「トップクラスのAAAタイトルで使用されてきた高精細な古建築のスキャンデータは、近い将来、AIによって一部置き換えられることになるだろう」。「新モデルのリリース後、当社のサブスクリプションユーザー数とARRの前月比成長率は4倍に跳ね上がった」。「現在、最大のゲーム会社クライアントからは、年間100万ドルの支払いを受けている」。
先日、「茶館君」は影眸科技の上海オフィスに招待され、同社が先日発表した最新のAI 3Dモデル「Rodin Gen-2.5」のデモンストレーションを見学し、同社の共同創業者であるCEOの呉迪氏とCTOの張啓煊氏と深く意見交換を行いました。そこで、上記の対談が生まれました。
今年のGDC期間中、影眸科技のブース
年初から、当サイトはゲームの3D生成分野におけるAIの進展を注視し続けてきました。その理由は、少し奇妙に聞こえるかもしれませんが、その進化のペースが「遅すぎる」からです。
ご覧の通り、Claude Code、Codex、Seedance、Sunoといったツールが次々と成熟するにつれ、AIはすでにゲーム業界のあらゆる職種における日常業務のあり方をほぼ一変させてしまいました。2Dグラフィック、コピーライティング、プログラミング、さらにはユーザー獲得広告に至るまで、すべてが程度の差こそあれ、変革の真っ只中にあります。
ただ、3Dアートだけは、AIの分野が着実に前進する中で、一貫して「抜け穴」のような存在であり続けてきた。数ヶ月前、私が美術関係の友人とこの分野について話した際、最先端のAIツールの多くは依然として「プレビューはできるが、納品には使えない」という状態に留まっていた――AIが生成したモデルをステージのホワイトモデルに配置して効果を確認したり、2Dコンセプトを3Dモデリングに変換する際の大まかな参考として使ったりする程度だった。当時、AI生成モデルはまだ実用化のハードルを越えておらず、その後のトポロジー調整、UV展開、ウェイトの割り当てといった真の「骨の折れる作業」は、依然として美術スタッフが自ら手掛ける必要がありました。
これこそが、AI 3Dが業界を最も悩ませている点でもある。一見するとゲームに非常に近いように見えるが、実際に開発パイプラインに組み込まれると、いつもあと一歩及ばないのだ。
そして今、このギャップを埋めようとしている人々がいます。中国国内でAI 3D分野に深く取り組むトップ企業の一つである影眸科技は、このほど数億元規模の新たな資金調達を完了しました。今回の資金調達は、凱輝基金と上海国投先導がリードインベスターを務め、既存株主も引き続き出資しました。同社は「ワールドモデル」や「エンボディド・インテリジェンス」といった壮大な物語を意図的に語るのではなく、十分に実用的なツールセットの開発に注力している。つまり、AI 3D制作のワークフロー全体を閉ループ化し、垂直分野における実際の生産ニーズを段階的に徹底的に掘り下げていくのだ。こうして、ARR（年間反復収益）は数千万米ドルに達した。
特にRodin Gen-2.5の実際の成果を見て、このツールが掲げる「世界初の1000万面規模の超高精度生成」「12K高解像度マテリアル」「ネイティブ3Dテクスチャ」といった特徴は、ゲームの3Dモデリングワークフローにおいて、すでに十分に重要な役割を果たせるようになっていると感じました。
ひょっとすると、ゲームの3Dパイプラインが他の分野と同様にAIによって体系的に刷新されるまで、あと1回か2回の重要なイテレーションしか残されていないのかもしれない？
01
3Dゲームの第一歩は、ついに確かなものになったのか？
それ以前、外部から影眸科技に対して抱かれていた印象は「技術派」というものだった――同社は上海科技大学の研究室から生まれたスタートアップであり、国際的なグラフィックス分野のトップカンファレンスであるSIGGRAPHで、長年にわたり最優秀論文賞やノミネートを獲得し続けており、アルゴリズムチームのメンバーのうち2人に1人が最優秀論文賞を受賞またはノミネートされた経験を持つ。さらに、現在AI 3D業界で広く採用されている3Dネイティブ生成フレームワーク「CLAY」は、もともと2024年に影眸科技によって提唱されたものであり、同社は業界全体の発展における転換点を切り拓いた存在である。
会社を設立して以来、彼らは一貫して学術界から産業界へと歩みを進めてきた。今年に入り、UnityがGDCで「Unity AI Beta」を実演したり、NetEaseが『蛋仔派对』や『燕云十六声』においてUGC向けのリアルタイムアセット生成を実現したり、さらにはNVIDIAの創業者である黄仁勲氏がCESでロボットをテーマにした基調講演を行う際にも、いずれも影眸の「Hyper3D Rodin」モデルが直接使用された。呉迪氏によると、現在、影眸の数千万ドル規模の年間ARRのうち、約半分はBtoBの大口顧客によるもので、更新率はほぼ100％に達しているという。
さて、このようなチームが生み出した最新作「Rodin Gen-2.5」には、一体どのような見どころがあるのだろうか？その性能を直接見てみよう。
参考画像を1枚アップロードすれば、数秒から数十秒という制御可能な時間でモデルを生成できます。全体の構造やプロポーションは安定しており、形が崩れにくく、カートゥーン、ファンタジー、写実など、さまざまなスタイルをうまく表現できます。また、従来のAI 3Dモデルとの最大の違いは、モデルを最大サイズに拡大してじっくりと観察しても、不自然な部分を見つけにくい点にあります。
鞄の牛革の模様、顔の産毛やシワ、さらには虹彩のような微細な構造までもが、はっきりと確認できる。硬い表面は十分に硬く、柔らかくなったようなエッジやぼやけた線はほとんど見られない――この、まるで人工的に精巧に彫り上げられたかのような精度は、モデルレベルに直接反映されている。少なくとも見た目の印象としては、かつての「遠くから見ればまあまあだが、近くで見ると崩れている」ようなAI 3Dモデルとは明らかに一線を画している。
張啓煊氏は、これがRodin Gen-2.5の最高レベルである「Extreme-High」と「Micro」マイクロモードを組み合わせて生成された結果であると説明した。モデル全体の生成時間は約80秒で、精度は1,000万ポリゴンに達し、現時点で世界トップクラスの水準にある。同時に、5段階の精度生成オプションも提供されている。これは、言語大モデルの思考深度の違いと同様に、可変トークンと生成時間の違いを通じて、異なる精度やポリゴン数のモデルを出力するもので、最低レベルのモデルであればわずか4秒で100万ポリゴン級のモデルを高速生成できる。
「Extreme-High」はハイリアリズムなシーン向けであり、その他のレベルは、スタイリッシュなカートゥーンモデル、小型オブジェクト、UGCプレビューなど、より幅広いニーズに対応しており、ユーザーは制作シーンに応じて自由に選択できます。これは、AI 3Dがプロ向けツールへと進化する上で重要な変化と言えます。モデルはもはや単一の次元における「より鮮明さ」だけを追求するのではなく、選択権をクリエイターに委ねるようになったのです。
Gen-2.5のもう1つの新機能は、3D生成モデルの能力における弱点を補うものであり、3Dネイティブ生成に基づく外観生成モデルを初めて搭載した。
従来、AIモデルを用いたマテリアル生成において、一般的な手法は投影法、すなわち多角度から撮影した写真を合成してマテリアルテクスチャを作成する方法でしたが、これには明らかな欠点があります。具体的には、色の不連続、PBRマテリアルの不正確さ、窪んだ部分の光が当たらないこと、異なるマテリアル間の色の混ざりやすさなどが挙げられます。例えば、髪の毛の色が肌に移ってしまったり、金属の質感が通常の拡散反射と誤判定されたりすると、モデルを後処理でそのまま使用できなくなる可能性があります。
「影眸」は、独自の新しい外観モデルを学習させた。張啓煊氏によると、その難易度は、画像生成モデルをゼロから学習させるのとほぼ同等だが、その見返りとして、テクスチャとモデルの整合性が高まり、材質の品質もより安定している。金属、木材、皮革の異なる光沢はもちろん、材質上のロゴや文字までもが、比較的正確に生成できるようになった。
超高精度とネイティブテクスチャの組み合わせによって実現された効果は、実は非常に明確なメッセージを伝えています。すなわち、Hyper3D RodinのようなAIモデルは、すでに生成品質の基準線を越え、単に「本物らしく生成する」という段階を通り越して、特定の場面で実際に活用可能なアセットを生み出せるようになっているのです。
ゲームの3Dパイプラインは、多くの場合、ハイポリゴンモデルを起点としています。100万面、さらには1000万面にも及ぶハイポリゴンモデルは、リトポロジー、UV展開、ポリゴン削減、パーツ分割、ベイクといった一連の工程を経て、最終的にゲーム内で動作可能な形態となります。張啓煊氏によると、影眸の顧客の中には、中小規模の企業で低ポリゴンモデルを最終的なゲーム製品に直接使用しているところもある一方、国内外の多くのゲームスタジオでは、すでに高ポリゴンモデルの段階でRodin Gen-2.5を採用しているという。
以前は彫刻家が数日、あるいは数週間かけて丹念に彫り上げていた大型の模型も、今では数分で複数のバージョンを繰り返し作成し、その中から最良のものを選んで後工程に回すことができるようになった。
もちろん、「コスト削減と効率化」はAI分野ではもはやお決まりの話題だ。それに対して、Rodin Gen-2.5のより重要な意義は、ゲーム制作パイプラインにおいて、AI 3Dモデルが「利用不可」から「部分的に利用可能」へと飛躍を遂げた点にあると私は考えている。
例えば、記事の冒頭で触れた張啓煊氏の分析によると、『黒神話：悟空』で使用されているスキャンアセットの一部は、将来的にはAIによって効率的に生成され、ある程度は代替されるようになるだろう。Rodin Gen-2.5のようなモデルのおかげで、高精度のアセットを利用する機会は、業界のごく一部の人々から、より多くの中小チームや一般の開発者へと広がる可能性がある。
さらに、影眸はもともと3Dスキャン分野の専門家である。同社が当時初めて開発した技術成果である「ドーム型光場」は、現在では世界の映像・ゲーム業界において、成熟した商用3Dキャプチャソリューションとなっている。まもなくリリースされる、期待値が極めて高いある国産3A級大作では、ドームライトフィールドで撮影されたキャラクターの顔モデル一式が採用されている。そのため、彼らはその技術の真価を熟知しているのだ。
一方で、1000万ポリゴンの高解像度モデルをそのままゲームに組み込むことは不可能ですが、高解像度モデル段階での生成品質を十分に高めることは、実際にはパイプライン全体のその後の工程に新たな可能性を切り開くことにもなります。
例えば、ハイポリゴン段階ではポリゴン数を1000万以上まで増やすことで初めて、毛髪、重ね着した布地、建築物の彫刻などの複雑な要素をAIモデル内で鮮明に表現できるようになり、AIが真にAAA級の高精細で写実的なアセットの生成に踏み込むことができるようになります。また、呉迪氏が紹介したように、ユーザーはRodin Gen-2.5を使用して、ハイポリゴンモデルの表面にある高解像度のマテリアルを、ローポリゴンモデルに変換した後に法線マップとしてベイクすることで、低いパフォーマンス消費で高い視覚的クオリティを実現できます。モデル自体の能力がさらに高いレベルに到達すれば、最終アセットを直接生成しなくても、その後のローポリゴン制作やディテールの補完にかかる時間を削減できます。ハイポリゴン生成はゴールではなく、AI 3Dがゲーム制作のワークフローに参入するための第一歩に過ぎません。
これは、ハイポリゴン段階でモデルの形状を正確に保ち、テクスチャの品質を3Dネイティブレベルまで引き上げることが、AI 3Dモデルの従来の課題への対応である理由も説明しています。生成品質が基準に達していないと、その後の一連の手作業による修正プロセスに多大な影響を及ぼしてしまうからです。テクスチャの色、影、ハイライト、汚れ、材質のディテールがすべて1枚の画像に混在していると、テクスチャアーティストはきれいに調整することが困難になります。また、モデルのポリゴン配線が乱雑すぎると、結局は手作業で作り直した方がましになる可能性さえあります。
そして、これは実は業界が最も関心を寄せている問題、すなわち「AIによる3Dモデリングは、いつになったら真に『Production-Ready（実運用可能）』となるのか？」という問いへとつながるのです。
02
「生産」という川を渡る
そして、これは実は影眸が最も気にかけている問題でもある。
呉迪はある経験を語った。かつて影眸が第一世代のドーム型光場を開発した際、その照明効果にはかなりの自信を持っていたが、実験室のデータ形式が映像産業の標準と互換性がなく、結局どの企業からも採用されなかったという。呉迪氏によると、この痛ましい教訓をきっかけに、彼らは「Production-Ready」を企業理念に盛り込んだという。研究開発と産業は川の両岸にあり、川を渡る過程で水に落ちたり、水を飲み込んだりする可能性もあるため、常に畏敬の念を持って臨まなければならない。その後、Hyper3D Rodinの開発にあたっては、顧客から直接リアルなフィードバックを受け取り、それに基づいて製品を改良し続けてきた。
彼らはゲーム会社のクライアントのニーズを次のようにまとめました。「高ポリゴン化を進めるには、表面により正確で有用なディテールを生成させる必要があります。ゲームの最終段階に近づくにつれて、良好なトポロジー構造、コーナー部分での正確な配線、UV展開の効率化、PBRマテリアルのレイヤー分け、適切なパーツ分割が必要となる――これらはすべて、（ゲーム会社という）クライアントから私たちに伝えられた考え方だ。」
とはいえ、Hyper3Dがサービスを提供しているのはゲーム業界だけではありません。3Dプリントではモデルの気密性が重視され、工業デザインではフォーマット、寸法、規格が重視され、映画・テレビの特殊効果では材質、精度、パイプラインへの適合性について独自の要件が求められます。これらを総合すると、あらゆる側面を網羅するのは非常に難しい課題となります。
Hyper3Dの核心となるコンセプトは、「制御性」を軸にプロ向けの3D制作にアプローチし、プロユーザーが自ら「制作準備完了（Production-Ready）」の状態を定義できるようにすること、そしてそのニーズをRodinのモデル生成インターフェースにある各種プリセットに反映させることです。
コンシューマー向けAI製品が「ワンクリックで画像生成」を追求しているとするなら、プロ向けAI 3D製品において最も重要なのは、むしろユーザーが「手を加える」余地を十分に確保することである。
Hyper3Dが今年リリースした「3D編集」機能は、同社がいかに制御性を重視しているかを如実に示す好例です。モデル生成後、ユーザーが特定の部分に不満がある場合、その部分を直接選択して、その部分だけを再生成することができます。これにより、わずかな欠陥のために何度も「再生成」を繰り返す必要がなくなります。
部分編集の指示：「車のフロント部分をスポーツカーに変えてください」
張啓煊氏と呉迪氏は誇らしげにこう語る。「この技術に追いつける業界の製品は、現時点ではまだ存在しない。Hyper3Dチームがこれを克服できたのは、3D AI大規模モデル企業の中で初めて『3D ControlNet』という制御可能な生成アーキテクチャを提唱し、現在もこれを掌握している数少ないチームだからだ。」実質的に、この技術が解決しようとしているのは生成の一貫性の問題、すなわち、局所的な修正を行うと同時に、他の部分が変化しないように確保することである。
同時に、これには3Dモデル自体が、画像やテキストと同様にモデル入力として扱えることが求められます。これを実現するために必要な3D理解エンジンは、彼らが以前、BANGのパーツ生成機能を開発していた際に蓄積した技術に基づいています。また、Hyper3DがRodin Gen-2.5において業界をリードする外観モデルを提供できたのも、ドームライトフィールドがマテリアルスキャン分野で長年にわたり蓄積してきたノウハウと密接に関連しています。
BANGのパーツ
影眸が、自社の最大の強み――研究開発への注力や最先端研究への取り組み――を巧みに活用し、独創的な技術成果を生み出し、それを3Dモデル生産の根本的な課題に還元していることは明らかだ。こうした技術は雪だるま式に蓄積され、長期的にはレバレッジ効果を生み出し、実際の生産現場でのサービス提供において、さらなる収益向上をもたらしている。
張啓煊氏は、同社は現在、生成前の制御、生成中の制御、生成後の制御までを網羅した3D大規模モデル製品を提供できる数少ないチームの一つである可能性があると述べた。まさにその理由から、プロフェッショナルな有料ユーザーは、このモデルを深く掘り下げ、自分に最適な設定を見つけ出そうとするのだ。
外部から見て取れるのは、素材や精度という課題を克服したことを皮切りに、Rodin Gen-2以降、影眸科技が「スマート・ローポリ（Smart Lowpoly）」などの機能を段階的に模索しているという点だ。明らかに、同社は将来のHyper3D Rodinシリーズモデルが、ゲームなどのリアルタイム3Dシーンの開発者に対し、今後も継続的に貢献できることを望んでいる。
同一モデルをインテリジェントなローポリ処理でポリゴン数を削減した後の比較
Redditなどのフォーラムでのユーザーからのフィードバックを見る限り、これらの機能によって現在生成されるローポリゴンモデルの品質は、すでに十分に実用的なレベルに達している。Hyper3D Rodinでさえ「納品時課金」という方式を採用しており、ユーザーが満足するまで、モデルの再生成や部分的な編集を無料で依頼できる。
また、Hyper3D RodinプラグインをBlender、Unreal、Unity、Godotなど、主要な3Dソフトウェアのほとんどに統合し、クリエイターが専門ソフト内でワンクリックでアセットを呼び出せるようにしたほか、Hyper3D Rodinを使って他のAIプラットフォームで生成されたモデルを編集することも可能にした。こうした取り組みの背景には、すべて同じ目的があります。それは、Hyper3D Rodinを実際の制作現場により深く浸透させることです。
もちろん、呉迪氏と張啓煊氏も、現在直面しているいくつかの課題について率直に語っている。例えば、RodinはUV展開などの面でまだ完全には克服されておらず、モデルのトポロジカル配線は、高品質なコンテンツ型ゲームにとっては依然として精緻さに欠ける。その背景には多くの要因があり、実際のゲームプロジェクトにおける高品質なデータの不足という問題もあれば、3Dモデル自体が画像やテキストよりもはるかに複雑であるという特性もある。
しかし、両者とも、パーツ分け、材質、トポロジー、UVといった、どのゲーム会社でも共通して求められる要件は、必然的に開発の優先順位の上位に位置づけられるという点で意見が一致した。
これらの機能は、モデルが高精度モデルから完成品へと至る「最後の1キロ」のように見えますが、実際にはAI 3Dがゲーム開発の全プロセスを一貫してカバーできるかどうかに深く関わっており、この分野において今後1～2年で最も注目すべき進展でもあります。
03
未来へ
インタビューの最後には、3D生成分野全体の現状について、2人の創業者と話し合いました。
私の印象では、AI 3D生成分野全体はまるでタイムカプセルのようで、2024年前後のLLM（大規模言語モデル）が急速に発展していた時期を絶えず思い起こさせます。当時は、スケーリング・ローや事前学習パラメータ数が熱く議論され、基盤モデル自体がまだボトルネックに達しておらず、モデルの能力向上はユーザー体験に直接的な向上をもたらしていました。製品化に向けた次の段階の競争はまだ本格化していないが、Rodin Gen-2.5の生成能力における進歩は、AI 3Dがパイプラインのより深い部分へと浸透するのを著しく後押ししている。
これに対し、呉迪氏も独自の判断を持っている。今回の新たな資金調達により、影眸は新たな原動力を得て、より集中的な研究開発に取り組むことができるようになった。呉迪氏の予測によれば、3年後のHyper3Dは依然として専門分野に焦点を当てている可能性が高いという。今後1～2年間、同社は主に2つのことに注力する。1つは、基盤となるモデルの生成品質をさらに向上させること。もう1つは、将来の「Hyper3D Rodin」において、編集機能やエージェント化などの機能を拡張し、専門分野でのモデルの利便性を高めると同時に、Rodinを生産・製造向けの戦略的モデル施設に統合できるようにすることである。
とはいえ、これは予想外に率直な答えでもあった。何しろ世界中で、AI 3Dに関連するチームの多くは、投資家を惹きつけやすい流行語――「ワールドモデル」「次世代UGCインタラクティブエコシステムの基盤」「3Dコンテンツプラットフォーム」――に傾倒しているのだから……しかし、張啓煊氏は率直にこう語る。「もちろんワールドモデルには興味があるが、チーム全員が技術者出身であるため、この概念に対してより深い敬意を抱いているのだ」と。
下半期には、影眸会がシーンレベルの生成モデルを発表する予定だ。しかし現段階では、このモデルは呉迪が提唱する「世界モデル」の厳密な定義――操作可能であり、身体化された知能の制御に役立ち、かつ世界全体を真に理解している――にはまだ満たされていない。とはいえ、彼らはこうした技術が、将来的に世界モデルや身体化された知能へと至る重要な基盤になると確信している。
したがって、当面の間、影眸のビジョンは依然として明確です。それは、プロの3Dクリエイターのためのツールを磨き上げ続けることです。彼らが目指すのは、モデラーが手にするツールをさらに鋭くすることです。
これは、ゲーム業界においてAI 3Dがたどる最も現実的かつ期待の持てる道筋であるかもしれない。
この技術は、最初から3Dパイプライン全体を根本から覆す必要はなく、熟練したモデラーの仕事をすぐにすべて代替するわけでもない。さらに重要なのは、この技術が、最も初期の段階であり、最も反復的で、最も時間のかかる工程から着手し、人々が重労働から少しずつ解放されるよう促し、クリエイターが審美眼、判断力、表現そのものに、より多くのエネルギーを注げるようにしている点である。
ゲーム業界にとって、3D制作は長きにわたり、深く狭い川のような存在だった。かつては、十分な資金、チーム、経験を兼ね備えたごく一部の企業だけが、より高品質という対岸へと確実にたどり着くことができた。そして、AI 3Dに真に期待すべき点は、おそらく、この川にかかる橋を静かに広げつつあることにあるのだろう。
より多くの中小チームや独立系開発者、さらには一般のクリエイターが、より低コストで高品質な3Dアセットを利用できるようになれば、ゲームの世界における想像力も、実際に形になる機会がさらに増えるでしょう。
原创文章，作者：游茶妹儿，禁止转载：https://youxichaguan.com/ja/archives/218214
