A era do trabalho físico na produção de jogos está a chegar ao fim graças à IA 3D

Ao longo do último ano e pouco, os avanços na IA têm sido tão rápidos que, por vezes, ultrapassam a imaginação.

Especialmente no que diz respeito à programação, a tarefa de escrever código está a ser redefinida. Mesmo quem não tem conhecimentos de programação pode simplesmente expressar uma ideia à IA, que, em poucos minutos, cria uma página web, desenvolve um pequeno jogo e, de passagem, corrige também os erros que possam surgir.

No que diz respeito ao código, o AI Agent já se infiltrou em praticamente todas as áreas do desenvolvimento de jogos. Mas no outro lado da criação — a arte 3D —, ainda existem barreiras consideráveis.A IA consegue desenhar e gerar vídeos, mas quando é necessário um modelo 3D que possa ser integrado no motor, ao qual se possam atribuir ossos e que se mova realmente no jogo, muitas vezes fica bloqueada.

Um modelo 3D bonito e um modelo 3D funcional são duas coisas diferentes. Este último não é apenas uma simples imagem visual, mas sim um conjunto de estruturas espaciais que precisam de ser compreendidas. A forma como centenas de milhares de pontos são dispostos, como se unem para formar superfícies e se o traçado é razoável determinam diretamente se o modelo pode ser editado, se pode ser vinculado e se pode ser renderizado pelo motor gráfico.

Nos últimos três anos, a IA tem alcançado avanços rápidos e sucessivos nas áreas da imagem, do vídeo e do código, mas o 3D tem sido, por unanimidade, considerado o desafio mais difícil de superar. No entanto, nos últimos seis meses, o ritmo a que este desafio está a ser superado acelerou-se significativamente.

A 1 de setembro, a VAST, empresa especializada em grandes modelos de IA 3D, anunciou ter concluído as rondas de financiamento B e B+, num total de cerca de 3 mil milhões de yuan, lideradas pela Matrix Partners. Contando com as rondas anteriores, esta empresa, fundada há apenas três anos, angariou um total de cerca de 5 mil milhões de yuan em menos de meio ano.

A lista de investidores também merece uma atenção especial. Nos últimos seis meses, várias empresas de jogos apareceram com frequência na lista de acionistas desta empresa de IA 3D, incluindo a 4399, a Tanwan e a Giant Network na ronda A3, e a Perfect World, a 37 Interactive Entertainment e a Yanqu Games nas rondas B e B+.Não é comum que o capital da indústria dos jogos aposte de forma tão concentrada numa empresa de tecnologia de nível superior.

A par do financiamento, foi também lançada a versão mais recente, a P2.0, do Tripo, o grande modelo 3D da VAST. Trata-se do primeiro modelo 3D de base de IA do mundo a implementar topologia nativa de faces quadrangulares. Depois de conversar com um especialista em TA que experimentou brevemente o novo modelo, fiquei com a sensação de que esta onda da IA 3D poderá realmente vir a mudar o panorama.

01

Antes do P2.0, por que é que era sempre preciso que alguém «limpassem a confusão» da IA?

Para explicar bem o que há de diferente neste novo modelo, é preciso voltar a uma questão fundamental: como é que os recursos 3D de um jogo são criados e onde é que surgem frequentemente os problemas?

Tomando como exemplo uma personagem 3D de um jogo, o processo de produção habitual consiste numa linha de produção:

Primeiro, a conceção do desenho original, para definir a forma e o estilo; depois, cria-se um modelo de alta resolução, repleto de detalhes e com um número extremamente elevado de polígonos, utilizado para esculpir a forma;depois, segue-se uma etapa crucial — a retopologia, que consiste em converter o modelo de alta resolução num modelo de média ou baixa resolução, reorganizando essas centenas de milhares de faces fragmentadas e sem estrutura num modelo com linhas de armarção ordenadas; em seguida, procede-se à projeção de UV, estendendo a superfície tridimensional como se descascasse uma tangerina, para aplicar as texturas;depois, pintam-se os materiais das texturas, faz-se o binding de ossos, o skinning e a animação, e, por fim, importa-se para o motor do jogo.

A estrutura de linhas no modelo branco é o «mapeamento de arestas»: a forma como as faces estão dispostas determina diretamente se o modelo pode ser editado, vinculado e renderizado.

Neste contexto, o nível de criatividade e os custos com mão-de-obra não correspondem de todo. A definição, a modelação e a animação são as etapas que exigem maior criatividade; por outro lado, as etapas de re-topologia, projeção de UV, ligação e skinning são, na sua maioria, trabalhos de tradução e de esforço físico, que quase não envolvem a criação de nada novo, mas dependem extremamente da experiência, sendo reconhecidas como as etapas mais desgastantes.Em especial a retopologia: é a etapa mais dispendiosa, mais suja e menos apreciada de todo o processo, sendo que a execução manual de um único recurso demora frequentemente entre várias horas e vários dias.

O pior de tudo é que fica preso mesmo no meio do processo de produção. Se houver algum problema na disposição das linhas, assim que o animador assumir o trabalho, a falha torna-se evidente, e é necessário recuar numa série de etapas: corrigir a topologia, refazer o UV, reaplicar as texturas, refazer o binding e refazer a animação; pode dizer-se que basta mexer numa coisa para que tudo seja afetado.

O resultado é que o artista mais caro e mais talentoso de uma equipa tem de dedicar muito tempo a estas tarefas repetitivas que, na verdade, deveriam ser realizadas por máquinas. Tanto o dinheiro como o tempo são gastos na parte menos criativa do trabalho, mas na qual não se pode cometer erros.

Nos últimos anos, os modelos gerados por IA têm-se revelado, precisamente, mais eficazes na tarefa mais fácil e superficial deste processo — a criação de modelos de alta resolução e o esboço da forma —, enquanto as tarefas que realmente consomem tempo e orçamento, como a reestruturação topológica, a ligação e a divisão, podem até exigir mais trabalho manual devido a malhas que não cumprem os requisitos.

O problema reside no facto de os objetivos das duas fases — o modelo de alta resolução e o modelo de média e baixa resolução — não serem os mesmos.A modelagem de alta resolução dá mais importância à aparência: rugas na pele, riscos na armadura… quanto mais detalhes, melhor. Não faz grande diferença se o número de polígonos, o armar e a topologia forem um pouco desorganizados, uma vez que não se destina a ser utilizada diretamente. Os modelos visuais de IA são, por natureza, especializados em resolver questões relacionadas com a semelhança.

Ao contrário dos modelos de baixa e média complexidade, a topologia pesada não visa apenas a «semelhança», mas sim a «funcionalidade»: o número de faces deve ser reduzido para caber no orçamento, o roteamento deve seguir a estrutura e devem ser reservados loops nas articulações… Para tal, é preferível sacrificar um pouco a aparência.Este é um passo da «visão» para a «estrutura», enquanto, no passado, a IA tratava o 3D precisamente como «um gráfico com muitos pontos» para a geração, tendo percorrido apenas a primeira metade do caminho.

Isto faz com que, muitas vezes, os modelos gerados anteriormente tenham de ser corrigidos manualmente. Para que a IA seja verdadeiramente integrada no fluxo de trabalho, só há um caminho: fazer com que, no momento da geração, ela produza diretamente uma estrutura que cumpra os padrões industriais.

O modelo P2.0, que gera diretamente faces quadrangulares, foi concebido precisamente para resolver este problema.

Personagem em estilo steampunk criado diretamente no P2.0

As faces quadrangulares são o padrão utilizado há décadas no cinema, na televisão e nos jogos. O facto de serem consideradas um «padrão» não significa que sejam «superiores» às faces triangulares, mas sim que são mais fáceis de trabalhar nas etapas subsequentes: facilitam a criação de um traçado contínuo, proporcionam resultados mais previsíveis na subdivisão de superfícies e são mais adequadas para a animação de personagens.Até agora, a IA não conseguia produzir polígonos de quatro lados, porque tinha de gerar primeiro uma malha desordenada e, em seguida, recorrer a algoritmos para reestruturar topologicamente a malha em polígonos de quatro lados — o que equivalia a voltar à etapa mais dispendiosa e menos apreciada de toda a linha de produção, sendo demorado e resultando na perda de detalhes.

As faces quadrangulares facilitam a criação de um traçado contínuo, sendo mais adequadas para a animação de personagens

A principal diferença do P2.0 reside no facto de as faces dos quatro lados não serem alteradas após a geração, mas sim surgirem diretamente durante o processo de geração. Por trás disto está um longo período de acumulação de conhecimento técnico; eles dispõem de uma estrutura Nexus desenvolvida internamente.A prática dominante no setor consiste em dividir o 3D numa sequência, tal como se escrevesse uma frase letra a letra, gerando-o caractere a caractere; o Nexus não segue esta abordagem de ordenar primeiro e depois escrever, mas sim gerar primeiro o todo e, em seguida, preencher as partes.

Em linguagem simples, o que o P2.0 gera já não é uma simples «pele» desorganizada, mas sim um recurso industrial que pode ser diretamente importado para o motor, editado e dividido; ou seja, desde o momento em que é gerado, já contorna a etapa mais cara e mais trabalhosa.

Introduza uma imagem original e obtenha diretamente um modelo da cabeça da personagem com linhas de contorno bem definidas nos quatro lados

Alguns programadores referiram que só a poupança de tempo com a reestruturação da topologia já compensa o investimento. Por sua vez, alguns artistas 3D salientaram que a versão P2.0 apresenta melhorias significativas em recursos de superfícies rígidas, como armas, veículos e elementos de cenário — as superfícies são limpas, a densidade corresponde com precisão aos detalhes e as arestas são nítidas e bem definidas.

02

Para uso humano e também para uso do Agent

Acabámos de falar sobre como as pessoas podem tirar melhor partido da geração 3D por IA. No entanto, nos atuais processos de desenvolvimento, a intervenção da IA é muito profunda: escrever código, ajustar o motor e corrigir erros com base nos resultados de execução são tarefas que, em grande parte, são realizadas por agentes de IA em vez de pessoas. Muitas vezes, quem realmente invoca os modelos de geração 3D por IA não é necessariamente uma pessoa, mas sim um agente.

Mas se o agente consegue ou não tirar partido de um modelo 3D, isso já é outra história. Porque a «compreensão» que o agente e as pessoas têm de um modelo são, na verdade, duas abordagens completamente diferentes.

Por exemplo, quando uma pessoa olha para um modelo, sabe imediatamente que «isto é um peixe e aquilo é a cauda», graças à visão e à experiência.O agente é diferente: não tem olhos, só compreende código e bytes, e o seu conhecimento do modelo provém exclusivamente dos dados contidos nos ficheiros. Quando um modelo é aplicado aos dados, reduz-se a um conjunto de coordenadas de vértices e formas geométricas, sem qualquer informação semântica do tipo «que parte é o peixe e que parte é a cauda».

Assim, o Agent depara-se com um modelo, um pouco como se tivesse nas mãos um livro sem índice nem títulos de capítulos, mas fosse obrigado a rever diretamente um determinado capítulo ou parágrafo, sem saber por onde começar.Existem algumas soluções provisórias, como converter o modelo 3D em código e, em seguida, fornecê-lo ao Agente, mas o processo de conversão pode facilmente resultar na perda de informação e, se o número de faces for elevado, pode facilmente exceder a sua capacidade de processamento.

Outra limitação é o ritmo de trabalho do Agent. Não se trata de uma geração única e definitiva, mas sim de um ciclo rápido de «geração, verificação, modificação e nova geração», um pouco como duas pessoas a reverem um plano frente a frente, com rondas de alguns minutos. Se, após cada geração, for necessário esperar muito tempo pela revisão e anotação manuais, a eficiência desmorona-se por completo.

Por isso, para que o Agent possa utilizar 3D, há, na verdade, uma série de requisitos obrigatórios que nada têm a ver com a aparência do modelo: a topologia tem de ser limpa, para que ele consiga ver claramente a estrutura e distinguir as peças;o número de faces tem de ser controlável e o modelo suficientemente leve para que a renderização em tempo real na página web consiga suportar o carga; e, mais importante ainda, o modelo tem de poder ser dividido em partes individuais com base na semântica — se for uma caixa de peças sem nomes, o Agente não saberá qual pegar nem que lógica lhe atribuir.

Três condições essenciais para que o Agent possa utilizar bem um modelo: topologia limpa, número de faces controlável e divisão clara em peças

Esta é também a questão que a VAST está a resolver. Em particular, conseguiu atingir um nível de precisão programável na última condição — «peças com nome».

À medida que a precisão aumenta, o nível de detalhe da divisão natural em componentes (Connected Component) dos modelos 3D gerados pelo Tripo P2.0 melhora em simultâneo, tornando a divisão dos componentes mais razoável e semântica.

O moinho de vento foi desmontado em peças individuais com etiquetas semânticas

Em combinação com as faces nativas de quatro lados mencionadas anteriormente e com o orçamento de volume baseado no número de faces, o VAST conseguiu realmente tornar os modelos gerados em 3D compatíveis com o Agent.As faces quadrangulares tornam os limites da estrutura claros, permitindo que o agente identifique «o que são as peças»; o orçamento de faces permite que os recursos apresentem diretamente o volume executável na plataforma de destino; e a divisão semântica de peças permite que o agente nomeie as peças, as localize no código e escreva lógica de interação ao nível das peças.

Tomemos como exemplo uma demonstração oficial: Cao Yanpei, cientista-chefe da VAST, utilizou o P2.0 para criar uma aranha robótica e, em seguida, pediu ao modelo de linguagem de grande escala que nomeasse cada componente individual, escrevesse e depurasse a lógica de movimento, permitindo assim o controlo da animação da aranha componente a componente.

Nas mãos de programadores externos, este conjunto de capacidades já foi transformado em vários produtos finais funcionais. Um programador utilizou o GPT e o Tripo para criar uma página web interativa de ensino sobre órgãos humanos — onde é possível clicar, rodar e explorar cada órgão —, cujo trabalho foi partilhado por Greg Brockman, cofundador da OpenAI.

Modelos limpos e legíveis, aliados ao facto de o Agent escrever o próprio código e realizar a verificação da renderização. É fácil imaginar que, no futuro, a eficiência do desenvolvimento e da verificação de jogos venha a aumentar em várias ordens de grandeza.

03

Da «Ovo Workshop» até ao investimento das empresas

As capacidades dos modelos 3D baseados em IA estão a evoluir rapidamente, e as respetivas aplicações estão a ser gradualmente implementadas.

A 30 de julho, a «Ovo-Fábrica» do «Egg Party» lançou a funcionalidade de desmontagem de modelos 3D, cuja tecnologia é fornecida pela VAST.Ao criar ou selecionar um modelo na «Ovo-Fábrica», é possível dividi-lo em várias peças independentes em apenas alguns passos, podendo estas ser movidas, rodadas, ampliadas ou reduzidas individualmente, bem como combinadas livremente com outros componentes.

O modelo gerado pode ser dividido em componentes independentes com um único clique, podendo ser movidos, rodados e ampliados individualmente

Com a introdução desta funcionalidade, os modelos gerados pela IA deixaram de ser um todo único, passando a ser elementos editáveis que podem ser alterados, reorganizados e utilizados individualmente. Assim, um castelo já não aparece apenas como um castelo: as muralhas, quando reorganizadas, podem formar um labirinto onde é necessário encontrar a saída; as torres, distribuídas a diferentes alturas, podem constituir um percurso de parkour com saltos consecutivos.Anteriormente, um modelo só tinha uma única utilidade; ao ser desmembrado, pode agora ser incorporado em mais mapas e desempenhar mais funções.

As demonstrações em laboratório são completamente diferentes do ambiente de produção com mais de 100 milhões de utilizadores ativos mensais. Para o fornecedor do modelo, o lançamento desta funcionalidade no «DanZai» implicou, para além da tecnologia em si, a superação de inúmeros desafios de engenharia.Com mais de 100 milhões de utilizadores ativos mensais estáveis, um número enorme de jogadores em simultâneo, restrições de desempenho nas aplicações móveis e a necessidade de um retorno rápido após um clique, as capacidades de IA têm de resistir simultaneamente a um triplo desafio de qualidade, velocidade e custo neste ambiente.

Na verdade, a colaboração entre a VAST e a NetEase já vem de longa data. No início de 2025, com base na API do Tripo, o jogo «Yan Yun Shiliu Sheng» lançou a funcionalidade «Wanwu Taiji», que permitia aos jogadores gerar itens de jogo a partir de uma frase;em setembro de 2025, o Tripo foi integrado ao «Danzai Workshop», permitindo que os jogadores, ao carregarem imagens de referência e introduzirem comandos, obtivessem modelos em estilo cartoon que podiam ser utilizados diretamente na construção de mapas; com o lançamento desta funcionalidade de desmontagem, a colaboração evoluiu da «geração por IA» para a «editação por IA».Ao longo destes anos, cada passo tem-se integrado cada vez mais profundamente no processo de criação de jogos da NetEase.

Além disso, o Tripo está a ser implementado nos fluxos de trabalho de um número cada vez maior de empresas. Até agora, já prestou apoio em toda a cadeia de trabalho — desde a geração de conceitos até ao binding de animações — a várias das principais empresas de jogos a nível mundial, para a criação rápida de recursos de cenários, a validação de protótipos de níveis e a comparação de várias opções, tendo proporcionado um aumento global da eficiência superior a 50%.

Para além dos produtos, o capital também está a entrar no mercado. Nos últimos seis meses, empresas como a 4399, a Tanwan, a Giant Network, a Perfect World, a 37 Interactive Entertainment e a Yanqu Games adquiriram, sucessivamente, participações na VAST.As empresas de jogos são um dos principais setores a jusante da IA 3D; quando os setores a montante e a jusante se cruzam num mesmo momento, isso significa frequentemente que a tecnologia está a passar de «utilizável» para «prática», e que o retorno comercial está a transformar-se de números no papel em benefícios reais na produção.

Conclusão

Nos últimos anos, a concorrência no campo da IA 3D passou de «quão bonitas são as imagens geradas» para «se é possível integrá-las na produção», e a VAST está, passo a passo, a aproximar a geração de IA 3D dos padrões industriais da indústria dos videojogos.

É claro que, para integrar verdadeiramente a geração 3D por IA na cadeia de produção da indústria dos videojogos, ainda há muitos desafios a superar. Mas, tal como referimos no início do artigo, depois de termos tomado a frente em imagens, vídeos e código, o 3D poderá ser o último obstáculo difícil de ultrapassar. Atualmente, esse obstáculo parece estar visivelmente a ceder.

Para a VAST, isto é apenas o começo; o seu objetivo a longo prazo é tornar o «criar um mundo» algo tão acessível que qualquer pessoa possa fazê-lo. Talvez possamos realmente esperar que, no futuro, todos possam criar o seu próprio jogo.