La era del trabajo físico en la creación de videojuegos está llegando a su fin gracias a la IA 3D

En el último año y pico, los avances en IA han sido tan rápidos que casi superan lo imaginable.

Especialmente en lo que respecta a la programación, la tarea de escribir código se está redefiniendo. Incluso los principiantes que no saben programar pueden expresar una idea a la IA para que, en cuestión de minutos, genere una página web, cree un pequeño juego e incluso solucione de paso los errores que se produzcan.

En lo que respecta al código, los agentes de IA ya se han infiltrado en prácticamente todos los aspectos del desarrollo de videojuegos. Sin embargo, en la otra vertiente de la creación —el arte 3D— sigue habiendo un umbral de acceso bastante elevado.La IA es capaz de dibujar y generar vídeos, pero cuando se necesita un modelo 3D que se pueda integrar en el motor, al que se le puedan asignar esqueletos y que se mueva de verdad en el juego, suele quedarse atascada.

Un modelo 3D atractivo y un modelo 3D funcional son dos cosas distintas. Este último no es solo una simple imagen visual, sino un conjunto de estructuras espaciales que hay que comprender. La forma en que se disponen los cientos de miles de puntos, cómo se unen para formar superficies y si el trazado de las líneas es razonable son factores que determinan directamente si se puede editar, si se puede vincular y si el motor puede renderizarlo.

En los últimos tres años, la IA ha logrado avances rápidos y sucesivos en el ámbito de las imágenes, los vídeos y el código, pero el 3D ha sido siempre, según la opinión general, el eslabón más difícil de superar. Sin embargo, en los últimos seis meses, el ritmo al que se está superando este gran obstáculo se ha acelerado notablemente.

El 1 de septiembre, VAST, una empresa dedicada a los grandes modelos de IA en 3D, anunció que había completado las rondas de financiación B y B+, por un importe total de unos 3.000 millones de yuanes, con Matrix Partners como inversor principal. Si se suman las rondas anteriores, esta empresa, fundada hace tan solo tres años, ha recaudado un total de unos 5.000 millones de yuanes en menos de medio año.

La lista de inversores también merece una atención especial: en los últimos seis meses, varias empresas de videojuegos han aparecido de forma masiva en la lista de accionistas de esta empresa de IA 3D, entre ellas 4399, Tanwan y Giant Network en la ronda A3, y Perfect World, 37 Interactive Entertainment y Yanqu Games en las rondas B y B+.No es habitual que el capital del sector de los videojuegos apueste de forma tan concentrada por una empresa tecnológica de la fase inicial.

Junto con la ronda de financiación, también se ha presentado la última versión (P2.0) de Tripo, el gran modelo 3D de VAST. Se trata del primer modelo base 3D de IA del mundo que implementa de forma nativa una topología de caras cuadrangulares. Tras hablar con un experto en TA que ha probado brevemente el nuevo modelo, tengo la sensación de que el panorama de la IA 3D podría estar a punto de dar un giro radical.

01

Antes de la versión P2.0, ¿por qué siempre había que recurrir a alguien para que «limpiara los desastres» de la IA?

Para explicar con claridad en qué se diferencia este nuevo modelo, hay que volver primero a una cuestión fundamental: ¿cómo se crean realmente los recursos 3D de un videojuego y dónde suelen surgir los problemas?

Tomemos como ejemplo un personaje 3D de un videojuego; el proceso de creación habitual es una cadena de montaje:

En primer lugar, se realizan los bocetos originales para definir el diseño y el estilo; a continuación, se crea un modelo de alta resolución con un gran nivel de detalle y un número muy elevado de polígonos, que se utiliza para esculpir la forma;luego viene un paso clave: la retopología, que consiste en convertir el modelo de alta resolución en uno de media y baja resolución, reorganizando esas cientos de miles de polígonos dispersos y sin estructura para crear un modelo con un trazado ordenado; a continuación, se realiza el desdoblamiento UV, es decir, se despliega la superficie tridimensional como si se pelara una naranja para convertirla en un plano, con el fin de poder aplicar las texturas;luego se pintan los materiales de los mapas, se realiza el rigging, el skinning y la animación, y finalmente se importa al motor del juego.

Las líneas que se ven en el modelo blanco son el «mapeado de polígonos»: la disposición de las caras determina directamente si el modelo se puede editar, vincular y renderizar.

En este proceso, el contenido creativo y el coste de mano de obra no guardan ninguna proporción. El diseño, el modelado y la animación son las fases con mayor contenido creativo; por el contrario, la re-topología, el desdoblamiento UV, el binding y el skinning son, en su mayor parte, tareas de traducción y trabajo físico que apenas aportan nada nuevo, pero que dependen en gran medida de la experiencia, y son reconocidamente las fases más agotadoras.En especial, la re-topología: es el paso más caro, más tedioso y menos apreciado de todo el proceso, y realizarla manualmente para un solo activo suele llevar entre varias horas y varios días.

Lo peor de todo es que se atasca justo en medio del proceso de producción. Si hay algún problema con el cableado, en cuanto el animador se hace cargo del proyecto se nota el error, y entonces hay que dar marcha atrás en toda la cadena: modificar la topología, volver a aplicar los UV, volver a texturizar, volver a realizar el binding y volver a animar; se podría decir que un pequeño cambio afecta a todo el proceso.

El resultado es que los artistas más caros y destacados de un equipo tienen que dedicar mucho tiempo a realizar estas tareas repetitivas que, en realidad, deberían hacer las máquinas. Tanto el dinero como el tiempo se gastan en lo menos creativo, pero en lo que no admite errores.

Sin embargo, en los últimos años, los modelos generados por IA se han destacado precisamente en la tarea más sencilla y superficial de todo este proceso: crear modelos de alta resolución y definir la forma exterior; mientras que las tareas que realmente consumen tiempo y presupuesto —como la reestructuración topológica, el atado y la división— pueden incluso requerir más personal para realizar trabajos de corrección debido a que la malla no cumple los requisitos.

El problema radica en que los objetivos de las fases de modelado de alta resolución y de media-baja resolución no son los mismos.En los modelos de alta resolución se da más importancia al aspecto: los pliegues de la piel, los arañazos en la armadura… Cuantos más detalles, mejor. No supone un gran problema que el número de polígonos, el cableado o la topología sean un poco desordenados, ya que, en principio, no están pensados para su uso directo. Los modelos visuales de IA son, por naturaleza, muy eficaces a la hora de resolver cuestiones relacionadas con el parecido.

Los modelos de baja y media resolución son justo lo contrario de la topología pesada: no solo se busca que «se parezca», sino que «sea funcional»: el número de polígonos debe reducirse dentro del presupuesto, el cableado debe seguir la estructura y deben dejarse bucles en las articulaciones… Para ello, se sacrifica un poco la apariencia.Este es un paso que va de lo «visual» a lo «estructural», mientras que, en el pasado, la IA generaba el 3D considerándolo precisamente como «un gráfico con muchos puntos», por lo que solo había recorrido la primera mitad del camino.

Esto hace que, a menudo, sea necesario que una persona tenga que arreglar los errores de los modelos generados anteriormente. Para que la IA se integre realmente en el proceso de producción, solo hay un camino: conseguir que, en el momento mismo de la generación, genere directamente una estructura que cumpla con los estándares industriales.

El modelo P2.0, que genera directamente polígonos de cuatro lados, se ha creado precisamente para resolver este problema.

Personaje de estilo steampunk creado directamente en P2.0

Las caras cuadrangulares son el estándar que se ha utilizado en el cine, la televisión y los videojuegos durante décadas. La razón por la que se consideran un «estándar» no es que sean «superiores» a las caras triangulares, sino porque facilitan los procesos posteriores: permiten crear un trazado continuo más fácilmente, ofrecen resultados más predecibles al subdividir las superficies y son más adecuadas para la animación de personajes.Hasta ahora, la IA no podía generar polígonos de cuatro lados, ya que primero tenía que crear una malla desordenada y, a continuación, utilizar algoritmos para reestructurarla en polígonos de cuatro lados; esto equivalía a volver al paso más costoso y menos deseado de toda la cadena de producción, lo que suponía una pérdida de tiempo y de detalles.

Las caras de cuatro lados facilitan la creación de un trazado continuo, por lo que resultan más adecuadas para la animación de personajes.

La diferencia clave de P2.0 radica en que las caras de los cuatro lados no se modifican tras su generación, sino que surgen directamente durante el proceso de generación. Detrás de esto hay una larga trayectoria de acumulación tecnológica; cuentan con un marco de trabajo propio, el Nexus.La práctica habitual en el sector consiste en descomponer el modelo 3D en una secuencia, como si se escribiera una frase letra a letra, generando el modelo carácter a carácter; Nexus no sigue este enfoque de ordenar primero y escribir después, sino que genera primero el conjunto y luego completa los detalles.

En pocas palabras, lo que genera P2.0 ya no es un modelo desordenado, sino un activo industrial que se puede importar directamente al motor, editar y dividir; es decir, desde el momento de su generación, se salta el paso más caro y tedioso.

Introduce una ilustración original y obtén directamente un modelo de la cabeza del personaje con el trazado de las caras bien definido en los cuatro bordes.

Algunos desarrolladores han señalado que el tiempo que se ahorra solo con la reestructuración de la topología ya basta para amortizar la inversión. Por su parte, algunos artistas 3D han destacado que la versión P2.0 ofrece una mejora notable en los activos de superficies duras, como armas, vehículos y elementos arquitectónicos: las superficies son limpias, la densidad se ajusta con precisión a los detalles y los bordes son nítidos y definidos.

02

Para uso de las personas y también para uso de Agent

Hace un momento hablábamos de cómo las personas pueden sacar mayor partido a la generación 3D mediante IA. Sin embargo, en los procesos de desarrollo actuales, la IA está muy presente: escribir código, ajustar el motor y corregir errores en función de los resultados de ejecución son tareas que, en gran medida, realizan los agentes de IA en lugar de las personas. En muchas ocasiones, quien realmente invoca los modelos de generación 3D mediante IA no tiene por qué ser una persona, sino que también puede ser un agente.

Pero que el agente sea capaz de utilizar correctamente un modelo 3D es otra historia. Y es que la «comprensión» que el agente y las personas tienen de un modelo son dos cosas totalmente diferentes.

Por ejemplo, cuando una persona echa un vistazo a un modelo, sabe al instante que «esto es un pez y aquello es la cola», gracias a la vista y a la experiencia.Un agente es diferente: no tiene ojos, solo entiende código y bytes, y su conocimiento del modelo solo puede provenir de los datos contenidos en los archivos. Cuando un modelo se aplica a los datos, se convierte en un conjunto de coordenadas de vértices y formas geométricas, sin información semántica del tipo «qué parte es el pez y qué parte es la cola».

Así pues, el agente se enfrenta a un modelo, algo así como si tuviera en sus manos un libro sin índice ni títulos de capítulos, pero se le pidiera que revisara directamente un capítulo o un párrafo concreto, sin saber por dónde empezar.Existen algunas soluciones provisionales, como convertir el modelo 3D en código y pasárselo al agente, pero en el proceso de conversión se pierde información con facilidad y, si el número de caras es elevado, puede superar su capacidad de lectura.

Otra limitación es el ritmo de trabajo del agente. No genera el resultado de una sola vez, sino que sigue un ciclo rápido de «generación, revisión, modificación y nueva generación», algo parecido a cuando dos personas revisan un proyecto cara a cara, en rondas de unos minutos. Si cada vez que se genera algo hay que esperar mucho tiempo para que se realice una revisión y un etiquetado manuales, la eficiencia se viene abajo por completo.

Por eso, para que el agente utilice el 3D, hay una serie de requisitos estrictos que no tienen nada que ver con el aspecto del modelo: la topología debe ser limpia, para que pueda ver claramente la estructura y distinguir las piezas;el número de polígonos debe ser controlable y lo suficientemente ligero para que el renderizado en tiempo real en la página web pueda soportarlo; y lo que es más importante, el modelo debe poder descomponerse semánticamente en partes individuales: si se trata de una caja de piezas sin nombre, el agente no sabrá qué pieza debe coger ni qué lógica debe asignarle.

Las tres condiciones imprescindibles para que Agent pueda sacar el máximo partido a un modelo: topología limpia, número de caras controlable y división clara de las piezas.

Este es precisamente el problema que VAST está resolviendo. En concreto, ha logrado que el último punto —«las piezas tengan nombre»— se pueda programar con precisión.

A medida que aumenta la precisión, también mejora el nivel de detalle de los componentes conectados (Connected Component) de los modelos 3D generados por Tripo P2.0, lo que hace que la división de los componentes sea más razonable y se ajuste mejor al significado.

El molino de viento se desmontó en piezas independientes etiquetadas semánticamente

En combinación con las caras nativas de cuatro aristas mencionadas anteriormente y la estimación directa del volumen en función del número de caras, VAST consigue realmente que los modelos generados en 3D sean compatibles con el agente.Las caras cuadrangulares dejan claros los límites de la estructura, de modo que el agente puede distinguir «qué es cada pieza»; el presupuesto de número de caras permite que los activos proporcionen directamente un volumen que se pueda ejecutar en la plataforma de destino; y la división semántica de piezas permite al agente nombrar las piezas, localizarlas en el código y escribir lógica de interacción a nivel de pieza.

Tomemos como ejemplo una demostración oficial: Cao Yanpei, científico jefe de VAST, generó una araña mecánica con P2.0 y, a continuación, hizo que un modelo de lenguaje grande nombrara cada componente por separado, escribiera y depurara la lógica de movimiento, logrando así el control de la animación de la araña componente por componente.

En manos de desarrolladores externos, estas capacidades ya se han materializado en productos finales que funcionan. Un desarrollador utilizó GPT y Tripo para crear una página web didáctica sobre los órganos del cuerpo humano en la que se puede interactuar: permite hacer clic, girar y explorar cada órgano. El trabajo fue compartido por Greg Brockman, cofundador de OpenAI.

Un modelo limpio y legible, junto con el hecho de que el propio Agent escriba el código y realice la verificación del renderizado. Es fácil imaginar que, en el futuro, la eficiencia en el desarrollo y la verificación de videojuegos probablemente aumentará en varios órdenes de magnitud.

03

Desde «Danzai Workshop» hasta la apuesta de los fabricantes

Las capacidades de los modelos 3D basados en IA están avanzando a un ritmo vertiginoso, y sus aplicaciones se están extendiendo progresivamente.

El 30 de julio, el «Taller de los huevos» de «Egg Party» incorporó la función de desmontaje de modelos 3D, cuya tecnología ha sido proporcionada por VAST.Al generar o seleccionar un modelo en el taller, basta con unos pocos pasos para dividirlo en varias piezas independientes, que se pueden mover, girar, escalar o eliminar por separado, así como combinar libremente con otros componentes.

El modelo generado se divide en componentes independientes con un solo clic, que se pueden mover, girar y escalar por separado.

Tras incorporar esta función, los modelos generados por IA ya no son un todo indivisible, sino que se convierten en elementos editables que se pueden modificar, reorganizar y utilizar por separado. Así, un castillo ya no aparece únicamente como tal: las murallas se pueden reorganizar para formar un laberinto en el que hay que encontrar la salida; las torres, distribuidas a diferentes alturas, pueden constituir un recorrido de parkour con saltos consecutivos.Antes, un modelo completo solo tenía un uso; al descomponerlo, se puede incorporar a más mapas y desempeñar más funciones.

Las demostraciones en el laboratorio son muy diferentes del entorno de producción, con más de 100 millones de usuarios activos al mes. Para el proveedor del modelo, el lanzamiento de esta función en DanZai supuso, además de la tecnología en sí misma, superar numerosos retos de ingeniería.DanZai cuenta con más de 100 millones de usuarios activos mensuales de forma estable, lo que implica un gran número de jugadores simultáneos, limitaciones de rendimiento en dispositivos móviles y la necesidad de volver a la página lo antes posible tras un clic; en este entorno, la IA debe superar al mismo tiempo el triple reto de la calidad, la velocidad y el coste.

En realidad, la colaboración entre VAST y NetEase viene de lejos. A principios de 2025, gracias a la API de Tripo, el juego «Yan Yun Shiliu Sheng» lanzó la función «Taichí de todas las cosas», que permitía a los jugadores generar objetos del juego con solo decir una frase;En septiembre de 2025, Tripo se integró en «Danzai Workshop», donde los jugadores, al subir una imagen de referencia e introducir instrucciones, podían obtener modelos de estilo cartoon que podían utilizar directamente para crear mapas; con el lanzamiento de esta función de desmontaje, la colaboración ha pasado de la «generación mediante IA» a la «edición mediante IA».A lo largo de estos años, cada paso se ha ido integrando cada vez más profundamente en el proceso de creación de juegos de NetEase.

Además, Tripo se está incorporando a los procesos de trabajo de un número cada vez mayor de empresas. Hasta ahora, ya ha prestado apoyo en todo el proceso, desde la generación de conceptos hasta el binding de animaciones, a varias de las principales empresas de videojuegos del mundo, lo que les ha permitido crear rápidamente activos de escenarios, validar prototipos de niveles y comparar diferentes opciones, con un aumento global de la eficiencia superior al 50 %.

Además de los productos, el capital también está entrando en escena. En los últimos seis meses, 4399, Tanwan, Giant Network, Perfect World, 37 Interactive Entertainment y Yanqu Games han adquirido sucesivamente participaciones en VAST.Los desarrolladores de videojuegos son uno de los principales sectores derivados de la IA 3D, y la convergencia simultánea de los sectores upstream y downstream suele indicar que la tecnología está pasando de ser simplemente «utilizable» a ser «práctica», y que los beneficios comerciales están pasando de ser cifras teóricas a convertirse en beneficios reales en la producción.

Final

En los últimos años, la competencia en el ámbito del 3D con IA ha pasado de centrarse en «qué resultados tan bonitos se pueden generar» a centrarse más bien en «si se puede aplicar a la producción», y VAST está acercando poco a poco la generación de 3D con IA a los estándares industriales del sector de los videojuegos.

Por supuesto, para integrar realmente la generación 3D con IA en las líneas de producción de la industria de los videojuegos, aún quedan muchos retos por resolver. Pero, tal y como mencionábamos al principio del artículo, tras los avances sucesivos en el ámbito de las imágenes, los vídeos y el código, el 3D podría ser el último escollo. Ahora, ese escollo parece estar empezando a ceder.

Para VAST, esto no es más que el principio; su objetivo a largo plazo es reducir el umbral para «crear un mundo» hasta el punto de que cualquiera pueda hacerlo. Quizá podamos esperar de verdad que, en el futuro, todo el mundo pueda crear su propio juego.