圖：3DNeRF和2D生成模型來回疊代優化（來源：dreamfusion3d）

目前很多三維方法都是基於NeRF所生成的，這種方式生成的三維物體在效率、渲染、質量上都有顯著的提升，但現階段還不能做結構數據，也就是Mesh，無法用來開發VR重度內容。關於NeRF（神經輻射場）詳細介紹，可以參閱VR陀螺近期文章《高效低成本構建元宇宙場景：NeRF神經輻射場》

圖源：網絡

2022年，英偉達也發表了一篇關於《Magic3D：High-Resolution Text-to-3D Content Creation》的論文。文中闡述了生成式AI如何無需特殊培訓也可創建3D模型的過程。

隨著近期AIGC的爆火，Magic3D在業內得到了極大的關注。也正因為看到Magic3D建模的效果，業內人士普遍認為AI 3D創作真的要來了。

Magic3D將重建過程分成了兩部分，一是先使用低解析度創建粗略的模型，到第二階段從粗神經表示初始化的紋理網格模型，使用與高解析度潛在擴散模型交互的高效可微的光柵化渲染器進行優化。類似於DreamFusion使用文本到生成2D圖像，然後基於NeRF創建3D模型一般。

圖：Magic3D的兩階段優化過程示意圖（來源：網絡）

Magic3D還可以根據給定主題實例輸入圖像，使用DreamBooth微調擴散模型，並使用給定的提示優化3D模型。

圖：在給定主題下根據提示進行模型優化（來源：網絡）

同時，只需要40分鐘左右，Magic3D就可以創建一個帶有彩色紋理的3D網格模型，相比DreamFusion快了2倍。

目前DreamFusion和Magic3D尚未開源，同時也未達到商業化的成熟度。AI創作對數據、算法有著極高的要求，而3D數據又具有天然的稀缺性，難收集等特點，即便有了龐大的數據，AI如何從龐大的數據中學習創作也是一個問題；而從2D直接擴展到3D，也需要極大的計算量，如何加快優化速度，如何撰寫正確的腳本都是需要解決的算法問題。

此外，AI 3D創作在落地場景、可行性的商業化路徑、技術風險等方面都尚無法達到工業化的生產標準，甚至還有很長一段路要走，據業內預估可能五年或長達十年之久。但可以看到的是ChatGPT已經可以根據一段文字描述進行編碼生成腳本，而GPT-5大模型也在籌備中了，就像互相疊代一樣，通過不斷地反饋更改，AI會變得越來越智能，所生成的編碼會逐步優化升級，達到初步使用的需求。

一旦生成式AI的3D創作技術成熟，就可以加速VR遊戲、視頻以及應用程式的開發。屆時，或將會解決VR海量內容需求的一大痛點。

AI實時渲染：技術仍有限

除了建模，VR內容製作另一個重要環節便是渲染了。渲染對用戶體驗有直接的影響，一般在AR/VR場景中，為了能夠實現靈活的交互方式和豐富的感官體驗，需要在內容生產中提升配套的實時渲染能力。

相對於傳統的非實時渲染，實時渲染所見即所得，能夠更加直觀地看到輸出效果，方便製作人員進行調整。目前，人工智慧已經開始在實時運算渲染領域初顯本領了。

近期，海外一款名為ArkoAI的人工智慧渲染器在設計創作領域得到了極大關注，以插件形式安裝在SketchUp、Rhino、Revit中。

使用者只需要輸入關鍵詞，僅幾秒就可以渲染出較好的效果圖；同時還可以將模型置於不同的場景中，即便是簡單的幾何形體也能渲染出效果圖。

圖源：網絡

ArkoAI的初衷是簡化設計師繁瑣的工作流程，但目前還只是一個簡單的AI生成器，生成的圖片大部分是關於建築和室內領域；同時，渲染水平也停留在比較初級的階段，對建築風格和結構的理解非常有限。前面也提到AI的核心是算法和數據，在渲染層面亦是如此。

目前AI渲染還達不到真正的使用需求，同時在多次輸入相同關鍵詞的情況下，渲染的圖會逐漸變得模糊甚至走形，AI的「智能」程度仍然有限。

雖然還不能切入VR內容的創作層面，但是這個風向標卻越來越清晰了。

圖源：網絡

在GTC 2023大會上，英偉達也針對AI視頻、圖像生成、大型語言模型、圖形渲染等推出了NVIDIA L40，旨在利用AI加速渲染，基於數據和神經網絡訓練方法形成的自動化的材質生產鏈路，具有高度還原離線材質、速度快、且能夠快速疊代的優勢。

此外，如前面提到的英偉達Magic3D也可以從文字描述中渲染出彩色紋理的3D網格模型，例如最近比較火的「一隻坐在睡蓮上的藍色毒鏢蛙」。

圖：Magic3D 渲染的箭毒蛙 3D 模型（來源：網絡）

Meta、微軟、谷歌等企業也都在投資實時3D渲染，在未來數年裡，無論是AI渲染還是AI建模的技術都會比現在進化的更好，無疑會給3D創作帶來巨大的進步，也將會使創作環節變得更快、製作成本更低。

AI的觸角在3D創作設計領域延伸的越來越深，甚至日本已經有企業開始採用AI作畫實現商業化運行了。從AI到AI 3D建模再到實時渲染，我們正在經歷「技術改變創作領域甚至一切設計工作」這一場景。隨著研發深入，未來創作者直接輸入會變得更少，3D素材呈現巨量增長的態勢。

AI搶工作成定局？

圖源：網絡

在人工智慧普遍成為各行各業的底層技術背景下，大家都在思考AI還能做什麼？我們的工作是不是正在面臨被淘汰的局面？不僅在科技領域，傳統行業如律師、編輯等都發出了相似的感嘆。甚至也有機構作出細化分析，哪些職位未來不會被取代。一夜之間，所有人對AI的恐慌好像都上了一個層次。

其實AI創作會不會真的搶人類的「飯碗」得就具體崗位而論，就像工業4.0大潮中替代一線工人的機器人一樣，甚至有些工廠已經實現了全自動化運行，大量不需要創意、簡單且重複性的勞動已經被替代。

本輪AI的大潮與工業4.0的本質區別在於「智能化」，AI已經展現出「創作」的能力，即使目前的創意還能看到諸多樣本的痕跡，建模和渲染的AIGC能力也還處於早期，但AI在部分領域能提升生產力已經成為不爭的事實。

與其擔心自己的工作是否會被AI替代，不如思考如何結合AI將現有的工作更完美地完成，如何讓AI變得更好，因為被錯誤的大數據喂養，扭曲AI的認知，那時AI做的事情可能會超越人類的底線。

《失控》的作者凱文·凱利認為「未來將有數以萬計創業公司，他們會從事人工智慧用於某一個領域的工作。使用者越來越多的話，機器會越來越聰明，這是一種滾雪球的方式。」

也就是說技術進步是必然的，同時由於基礎數據不斷擴大，機器的思維方式會變得越來越靈活。但技術給社會帶來的變革，並不是以搶工作為最終目標，而是成為一種提升效率的生產方式。

圖源：網絡

凱文·凱利也曾在一次演講中表示，每一項新技術的誕生都會引發一場恐慌周期，一般會經歷7個階段：

其實大多數人對新技術持負面態度多源於對技術的不了解，當人們不了解一樣產品的時候，往往會持有不看好的態度。但細究下來會發現技術做的事情只是在讓原有東西變得更加智能，例如AI輔助飛機駕駛，飛行員只要做好基礎的操作，剩下的都是AI在駕駛飛機，可以有效緩解飛行員一路的疲勞與提高飛行安全程度。

因此，AI 3D的創作也並不會真正取代建模師以及渲染師的工作，反而可以多維度地給建模師提供多重視角，也讓建模師可以從繁瑣的工作中簡化出來，做更有意義的事情。但我們總會抱著戲謔的態度看待AI，以古怪刁鑽的問題去調戲AI，從而給人工智慧定義上「人工智障」的名號。

順理成章的把AI看作人類的對立面，也理所應當的不會樂於接受新技術的到來。馬斯克曾說過一句話，無論你接受與不接受，無論人類如何呼籲停止採用新技術，總會有企業在馬不停蹄地研究，在你不知道的地方，不知道的領域，它會在某一天就來了。

與此同時，毋庸置疑的是人工智慧在某一方面已經開始比人類聰明了，甚至可以跨專業地協同工作。但由於機器與人類的思考方式不同，機器變得越聰明時反而會推動人類工作的進步。此外，技術的進步也會創造出新的工作，改變就業的生態格局，人+AI將是未來任何工作領域的一個普遍現象。

參考文獻

• 元宇宙時代超高清視音頻技術白皮書
• 凱文凱利：AI將改變一切設計工作https://www.wired.com/story/picture-limitless-creativity-ai-image-generators/
• https://research.nvidia.com/labs/dir/magic3d/
• Taichi NeRF (下): 關於 3D AIGC 的務實探討