以下文章来源于VAST AI ，作者Tripo2.0
达晨完成对3D大模型领军企业VAST新一轮融资的领投。近期，VAST连续完成了两轮共计数亿元的融资，天使轮由绿洲资本领投，Pre-A轮领投方为达晨财智以及春华创投，并创造了3D大模型赛道的最⼤融资⾦额。
同时，VAST全新的3D大模型Tripo 2.0也在今天与大家正式见面。
| 关于VAST
VAST成⽴于2023年3⽉，是⼀家致⼒于通⽤3D大模型研发的AI公司，公司⽬标是通过打造⼤众级别的3D内容创作⼯具，建⽴3D的UGC内容平台，让基于3D的空间成为⽤⼾体验、内容表达、提升新质⽣产⼒的关键要素。
2024年初，VAST推出数⼗亿参数级别的3D⼤模型Tripo 1.0，8秒就可用图/⽂生成3D⽹格模型，上线至今全球⽤⼾⽣成超过500万个3D模型。
2024年3⽉，VAST与全球顶级开源社区Stability AI共同推出开源3D基础模型TripoSR，该模型创造了0.5秒完成单图⽣3D模型的顶尖表现，⾄今仍是3D⽣成领域开源社区的热⻔项⽬。
今天，VAST推出Tripo 2.0，验证了3D大模型的Scaling Law，也将3D生成推向下一个里程碑。
Tripo 2.0采⽤了融合DiT和U-Net模型的复合架构，通过学习捕捉⼤规模数据中的⼏何和材质分布，更好地保证了3D模型⼏何形状的细节和材质的输出质量。
Tipo 2.0能够完成10秒⽣成形状⼏何、10秒⽣成纹理及PBR，为3D⽣成领域设⽴了通⽤模型新的效果标准。
据我们所知，Tripo在所有的3D生成任务的效果中均处于全球领先地位。
GPTEval3D：基于MLLM的评估指标（3D生成形状、纹理质量、细节表现、输入条件遵循性、输出多样性），旨在评估生成的3D内容的语义准确性和质量
| 理解单个物体是理解世界的开始
对于创作3D内容的用户而言，文字输入的生成方式提供了“言出法随、创造世界”的可能，图片输入则提供更多创作过程中的可控性的。
与传统3D重建的应用场景不同，大部分纯粹的创意概念可能超出了现实世界的物理限制。许多游戏、设计项目或虚拟场景中的3D内容实际上也没有现实中的实体。某些环境异常恶劣，即使投入大量资金购买先进的扫描设备，也无法扫描、修复或重建这些内容。
因此，3D大模型对于文字生成复杂组合物体的能力、以及单图输入的空间理解及还原的能力，就成为评价体系中最为重要的考察标准。
对于Tripo而言，这意味着需要具备以下能力：
第一是精准的语言理解能力，将用户的文本输入意图准确地反映成物体的几何结构和组成细节，还包括文本中各部分之间的空间关系；
第二是对空间的深度和精确还原能力，确保从任意视角的单一图片中准确推断三维结构和深度信息，精确还原复杂物体的几何形状和纹理细节，并保持整体一致性；
第三是对于物理规律和常识的理解能力，确保生成的内容既符合用户意图，又在遵循基本物理法则的情况下保持逻辑一致性，使结果在创意自由度和现实合理性之间找到平衡；
这就是Tripo交出的答卷：见微知著，探索世界的背面。
比如“长着牙、拿着树叶的叶子精怪”、“有番茄、生菜、胡萝卜的菜篮”、“站在水面玻璃球上的火烈鸟”：
以上效果由www.tripo3d.ai 直出，均为AI生成3D模型的六视渲染图
再以这张翡翠布花的图片为例，左边的花束与主干花束是黏连还是分开？叶片之间的重叠关系是什么？花束的背后是什么样？
再比如这艘船，桅杆的结构是什么？船舱的结构如何设计？
除了精进的文本和视觉输入理解能力之外，Tripo 2.0 的生成结果也拥有领先的质量和保真度，在形状和纹理质量、细节表现都树立了新的行业标准（new state-of-the-art）。
Tripo不仅能生成高度细致和准确的3D形状，捕捉复杂的特征和几何结构，还能生成高保真度的PBR（基于物理的渲染）材质，呈现出精细的表面属性和逼真丰富的视觉效果。
达晨投资团队表示：“数千年来，人类文明的传承方式主要是文字、图像和模型。近几年在人工智能的加持下，这些文明的表达方式发生了革命性变化。达晨在内容生成方面已经布局了大语言模型、文生图、文生视频等，而文生/图生3D是“新文明”拼图的最后一环。正如‘AI教母’李飞飞的观点，人类是生活在3D世界中的，而人工智能要真正追上人类，必须突破3D的理解和生成。第一代互联网主要基于语言的交互，第二代互联网主要基于图片和视频的交互，下一代互联网一定是3D内容的交互，而面向C端的3D创作工具就成为了关键环节、重中之重。相比较VAST在2B方向对于传统建模师的帮助，我们更看好其在2C方向对于广大消费者生活方式的改变。试想一下，大到房屋家具、小到鞋包杯碗，身边的物品都可以按照自己的心意来设计和制造，个性化将得到极大解放，每个人心中的创意都将得以展现。如果再配合上MR眼镜，我们可以随时随地改造世界，在下一代互联网中共享空间文明。”
