腾讯发布 WorldClaw：一句话生成可探索、可编辑的 3D 大世界

如果你做过 3D 场景或者游戏关卡，就会知道用 AI 生成大世界最让人头疼的是什么：模型经常吐出一整张黏在一起的网格体，或者全景图看着漂亮，镜头一拉近全是糊的，想挪动一棵树、改一间木屋，根本无从下手。

腾讯混元 3D 研究团队最近公布了一个叫 WorldClaw 的系统，试图把这个流程彻底拆解成可编辑的工程管线。你只要给它一句开放式描述，它就能生成出一整套可探索、能编辑的大型 3D 世界，而且场景里的地形和每个物件全都是独立存在的实例。

像游戏策划一样拆解需求

WorldClaw 的核心思路是多智能体协作，走的是一套由粗到细的流程。

第一步是意图分析与规划。系统里专门有一个意图分析智能体，只提取用户提示词里明确写出来的硬性约束，不自己脑补细节；紧接着由场景规划智能体把模糊描述补齐，转成包含区域划分、地形特征、物体属性和空间关系的结构化规范。

有了统一规范后，第二步交给全局地形生成。系统会画出语义布局图，结合生成材质和程序化节点材质，再用区域感知高度场拼出高低起伏的自然地貌。

更有意思的是，管线里引入了渲染巡检智能体。它会在渲染视图里反复检查地形过渡自不自然、材质缩放对不对、散布是否合理，有瑕疵就打回调整。

树是树、房子是房子，每个资产都能拆

等底座地形铺好，第三步才轮到局部物体的生成与摆放。

系统会根据局部地形条件生成组合方案，重建出带纹理的高精度网格体，并计算它们在地面上的具体位置。渲染智能体还会进一步微调物体朝向、外观以及接触面贴合度，避免树木悬空或者石头陷进泥里。

资产来源上也做了分工：地表散布的碎石、草丛等小资产走 3D 编程生成，建筑和主要道具则交给 3D 生成模型制造。

在团队展示的雪线村落、峡谷定居点、热带岛屿和极地前哨等 11 个世界演示中，不论全景俯瞰还是地面漫游，所有房子、植被和动物都可以单独选中、挪动或替换，而不是焊死在背景里。

为什么重要

我们认为，WorldClaw 最聪明的地方在于它没有硬碰「端到端一键生成大模型」，而是把大型 3D 创作还原成了游戏工业的标准工序。

现在的 3D 生成虽然热闹，但多数方案停留在单品生成，或者直接输出不可编辑的高斯泼溅与神经辐射场，好看但进不了生产引擎。WorldClaw 让独立开发者和小型游戏团队看到了低成本搭建原型世界的可能，一句话搭出骨架，后续还能进 DCC 软件手动微调。

不过隐患也写在管线上。多智能体层层传递加渲染回检，意味着单次生成的算力和时间成本不会低；如果前期规划智能体理解偏了，后半段流水线可能白跑一趟。

但这给行业立了一个新标杆：未来的 3D 世界生成，拼的不仅是视觉有多逼真，而是生成的资产能不能直接丢进游戏引擎里干活。