Stability AI 推出 3D 控制系統 Arbor：給生成加一份空間藍圖

用 AI 做 3D 資產，之前最讓人頭疼的就是「搖盲盒」。輸入一段提示詞，按次回車，然後雙手合十祈禱模型能吐出一個能用的模型。結果往往是椅子腿懸空，或者尺寸完全塞不進遊戲場景裡，最後還是得美術師手動擦屁股。

打造出 Stable Diffusion 的 Stability AI 這次把刀口對準了這個痛點，正式釋出了 3D 控制系統 Arbor。它的邏輯很簡單：別讓 AI 猜尺寸，在它開始生成之前，先給它塞一份粗略的空間藍圖。

佔位、避讓與接觸面

Arbor 的核心在於引入了一套原生 3D 約束網格。這些網格不是精細的半成品，而是極其簡單的幾何外框，主要負責交代三種資訊。

第一種是容納區域，告訴模型這部分必須長出幾何結構，比如椅子的座包或手柄；第二種是避讓區域，強制模型留白，給角色的肢體動作或機械零件預留運動間隙；第三種是接觸區域，明確指定物體哪些部位需要嚴絲合縫地貼合地面或連線點，比如椅腿必須精準踩在地面上。

對於做 3D 內容的人來說，用幾何框表達空間需求，遠比在提示詞裡絞盡腦汁寫「離地幾釐米」自然得多。這種做法直接解決了動畫複用時的穿模問題。

不用重新煉丹的 600MB 掛件

把硬性空間幾何塞進擴散模型，技術上其實相當棘手。很多團隊的做法是重頭訓練底模，或者在後處理階段強行拉扯網格，效果往往大打折扣。

Arbor 選了一條聰明的輕量化路徑。它作為一個即插即用的路由附件，配合開源的 3D 生成底模 Trellis 以及 Trellis 2 一起工作。它把粗糙的約束網格轉成特徵標記，直接注入到凍結引數的去噪器中，整個過程根本不需要重新訓練底層生成大模型。

正因為架構輕巧，Arbor 自身在 Hugging Face 上的權重模型只有 600MB 左右。官方也同步公開了程式碼和專案演示，開發者在本地拉取程式碼後就能配合底模跑起來。

為什麼重要

我們認為，Arbor 的出現標誌著 AI 3D 生成終於開始認真面對實際工業管線的苛刻要求了。

在此之前，不管是文本生成還是單圖轉 3D，生成的模型大多隻能停留在概念設計或遠景貼圖階段。遊戲工業管線要求極高，一個道具如果不能適配預設的角色動作骨骼，或者一個零件無法精準卡進裝配位，在專業美術流程裡就是廢品。Arbor 把控制權從抽象的詞句拉回到了具體的空間體積，獨立遊戲開發者和 3D 設計師不用再去賭機率，生產效率會有質的提升。

從技術路徑上看，Stability AI 這套「小尺寸約束介面卡 + 凍結底模」的打法很務實。600MB 的體積門檻極低，沒有強行要求使用者升級整套硬體環境，而是無縫嵌入到現有的 Trellis 生態裡。

不過，它目前依然依賴 Trellis 系列作為生成基座，最終成品的紋理細節和複雜材質依然受限於底模的表現上限。但無論如何，能讓 AI 在規矩的空間框里老老實實幹活，已經是 3D 生成落地走出的關鍵一步。