验证的商业化路径。空间智能方向的其他重量级玩家仍在产品早期阶段，Meshy 是从一个已经赚到钱的地基向上生长。 AI 多模态生成里，文本最先爆发，图像紧随其后，视频如今也成了新的主战场。相比之下，3D 一直是最安静的那条线。