阿里腾讯同日发布3D世界模型：从生成视频到造世界

阿里腾讯同日发布 3D 世界模型：从"生成视频"到"造世界"

4 月 16 日，阿里和腾讯在同一天各自发布了 3D 内容生成模型——阿里的 Happy Oyster 和腾讯的混元 3D 世界模型 2.0（HY-World 2.0）。两家大厂同时押注游戏与 3D 内容生产，这条赛道的热度又上了一个台阶。

腾讯这次走的是开源路线。HY-World 2.0 是一个多模态世界模型，支持文字、图片、视频三种输入方式，自动生成、重建和模拟 3D 世界。

和上一代混元世界模型 1.5（以及谷歌 Genie 3）最大的区别在于：不再只输出视频文件，而是直接生成可二次编辑的 3D 资产。输出格式包括 Mesh、3D 高斯泼溅（3DGS）和点云，并且可以无缝导入 Unity、UE 等主流游戏引擎。

底层架构有几个值得关注的点：

WorldMirror 2.0：支持任意尺寸图像与视频输入，一次性预测密集点云、多视角深度图、表面法线及相机参数。不需要精确的相机元数据，模型通过端到端隐式学习自己学会空间映射。
空间 Agent：结合 VLM 与游戏引擎常用的 navmesh 表征，让模型理解空间语义并智能规划漫游轨迹，覆盖场景中最有价值的区域，同时避免穿墙。
HY-WorldStereo：自研的新视角生成（NVS）模型，精确的相机控制 + 细粒度视觉细节保持 + 空间一致性记忆机制，确保生成区域与已有区域在几何和视觉上完美衔接。

实际应用场景上，除了文字/图片一键生成 3D 空间外，还支持"角色模式"——用户可以操作角色在场景中自由探索，带物理碰撞。数字孪生方面，输入真实空间视频或多视角图片就能构建高精度孪生场景，适用于室内装修预览、城市规划、文化遗产保护等。

AI 3D 世界模型对比

阿里的 Happy Oyster 目前公开信息较少。根据 Bloomberg 报道，这是一个可以生成 3D 环境和可交互视频的世界模型，面向游戏开发、电影和电视剧制作。

产品官网 happyoyster.cn 提供了文档入口，但截至发稿时访问不稳定，具体的技术架构和输出格式尚不明确。从 Bloomberg 的描述来看，定位与腾讯混元 2.0 高度重合——都是冲着游戏和影视内容生产管线去的。

两家大厂同日发布 3D 世界模型，有几个值得注意的趋势：

1. 输出格式从视频到资产。 2025 年的世界模型主流产品还在"生成一段好看的视频"阶段，2026 年已经开始卷"导出 Mesh 进引擎做关卡"了。这个跨越比预期快得多。

2. 开源成为竞争手段。 腾讯选择开源 HY-World 2.0（代码在 GitHub 上已放出），这和混元系列一贯的策略一致。在 3D 生成赛道还在早期的时候，用开源抢占开发者心智是合理的。

3. 游戏是第一个可商业化的场景。 两家都明确把游戏开发作为主要应用场景。相比影视制作的长周期和高壁垒，游戏关卡原型生成是一个更短链路、更容易验证商业价值的方向。

3D 内容生成从"技术 demo"走向"生产工具"的拐点，可能比大多数人想的更近。