4399贪玩巨人排队打钱！Tripo 3D母公司VAST融资10亿，AI生成8K资产通关3A游戏

【GameLook专稿，禁止转载！】

GameLook报道/7月2日，北京三启万物科技有限公司，也就是Tripo AI的母公司宣布完成超10亿人民币的A3战略轮融资。

这轮融资的投资人名单很长：吉利资本等产业方，四三九九、贪玩游戏、巨人网络等游戏厂商，某知名互联网战投，亦庄国投、基石资本、毅达资本、成都科创投、复星创富、华控基金、锡创投、慕华科创、策源资本等一线机构，以及若干地方产业基金。

老股东渶策资本、元生资本继续跟投。

如果只看这一条消息，可能不会觉得特别意外。2026年的AI融资市场本就热闹。但把它放进VAST自己的时间线里看，事情就变得有点密集。

这已经是VAST一个月内公开的第三笔大额融资。今年3月5日，公司刚拿到阿里、恒旭资本联合领投的5000万美元A轮；6月，又连续官宣了A+和A++两轮、合计近2亿美元；到7月2日，A3战略轮再落地超10亿元人民币。

算上更早期的天使轮和Pre-A系列融资，VAST在A3轮之前已经完成过6轮融资，其中4轮发生在今年。一家成立刚满三年的公司，用不到一个季度的时间几乎融了三轮，这种节奏在AI 3D生成这个此前一直被认为”叫好不叫座”的赛道里，此前还没有太多先例。

更值得记录的是这轮投资人的构成变化。

相比早前几轮里更常见的互联网大厂战投和财务机构，这一次四三九九、贪玩游戏、巨人网络这类游戏公司直接以游戏行业产业资本的身份下场。巨人网络方面对外的说法是，这是公司持续加码人工智能基础设施和模型能力投资布局的又一次落子。

游戏公司愿意把真金白银投给一家做3D生成大模型的公司，这件事本身比融资金额更值得琢磨。

它意味着这个此前被游戏人诟病”生成3D模型效果一般、改起来比自己做还费工夫”的技术方向，至少在最挑剔、离生产线最近的甲方眼里，已经从”要不要关注”变成了”要不要下注”。

AI领域的又一位“信仰”者

VAST的故事要从创始人宋亚宸讲起。

这位1997年出生、本科就读约翰霍普金斯大学国际关系与经济学专业的创业者，履历乍看和AI技术没什么直接关系。

可他精通希伯来语与阿拉伯语，热衷神学（和Antropic的创始人类似），游历过摩洛哥、古巴、土耳其、希腊等多国，对他来说这些经历是理解”复杂人文系统”的方式，而不是AI创业的加分项。

2018年，他加入商汤科技CEO办公室，从展厅讲解员做起，后来负责把AIGC技术商业化落地到动画和游戏行业；2021年，他是MiniMax的联合创始人之一；2023年，他创立VAST，选择了一个当时还很冷门的方向：通用3D大模型。

VAST早期的动作并不算张扬。2024年上线的Tripo 1.0率先实现了文字或图片生成可编辑3D网格，半年内全球用户生成了500万个模型；同年与Stability AI合作开源的TripoSR，把图生3D的速度压到了0.5秒。

2024年9月的Tripo 2.0验证了3D领域的Scaling Law，宋亚宸后来在多个采访里反复用手机摄像头的像素数打比方，如果说Tripo 1.0大约相当于360P，2.0就是720P，他判断行业内的技术差距会随着分辨率提升而被迅速拉开。

这个类比背后其实是一套清晰的竞争逻辑：技术早期拼的是清晰度本身，产品化、生态经营都是后置动作，谁先把分辨率拉开代差，谁就能把对手的产品化努力清零。

真正让VAST在全球3D生成赛道站稳头部位置的，是2025年8月发布的Tripo 3.0。这版模型引入了自研的SparseFlex几何表征方式（开源为TripoSF），首次让AI生成的3D资产在拓扑结构、可控性和精细度上达到了”可以直接进入大多数行业生产流程”的水平。

用宋亚宸自己在采访中的说法，这是3D生成第一次从玩具变成工业级工具。

截至Tripo 3.0发布时，VAST的生态已经覆盖300万全球创作者、3.5万活跃开发者和700多家企业客户，包括Bambu Lab、腾讯、网易、Replit、HTC、Fal等。到今年3月，这些数字进一步滚动到650万累计用户、9万多个开发者和企业客户。

今年以来，公司又密集推出了面向极致几何精度的Tripo H3.1、面向工程化拓扑的Tripo P1.0（Smart Mesh），以及8K贴图、智能拆分Segmentation V2等新能力。

按VAST自己的说法，在盲测投票评出的全球AI 3D模型榜单上，这些模型稳居第一。

对于公司在AI方向的投入，宋亚宸在「晚点LatePost」长达四个半小时的对话里，最常提到的词是”信仰”。

他把VAST的用户分成四层：最大众的消费者、3D内容爱好者、业余3D用户，以及最少数的专业3D从业者，公司的路径规划也是沿着这个金字塔往上走，先做”3D领域的手机摄像头”，再做”3D的Cursor”（也就是现在的Tripo Studio这类专业工作台），下一步是做一个”3D版美图秀秀”，用足够丰富的创意模板把专业操作门槛拉到接近零，最终指向一个由海量创作者内容支撑起来的”3D抖音”。

这个愿景他判断需要3到5年，也可能是5到10年才能验证，但他也提到，VAST确实做过一次早期的消费级尝试，即一款叫Holy Moly的3D社交应用，一度获得了不错的初期热度，但很快撞上了一堵”隐形的墙”：制作3D内容仍然是一件需要大量人力、时间和资金的”大制作”工作，这促使他把重心收回到先把底层技术能力做扎实。

曹炎培

而在稍早接受GamesBeat采访时，VAST展现的是完全另一套话语体系，更贴近B端生产线，也更具体。

CEO宋亚宸在GDC现场演示了公司的3D生成模型和”vibe coding”工具，结果在几秒钟内就能看到；首席科学家曹炎培则反复强调，AI 3D的目标是降低艺术家的创作门槛，而不是取代他们。

按GamesBeat披露的信息，VAST虽然出于保密协议无法点名具体项目，但已经证实主流移动游戏和AAA级RPG工作室正在把Tripo接入关卡设计流程，技术美术不再需要把背景道具外包出去、等上几周才能拿到成品，而是直接用Tripo生成带有干净边缘流、8K贴图的资产，不经过手动重新拓扑就能直接放进游戏引擎。

这一细节恰好回应了这项技术过去被质疑最多的一点：生成出来的模型精度不够、后期修改比重新做还费工夫。至少按VAST自己的说法，这个问题在最新一代模型上已经不算是长期瓶颈了。

3D AIGC的未来在哪里？

伴随这轮融资一起公布的，还有一个此前没有被充分讨论的项目「Project Eden」，VAST的世界模型研究计划。

这个项目的特殊之处在于它牵出了眼下AI 3D生成赛道里最容易被混为一谈的一个问题：所谓”世界模型”，到底指的是同一种技术吗？

答案是否定的，而且分歧还不小。眼下能被称作”世界模型”的技术方案，大致可以分成两条完全不同的路径。

第一条是以Google DeepMind的Genie 3为代表的纯视频驱动路线：它的核心是一个自回归的时空Token预测器，本质上和大语言模型逐词生成文本是同一套机制，只不过预测对象换成了视频帧，即每一帧画面都基于此前生成的所有画面加上用户的最新操作来预测下一帧，整个过程里不存在任何显式的3D场景结构，环境的”连贯性”是模型训练出来的涌现能力，而不是被明确建模出来的状态。

DeepMind自己也承认，这套机制生成的环境视觉记忆大约只能维持一分钟左右，越往后生成，误差累积的风险就越大。

说白了，这是一种极其高级的”边走边编”，画面好看，但底层并没有一个真正意义上的、可以被查询和复用的3D世界。

第二条路径是以腾讯混元3D世界模型为代表的显式3D重建路线。混元3D世界模型1.0通过全景图像合成加分层3D重建，把场景拆解成前景、背景、地面、天空等不同语义层级，最终输出的是可以直接导入Unity、Unreal、Blender的标准Mesh资产，理论上具备了工业级的兼容性。

今年发布的2.0版本进一步引入了全局几何记忆和空间立体记忆的双记忆机制，用来解决多视角一致性这个长期困扰行业的技术瓶颈。

这条路线生成的确实是”实体”，而不是一段视频，它牺牲的是Genie 3那种自由度极高的即时交互感，换来的是可编辑、可复用的资产。

而VAST的Project Eden走的是第三条更折中、也更贴近游戏引擎逻辑的路线：把世界的底层状态推演和视觉渲染彻底解耦。

按公司披露的架构，最底层是一个”结构化状态层”，负责维护场景几何、物体身份、属性和事件逻辑这些确定性的世界状态，这一层不依赖任何单一摄像机视角独立存在；中间是一个”状态到观察的接口层”，把底层状态转译成不同视角下的语义和几何条件；最上层才是负责实时渲染视觉细节的生成层。

曹炎培在接受GamesBeat采访时对这套架构的表态很直接：他认为行业里存在一个普遍的误解，很多公司把视频生成模型包装成”世界模型”来展示，但那些模型依赖的是像素级的上下文记忆，本质上是从头开始”幻觉”出画面来维持视频的连续性。

而Project Eden借鉴的是游戏引擎的思路，先渲染出一个确定性的3D状态，模型再基于这个状态生成画面，这样才能真正解决世界模型领域”环境持久性”这个关键瓶颈，而不是又一次”AI幻觉”。

这段话说得比较满，但必须要说清楚的是，Project Eden眼下仍然是一个研究项目，还没有像Tripo Studio那样进入规模化商用，游戏公司现在买的，某种程度上也是这套技术路线未来能兑现的一张期权。

游戏公司才是大金主

跳出VAST自身的叙事，回到这次投资名单本身，一个更值得追问的问题是：为什么这一轮真金白银砸向AI 3D生成的，主力是游戏公司，而不是理论上对3D内容需求同样旺盛、甚至预算规模更大的影视行业？

答案其实藏在两个行业对”3D”这个词的不同理解里。

对影视行业来说，尤其是电影和头部剧集这类大制作项目，AI 3D生成面临的不是精度不够的问题，而是风格化和角色一致性要求过高的问题。观众对银幕上的角色和场景有极强的辨识度期待，任何一点几何或材质上的瑕疵都会被放大检验，这和游戏里”能用就行”的背景道具完全是两套标准。

更关键的是，影视工业真正需要的最终交付物是一段可以直接剪进正片的视频画面，而不是一个可以在游戏引擎里被物理碰撞、被玩家从任意角度旋转查看的3D网格。这也是为什么可灵3.0、Seedance 2.0这类视频生成模型才是影视行业眼下真正在用的工具。

它们直接绕开了”先生成3D资产、再渲染成画面”这个中间步骤，用统一的多模态架构一步到位生成带运镜、带分镜逻辑的成片。《太平年》这类历史剧已经在用可灵解决特效场景的生成问题，字节的Seedance 2.0则在短剧和分账剧领域被形容成”视觉杠杆”，能让一部没预算搭大场景的古装悬疑剧用AI生成的概念镜头撑起奇观场面。

换句话说，影视行业的AI渗透路径是”视频生成”，而不是”3D生成”，两者的终点根本不是同一个东西。

游戏恰好是唯一一个同时具备”需要真实3D资产”和”能容忍中低精度资产大规模存在”这两个条件的行业。游戏的最终交付物是一个可以被引擎实时渲染、被物理系统计算、被玩家从任意角度交互的运行时对象，视频生成模型再逼真也无法替代这一层。

毕竟你不能把一段Seedance生成的视频塞进Unity当作一个可以拿起来的道具。

同时，游戏内容生产天然是分层的：核心角色、主线剧情场景对精度要求极高，仍然离不开人工建模，但游戏世界里绝大多数体量其实是背景道具、环境细节、可复用的中低精度素材，这恰恰是AI 3D生成现阶段最擅长、也最容易通过质量红线的区域。

四三九九、贪玩游戏、巨人网络这类以中重度手游、买量投放型产品见长的公司参投VAST，某种程度上也印证了这一点，它们的产品线里存在大量对美术精度容忍度相对较高、但对内容产出速度和成本极其敏感的场景，这正是AI 3D生成眼下能立刻兑现价值的地方。

当然，把钱投进去和把技术真正用起来之间，还隔着不少风险，其中最直接的一个不是技术问题，而是玩家的情绪问题。

国内游戏行业和AIGC技术最早的一次正面冲突，是2023年《白夜极光》的AI作画争议，即便涉事的只是一张海外宣传图，且官方随后澄清并未用于正式产品，也足以让玩家情绪炸开。

此后类似的案例反复出现：《使命召唤21：黑色行动6》里被扒出的”六指圣诞老人”AI幻觉错误、《战地风云6》被质疑套用十几年前老游戏素材训练AI皮肤、英伟达DLSS 5给《生化危机：安魂曲》和《星空》角色”AI美颜”引发的全网抵制。

这些案例背后其实是同一套逻辑：玩家反感的往往不是AI技术本身，而是开发商在没有明确披露的情况下用AI替代了本该由人工完成的创作性劳动，尤其是在二次元手游这类”美术即产品核心竞争力”的品类里，玩家为角色立绕、皮肤氪金，本质上是在为”人的创作”付费，一旦怀疑这部分是AI廉价代工的产物，付费意愿会直接崩塌。

这是一种结构性的信任风险，不会因为模型精度提升而自动消失，反而会随着AI生成内容在游戏里渗透率的提高变得更敏感。按游工委2025年底的行业报告，游戏研发环节AI技术应用率已经达到86.36%，美术环节渗透率超过84%，静态视觉资产生成已经算是”行业标配”，这意味着披露边界在哪、玩家能接受到什么程度，会是一个持续被试探的过程，而不是一次性解决的问题。

至于精度本身这个每每在GameLook相关文章下，被吵得最凶的话题，当下来看，倒确实呈现出短期问题的特征。

过去两年里，无论是腾讯混元3D还是Tripo，最常被诟病的都是同一句话：生成出来的模型看着还行，但落地进生产管线之前需要的清理工作量，往往比重新手工建模还大。

拓扑混乱、UV展开不合理、几何细节和实际引擎需求脱节，这些问题让”降本增效”的承诺在很长一段时间里停留在演示视频阶段。

但按GamesBeat对VAST的最新报道，这个具体痛点正在被针对性解决：Tripo P1.0专门面向”工程化、可直接进引擎使用”的拓扑结构做了优化，8K贴图和Segmentation V2也是冲着”减少人工介入”这个目标去的，公司方面的说法是技术美术已经能拿到干净边缘流的资产、不需要手动重新拓扑就直接放进引擎。

这段表态毕竟出自公司自己的口径，还缺乏第三方的批量验证，但如果参照Tripo在过去两年里从360P一路提速到8K贴图的迭代速度，精度问题更像是一个正在被快速填平的技术洼地，而不是这项技术的天花板。

至少游戏公司愿意在这个节点集体下注，本身就是一种判断：他们赌的不是现在的Tripo已经完美，而是这条曲线接下来还能往上走多久。这个判断对不对，可能还要再看几个版本的迭代才能见分晓。