VAST发布新一期顶尖人才计划，发力3D原生基座与世界模型

AI 行业对顶尖人才的争夺日趋白热化，但企业在渴求成果的同时，也面临着一道现实课题：如果年轻研究者无法获得进入核心项目的机会，代表作又该从何而来？

能否参与底层技术路线的制定，能否获得充足的数据、算力与工程协作，正成为青年科研人员评估企业平台的核心标准。近期，半年内获得约 50 亿元融资的 AI 公司 VAST（三启万物）发布新一期「V·STAR 顶尖人才计划」，将研发重点明确指向三大领域：3D 生成基础模型、三维理解与 AI 智能体，以及世界模型。

这三大方向共同指向同一个演进路径：让 AI 从单纯生成平面内容，走向构建可交互的三维世界。

3D 原生表征成为工程落地的关键

过去，业内评估 3D 生成往往侧重于外观逼真度；随着各类 AI 智能体（Agent）逐步介入开发工作流，技术指标迅速转向实用性：生成的资产能否直接导入物理引擎？部件能否独立受控？局部修改是否需要推倒重来？

以月之暗面发布的 Kimi 3D 创作流程为例，在处理人物、复杂怪兽等需要网格建模的任务时，系统便会自动调度 VAST 旗下的 Tripo 基座模型生成原生三维资产。在开发者社群中，已有团队借助 Claude、Tripo 与 Blender 的组合，在 16 天内快速构建出完整的可探索 3D 场景；亦有开发者将 Codex 与 Tripo 结合，制作出可在网页端直接操控各器官组件的人体解剖应用。

VAST 首席科学家曹炎培此前展示过一项测试：通过 Tripo P2.0 自动生成机械蜘蛛模型，利用模型内置的语义部件分割，让大语言模型（LLM）识别各独立组件并调试运动逻辑，最终直接实现部件级别的骨骼动画控制。如果生成的网格拓扑混乱或部件定义不清，下游的代码逻辑便无法准确定位控制对象。

为此，VAST 选择探索专用的三维原生训练框架，让模型在预训练阶段就掌握几何形体、四边面拓扑与部件级依赖关系，大幅减少下游美术与研发管线中人工返工的成本。

从网格生成到实时交互世界模型

在模型底层架构上，Tripo P 系列采用了名为 Nexus 的解耦框架。该方法将顶点位置与网格拓扑的生成过程分离，借助扩散模型由粗到细生成顶点分布，再配合特有的拓扑编码直接输出高质量网格，彻底避开了传统自回归建模对长序列排序的依赖。该项成果被图形学顶会 SIGGRAPH 收录，相关演示也获得了 SIGGRAPH 2026 Real-Time Live! 的 Best in Show 奖项。

今年 8 月上线的 Tripo P2.0 则全面引入了原生四边面（Quad-mesh）拓扑，能够在数秒内输出面数可控、结构规整的三维模型，直接适配网页端与移动端的性能预算要求。

在 3D 资产生成之外，VAST 进一步将研发触角延展至世界模型（World Models）。

动作条件驱动的视频生成模型虽然具备即时响应键盘鼠标输入的能力，但缺乏长期世界状态的一致性维护机制——诸如角色生命值变化、冷却时间、场景状态持久化等规则，极易在纯视频生成序列中发生漂移。

为应对该问题，VAST 开源了面向任意视觉参考的实时交互式渲染器 EdenLive。测试数据显示，在单张 GPU 上，EdenLive 能以超过 24 FPS 的帧率生成 720P 画质的交互画面，并支持分钟级的长程画面一致性。

其技术核心在于采用了分层解耦的系统设计：底层逻辑引擎负责维护客观世界状态、物理交互规则与动作逻辑；中间层将状态映射为视角相关的空间几何与事件约束；上层的生成模型则作为神经渲染器，依据中间约束输出连续画面。该架构思路与近期学术界探讨的 Code World Model、AgentGarten 以及谷歌发布的 Genie 4 等研究路线形成了呼应。

开放技术路线决策权与算力支持

VAST 本次启动的 V·STAR 计划强调给予青年研究者自主探索技术路线的空间。在过往的实际研发中，Tripo P 系列的核心架构正源于实习生对主流自回归方案局限性的反思，并在获得算力支持后通过扩散模型成功跑通了新范式。

根据官方公布的计划细则，V·STAR 开放了从 3D 生成基础模型、空间理解智能体到世界模型的完整技术栈，面向应届博士、硕士及在校实习生提供全流程的算力与工程落地支持，薪资待遇突破传统校招职级限制并配给长期期权激励，工作地点覆盖北京、杭州、上海、深圳及远程协作模式。