OpenAI 黑客松冠军、英伟达 CES 幕后，都在用同一个 3D 工具

Varick Lim 赢得 OpenAI 第一届 Codex 黑客松冠军时，演示用的全部设备就是一部 iPhone。

他把手机对准现场一块空地，输入几句提示词，几秒钟后，一个 3D 勇士就站在了那里。接着他又增加了一个怪物，调整站位和镜头角度，一个完整的 3D 场景就这样在真实空间里被「导演」出来了。

Varick Lim 演示 StoryWorld 生成一个勇士打怪兽的 3D 场景｜视频来源：Varick Lim

这个叫 StoryWorld 的项目，在 100 多名开发者、50 多个参赛作品中拿下了第一名。OpenAI 的开发者宣传大使的评价是：「任何人都可以（借助 StoryWorld）成为导演，一台手机就成了随身携带的摄影棚。」

凭借 StoryWorld，Varick Lim 赢得了 OpenAI 黑客松冠军｜图片来源：Varick Lim

翻开 StoryWorld 的技术栈，负责最核心的 3D 资产生成环节的，是来自影眸科技的 Hyper3D Rodin。

⬆️关注 Founder Park，最及时最干货的创业分享

超 22000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群：

进群后，你有机会得到：

最新、最值得关注的 AI 新品资讯；
不定期赠送热门新品的邀请码、会员码；
最精准的 AI 产品曝光渠道

01 两个场景，

同一个工具

StoryWorld 的技术栈调用了不少工具：OpenAI 的语音转文字负责听懂用户在说什么，ARKit 和 RealityKit 负责空间定位和渲染，图像编辑和视频生成环节也各有对应方案。

但整个体验能成立的核心前提是——你得先有真正能放进三维空间里的 3D 资产。市面上不少 AI 工具输出的所谓「3D」，本质还是带深度信息的 2D 图像，换个角度就穿帮。Hyper3D Rodin 生成的资产有完整的几何结构和材质信息，可以在空间中定位、缩放、从任意角度观看。没有这一层，后续所有 AR 场景调度都无从谈起。

用 Varick Lim 在 X 上的原话来说：「没有 Rodin 就做不到（拿下黑客松冠军）。」他甚至在线催更，希望最新的模型 Rodin Gen-2 Edit 尽快开放 API。

Varick 在线催更最新功能 edit 的插件集成｜图片来源：Varick Lim

美国 AI 公司 Unlikely Labs 创始人 Eric Gradman 也在这条推文底下回复，说自己看过上千个 ARKit 演示，无一例外都是让你绕着一个静态 3D 物体转，从来没见过这样的

黑客松是一个很特殊的检验场景。开发者要在极短时间内把一个想法变成能跑的产品，对工具的选择极其结果导向：什么能最快解决问题就用什么。OpenAI Codex Hackathon 聚集的又是全球最活跃的一批 AI 开发者，他们的工具选择本身就是一种筛选。

如果只是一个黑客松项目用了 Hyper3D，这件事的信号意义有限。但今年 2 月，英伟达公开了 CES 2026 主题演讲的幕后视觉制作流程，Hyper3D 也在其中。

英伟达当时要解决的问题，是在一张画面里呈现 20 个高保真机器人的合影。难点在于，因为黄仁勋的 CES 主题演讲是面向全球科技行业的年度展示，画面中每一个机器人都有对应的真实产品或合作伙伴，所以机器人造型必须精确可控。

更实际的限制是，当前生成式模型的分辨率上限是 4K 到 5K，20 个角色挤在同一个画面里，分到每个机器人头上的像素根本不够用。必须走 3D 路线，把每个角色单独生成、单独精修，再合成到一起。与此同时还要满足光照、场景、位置随时调整，而无需从头返工（每个给老板做过 PPT 的人都懂）。

英伟达的做法是先用 Hyper3D 从参考图快速生成 3D 占位模型，在 3D 软件里把布局搭好，确认每个机器人的位置和角度；布局锁定之后，再用 Hyper3D 对每个机器人单独生成 4K 精度的 3D 资产；最终光照方案确定后，又用 Hyper3D 重新生成了一轮适配新光照的高精度模型，融入 12K 的最终场景。

原型制作，利用 Hyper3D Rodin Gen-2 快速生成 3D 模型｜图片来源：英伟达

同一个工具在一条生产管线里被调用了三次，每次解决不同阶段的问题。从新加坡黑客松的独立开发者，到英伟达 CES 主题演讲的制作团队，Hyper3D 正在被不同量级的使用者放进自己的真实工作流里。

Hyper3D 体验：https://hyper3d.ai/

为什么是 Hyper3D

3D 生成赛道过去两年涌进了大量玩家，从大厂的研究项目到专注这个方向的创业公司，做文字或图片转 3D 的工具已经不稀缺了。

但大多数产品有一个共同的瓶颈：生成完了改不了，进不了下游的生产管线。例如，你用提示词生成了一个角色，觉得整体不错但左手多了一根手指，没有办法只改左手，只能重新生成整个模型。而下一次生成的结果可能右脚又出了问题，本质上是一个高级版的「抽盲盒」。对于真正要把 3D 资产投入生产的人来说，这远远不够。

Hyper3D 素材生成界面｜生成地址：Hyper3D.AI

Hyper3D 做对的第一件事，是把「生成质量」直接拉到了生产可用的水平线上。它基于原生 3D 大模型架构，可以生成带有干净拓扑结构、标准 UV 展开和 PBR 物理材质的完整资产，并直接导入 Unity、Unreal、Blender。换句话说，Hyper3D 生成出来的模型是一个可以进入动画、打光、渲染工作流的生产素材，和建模师手工做出来的资产走的是同一套工业标准。

在黑客松这种按小时计算的高压环境里，开发者选工具极其务实。Hyper3D 被选择，就是因为这种可以直接嵌入开发工作流的属性。

Hyper3D 生成的模型，布线规整，拓扑结构干净｜生成地址：Hyper3D.AI

第二件事是让生成出来的素材「可编辑」。

这背后是 Rodin Gen-2 Edit 带来的关键变化：支持用自然语言对 3D 模型做局部编辑，改颜色、换材质、调造型都可以用一句话完成；对不满意的部分可以单独重新生成，不用动整个模型。

例如，你生成了一个摩托车模型，客户看完说轮胎太窄、要加个机枪。在传统流程里，建模师重新花费大量时间手动调整。而用 Rodin Gen-2 Edit 你只需要打两行字，几秒钟出结果，整个模型的其余部分纹丝不动。

使用 Hyper3D 局部编辑 3D 模型｜图片来源：Hyper3D

另外，不止是 Hyper3D 自己生成的 3D 模型，创作者手里已有的 3D 资产（包括其他的 AI 生成资产）也可以导入 Hyper3D 直接编辑。这意味着 Hyper3D 就不是只是一个独立的生成工具，而是可以嵌入任何已有 3D 生产管线的编辑层。

从 Hyper3D 的产品节奏也能看到这条路径：2024 年发布原生 3D 大模型产品，2025 年推出 AI 自动分部件功能，2026 年初实现自然语言直接编辑 3D 模型。每一步都在缩短从「生成」到「可用」之间的距离。

打个比方，以前的 AI 3D 生成像抽盲盒，Hyper3D 相当于给了一个 3D 版的 Nano banana。

艺术家 @ 豆芽 AI 笔记本使用 Hyper3D.AI Rodin 创作的作品｜图片来源：豆芽 AI 笔记本

一个更大的信号

回到黑客松和英伟达这两个场景，值得注意的不止是 Hyper3D 被谁用了，还有它是被怎么用的。黑客松里，Varick Lim 把它当成即时可用的零件供应商，要求是快速生产；英伟达的制作团队则把它当成可以反复打磨的生产工具，要求是精度够高、能迭代。

两套完全不同的需求，指向的是同一个东西：生成结果能直接进入真实生产环境。

这恰恰是 3D 生成赛道当前最稀缺的东西。AI 生成图片和视频已经开始批量进入内容生产流程，但 3D 资产的情况要复杂得多，是一整套三维的结构化数据，对工具的要求天然比 2D 高出一个量级。

艺术家 @ 工科博士焦爱玩使用 Hyper3D.AI Rodin 的 BANG 功能，提升表面细节，减少打印时间｜图片来源：工科博士焦爱玩

与此同时，3D 内容的需求正在被多个方向同时拉高。游戏行业的 3A 级开放世界项目，道具、建筑、植被加起来轻松过万；空间计算让每一双鞋、每一件家具都需要一个能在客厅里摆放旋转的 3D 模型，一个中等电商平台的 SKU 动辄几十万；数字孪生更极端，一座汽车工厂要在虚拟环境里一比一复刻整条产线，从机械臂到传送带到每一颗螺丝。

需求侧已经起来了，但供给侧还远没有跟上。当前 3D 内容生产的主力仍然是人工建模，一个熟练的 3D 美术师做一个中等复杂度的角色模型，从建模到贴图到绑定，通常需要几天到一周。这个速度放在上面任何一个场景里都是杯水车薪。