大家是否有这样的感觉？给定几张场景中拍摄的图片，往往能够在脑海中想象出这个场景的三维布局，然而当前的多模态大模型还停留于纯文本或者 2D 视觉的推理表示，限制了图像中隐含几何结构的表达能力。
据我们了解，宋亚宸创办的通用人工智能公司 VAST 近期完成了 5000 万美元 A 轮融资，领投方为阿里和上汽，元禾璞华、BV 百度风投、东方嘉富跟投，老股东春华创投和北京市人工智能产业投资基金也在继续加注。
机器之心编辑部 近日，一款名为 StoryWorld 的 iOS 产品 Demo 在海外开发者与 3D 创作者社区引发关注：用户只需用手机摄像头对准真实空间，通过语音输入描述，即可生成 3D 角色与物
通用人工智能公司 VAST 今日宣布完成 5000 万美元 A 轮融资。本轮融资由阿里、恒旭资本联合领投，元禾璞华、BV 百度风投、东方嘉富等跟投，形成覆盖顶级资本、产业巨头、知名战投的全方位赋能格局。
现在， Gemini 3 Deep Think 看一眼照片，就能脑补全这张锅在各个角度的长宽高、厚度甚至把手的弧度，直接变出一个立体实物原型。
英伟达新论文让AI学会先盖房、再装修。
过去一年，AI的主战场几乎被大模型、生图和生视频占满。2026年伊始，市场终于开始把目光投向一个更难、也更关键的领域：3D生成。
周末看到一个好玩的东西。 3D领域的NanoBanana也来了。 中间有一句比较重要的功能，是我觉得非常有意思的： 可以通过提示进行局部编辑。 玩过NanoBanana的肯定很熟了。 算了补全了一块有
IDEA研究院张磊团队与香港科技大学谭平团队联合推出SceneMaker框架，有望攻克这一问题。 它以视启未来的万物检测模型DINO-X与光影焕像的万物3D生成模型Triverse为基础，实现了从任意开放世界图像（室内/室外/合成图等）到带Mesh的3D场景的完整重建。
2025年，风光无限的机器人们在Demo中大秀绝活，从叠衣服、工厂和物流站分拣包裹，到零售店卖货……它们忙碌的身影存在于各种各样的场景中。但回到现实世界，具身智能真正参与的生活和生产环节，却少之又少。
