SpAItial 获 1300 万美元融资：用文字直接生成可交互的 3D 世界

现在的 AI 已经很会画图和做视频了。但如果你让它建一个真正能走进去、转动视角、看清光影材质的三维空间，它大概率只能给你一张看似有深度的平面贴图。

慕尼黑初创公司 SpAItial 想解决的就是这个短板。这家刚刚结束隐身模式的团队，拿到了 1300 万美元的种子轮融资，领投方是欧洲老牌风投 Earlybird。在欧洲早期创投市场里，只拿几个技术演示就拿到这种规模的种子轮，并不多见。

教 AI 像人一样理解三维空间

SpAItial 的创始人阵容很抢眼。领衔的是 AI 视频独角兽 Synthesia 的联合创始人、慕尼黑工业大学教授 Matthias Niessner。和他搭档的还有前 Google 3D 团队的 Ricardo Martin-Brualla，以及前 Meta 负责 3D 资产生成的 David Novotny。团队里还聚拢了 VoxGRAF 和 X-Fields 等早期神经渲染技术的几位论文作者。

他们把自己的核心技术称为「空间基础模型」（Spatial Foundation Model，简称 SFM）。按照团队的说法，它和主流的文本大模型或扩散生图模型完全不同。

普通扩散模型只是在预测像素怎么排列，看起来像真的，实际上根本不知道这个杯子后面是什么形状。而空间基础模型在训练时就直接理解三维世界：它要推算物体的真实几何结构、材质反射、光照反应，以及这些要素随时间和空间移动时的物理关系。

在放出的演示里，输入一句话或者一张静止图片，模型就能生成一段逼真的 3D 场景。用户不是在看固定机位的预渲染视频，而是可以从不同角度自由探索整个环境。

目前 SpAItial 锁定的应用方向包括游戏开发、影视制作、CAD 工程仿真，以及具身智能机器人。团队现在已经开放了候补名单，邀请早期测试者体验，不过还没有公布正式产品的上线时间。

空间智能这块硬骨头，巨头和新贵都在啃

盯上「空间智能」的不止他们一家，而且对手个个来头不小。

最显眼的是李飞飞联合创办的 World Labs。这家明星初创公司已经拿下了 2.3 亿美元融资，估值突破 10 亿美元，并且计划在今年晚些时候推出第一款产品。

另一家竞争者 Odyssey 累计融资 2700 万美元，创始人来自自动驾驶领域。他们选择了一条很重的路：派团队背着定制的背包相机系统去现实世界四处采集三维数据，以此来喂养自己的大模型。

面对这几座大山，Niessner 倒是显得挺平静。在他看来，比起已经卷成红海的语言和图像基础模型，真正能做到交互式 3D 世界生成的赛道上，玩家其实少得可怜。

为什么重要

生成式 AI 的竞争重心，正在从二维屏幕走向三维物理空间。

过去两年，文生图和文生视频已经证明了自己在内容草稿阶段的杀伤力。但在游戏制作、工业仿真和机器人训练里，只有像素的画面几乎帮不上忙。游戏关卡需要碰撞体积，机器人导航需要真实的深度和几何阻挡。如果 SpAItial 这类模型真能稳定把一句话变成可编辑、有物理属性的 3D 场景，游戏独立开发者和数字孪生工程师的工作流会被彻底改写。

不过，我们认为现在对这类技术保持审慎是必要的。从演示切片走向真正的生产环境，中间隔着巨大的工程鸿沟。World Labs 估值十亿至今没见产品真容，Odyssey 还在靠人肉背相机采数据，都说明高质量 3D 训练数据的匮乏是整个行业的共同痛点。

SpAItial 的做法聪明在学术底子扎实，核心成员几乎都是神经渲染领域的开创者。但 1300 万美元在需要庞大算力支撑的基础模型竞赛里，只能算一张入场券。面对 World Labs 这样弹药充沛的巨头，SpAItial 能否在产品落地速度上抢先一步，才是它接下来能否站稳脚跟的关键。