潘石屹投石问路
恒久以来，3D 天下建模领域保存两大手艺 " 孤岛 "：天生式模子善于从文本、单图创作天马行空的 3D 场景，但几何精度缺乏、视角一致性差 ；重修式模子能从多图、视频中还原真实 3D 结构，却缺乏天生想象力，难以处置惩罚希罕输入。腾讯此次 HY-World 2.0 的宣布，首次将这两大能力融合，构建了从 " 希罕输入 " 到 " 可交互 3D 天下 " 的完整手艺闭环。据腾讯官方文档，作为 3D 天下的 " 第一块拼图 "，HY-Pano 2.0 解决了古板全景天生依赖相机参数、场景结构破碎的行业痛点。通过 Multi-Modal Diffusion Transformer（MMDiT）实现视角到全景的隐式转换，无需任何相机元数据，就能从单张图片或一段文本中天生结构连贯、细节富厚的 360 ° 全景场景。（手艺报告地址：https://3d-models.hunyuan.tencent.com/world/world2_0/HY_World_2_0.pdf）在文本到全景（T2P）使命中，CLIP-T 指标达行业最高的 0.258，Q-Align 美学评分较竞品提升 12% ；在图像到全景（I2P）使命中，全指标排名第一，几何一致性远超 CubeDiff、GenEx 等模子。有了高质量的全景基础，怎样高效探索 3D 天下成为新的挑战。HY-World 2.0 设计了语义感知轨迹妄想�？�，通过全景点云、语义掩码与导航网格的融合剖析，自动天生多样化轨迹模式，实现无碰撞、全笼罩的相机路径妄想。这一手艺不但确保了后续 3D 重修时无视角盲区，更让 AI 能够像人类一样 " 智慧地 " 探索重大场景——好比自动围绕修建物拍摄细节，或沿着走廊周游捕获完整结构。在 3D 天下扩展阶段，最大的手艺瓶颈是 " 多视角一致性 " ——差别轨迹天生的视频经常泛起物体错位、光影矛盾等问题。HY-World 2.0 通过全局几何影象与空间立体影象双影象机制，让 AI 能够 " 记着 " 整个 3D 场景的几何结构，从而天生视角连贯、细节一致的扩展场景。团结 Distribution Matching Distillation 蒸馏手艺，天生速率提升 4 倍，在 Tanks-and-Temples 数据集上，点云 F1-score 达 43.16，逾越 SEVA、Gen3C 等模子 30% 以上。作为全链路的焦点，HY-World 2.0 的通用 3D 重修�？橹С执佣嗤肌⑹悠抵谢指吹阍啤⑸疃韧肌⒎ㄏ蛄康燃负涡畔�。该�？橥ü橐换恢帽嗦虢饩隽撕憔美判幸档� " 区分率泛化 " 问题，高区分率下相机姿态 AUC@30 仍达 86.89，较前代产品提升 31% ；通过深度 - 法线耦合监视，深度预计 AbsRel 误差降至 0.162。在效率方面，支持序列并行、混淆精度与全分片数据并行，单 GPU 可处置惩罚 256 视图，4GPU 下 128 视图推理时间仅 5.6 秒，为大规模 3D 重修提供了可能。性能迫近闭源商业产品手艺立异最终要靠数听语言，HY-World 2.0 在多项焦点指标上实现了对开源模子的周全逾越，更在部分场景迫近闭源商业模子 Marble。在相同全景输入下，HY-World 2.0 天生的 3D 场景与输入一致性达 94%，而 Marble 仅为 88%，几何误差降低 25% ；在重大场景如都会修建、自然景观中，HY-World 2.0 的纹理、光影还原度更靠近真实天下，细节体现力远超竞品。端到端天生速率方面，HY-World 2.0 仅需约 12 分钟 / 场景（712 秒），远快于 Marble 的 15 分钟 / 场景和开源竞品平均 30 分钟 / 场景的速率，效率提升 50% 以上。更值得关注的是，HY-World 2.0 是全球首个开源的多模态 3D 天下模子，所有模子权重、代码与手艺细节已对外开放，这意味着开发者无需依赖腾贵的商业模子，就能快速构建 3D 天生应用，极大降低了 AGI 空间智能的开发门槛�？纯诺哪Ｊ揭踩� HY-World 2.0 具备了更强的生态活力，开发者可以基于该模子举行二次开发，推动 3D 天外行艺在更多场景的应用。现在，已有多家游戏、机械人、数字孪生领域的企业与腾讯混元团队睁开合作，探索 HY-World 2.0 的商业化落地。手艺的价值最终要体现在应用场景中，HY-World 2.0 还配套了 WorldLens 高性能 3DGS 渲染平台，支持实时物理反响和空间交互，为下游应用提供高效的渲染支持。在游戏开发领域，HY-World 2.0 支持实时可交互 3D 场景天生，内置物理碰撞检测与角色控制，可直接导入 Unity/Unreal 引擎，显著缩短开发周期。一款开放天下游戏的场景建模，古板要领需要数月时间，而使用 HY-World 2.0，开发者只需输入一段文本形貌，就能在约 12 分钟内天生可交互的 3D 场景。在机械人领域，HY-World 2.0 通过重修真真相形天生高精度仿真场景，支持机械人路径妄想与视觉导航训练，提升机械人研发效率与仿真精度。现在，已有多家机械人企业基于 HY-World 2.0 构建了仿真训练平台，优化机械人导航算法开发流程。在数字孪生领域，HY-World 2.0 可快速天生工厂、园区、都会等场景的 3D 数字孪生模子，支持多视角周游与装备状态可视化，优化运维流程。一个大型工厂的数字孪生建模，古板要领需要投入大宗人力物力，而使用 HY-World 2.0，只需导入工厂的航拍视频，就能在数小时内天生高精度的 3D 数字孪生模子。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 秦聪慧）