AI 进 3D 世界的主流思路是给它 “装眼睛“，这位独立开发者偏不：不看画面的 AI，反而更便宜

2026 年文生 3D 的能力跨过了能用的门槛。用一段自然语言生成可以走进的 3D 房间用一张照片补全几何细节按一个坐标生成可飞行、可切换昼夜的地形这些在公开演示中都已出现。但一个基础问题被跳过了这些被生成出来的 3D 内容最后放在哪里。目前的通行做法是存进网盘、截图分享或者上传到第三方平台托管创作者对这份资产的实际身份是租客——数据在别人的服务器上访问规则由别人定服务一停世界归零。与此同时AI 正在被要求承担更具体的角色。企业的接待、讲解、导览与销售演示都在往能不能让 AI 来做的方向走。但今天的 AI 全部住在对话框里语言能力很强却没有位置、没有距离、没有在场。企业可以让它写一段讲解词却没法让它站到展台边上接人。存量需求一侧的约束更硬。企业要做一套对外的 3D 展示今天只有两条路。一条是找外包定制一次性交付之后即冻结改一个字要重新排期此后的每一次修改都是新预算另一条是用中心化的 SaaS 平台数据在别人服务器上底层改不了平台一旦停服对外门户随之消失。对工业设备、职业教育、博物馆展馆这类客户来说这不是体验层面的取舍而是数据不能出内网、底层必须能改、不能把对外门户押在第三方平台的存续上这三条硬约束。这批需求本身并不需要被教育。工业设备与制造业的销售部门需要把体积大、单价高、客户到不了现场的设备做成可以带看的 3D 展厅职业教育与培训机构需要成本可控、可重复、可考核的实训空间博物馆与展馆受线下场地物理上限的约束需要线上分馆把展品与讲解延伸到闭馆之后。这些采购在各自行业里原本就是既有预算项缺的不是意愿而是一条既能私有化、又改得动的技术路径。让AI走出对话框代价是不给它眼睛创世Genesis软件著作权登记名创世虚拟世界CRM系统是一套浏览器端的 3D 虚拟世界基底。它部署在用户自己的设备或服务器上打开浏览器即可进入不需要安装客户端世界内允许 AI Agent 以人形角色的身份进场服务多个世界之间可以联邦互通。AI 的接入机制不复杂。给 AI 一个域名和一把密钥它先访问约定的发现接口拿到能力清单再用密钥换一个短期令牌进场。进场之后它获得三组能力一组是感知即一张结构化雷达告诉它附近有谁、在多远、朝哪个方向、正在做什么动作世界中有哪些物体每个物体还可以在编辑器里手填一段语义描述作为 AI 认识这个世界的接口。一组是行动走过去、跟随某人、转向、说话、做互动动作速度可配默认与真人同速。还有一组是被看见在真人那一端它就是一个带模型的 3D 角色头顶有 AI 标识走路有动画说话有气泡位置连续不瞬移。AI 身份明示是产品设计上的红线同时也构成一项合规优势。如果只能挑一个技术创新点团队的答案是AI 完全不渲染画面。让 AI 进入 3D 世界的主流思路是给它装视觉截图、看图、理解画面这条路直接但每个 AI 都要跑视觉模型要算力、要带宽成本随 AI 数量线性上升。创世Genesis 的选择是反过来的AI 只取结构化数据3D 画面由每一个访客的浏览器各自渲染AI 不需要 GPU、不需要浏览器、不需要下载模型。结果是成本曲线的方向反了。实测数据显示单个 AI 的推流约 1 KB/s100 个 AI 同场约 0.8 Mbps服务器占用约单核 1%。换句话说看得见的 AI 比看不见的 AI 便宜。这个取舍还连带产生了第二个差异因为足够轻所以它可以自己部署整套系统跑在用户自己的服务器上不必把渲染与带宽成本付给第三方使用者与自己的资产之间是真实的所有关系而不是租赁关系。其余技术能力分布在不同的层。渲染与资产层基于 Three.js 的浏览器端 3D 渲染已推进到 WebGL2 并完成去 CDN 化的离线改造自研的 3D 高斯泼溅解析与渲染支持五种常见格式模型多级 LOD 自动生成与资产压缩工具链实测三角数下降七到八成单文件体积最多缩减九成骨骼动画兼容层可以自动适配不同来源的模型与动作回归测试 67 项全部通过。性能层的绘制调用降低约 73%灯光数量变化不再触发着色器重编译模型解析被放进 Worker 不阻塞主线程。接入层的跨世界身份与凭证机制为一次性、限时有效、防重放。项目已取得软件著作权。团队也主动交代了这套系统做不到的部分AI 看不见画面只有结构化数据平台不做语音识别与合成不托管知识库行业知识由使用方自建AI 不能传送、不能触碰资产不承诺任何自主意识。这些边界是产品定义的一部分而不是待补的缺口。把底座交给能服务客户的人商业模式分三层。第一层是产品分发开源加本地单机免费不产生收入这是刻意做的选择让一个普通人能拥有自己的 3D 世界不应该先设一道付费门槛开源同时承担另一个作用即让有能力修改这套系统的人先看见它。第二层是产品授权面向个人和小团队在需要对外发布、需要与其他世界联邦互通时收费这条线不指望带来多少收入作用是把技术与口碑做出来。第三层、也是规模化的主力是生态授权。生态授权的逻辑是不去逐家服务客户而把底座交给能服务客户的人。懂技术的团队、做系统集成的公司手里本来就有客户、有交付能力缺的是一套可以修改的 3D 世界底座他们拿这套底座去搭客户需要的东西按授权方式与团队结算团队负责底座本身的持续迭代。这个选择有两个现实原因。一是体量一个人不可能同时做产品、做交付、又做售后把交付交给生态才能把全部精力放在底座上。二是这个品类的需求天然是每家客户都不一样工业展厅、职教实训、展馆分馆的场景逻辑差别很大一套标准产品覆盖不了所有客户但一套可修改的底座可以。首批样板客户团队会自己交付目的不在于这一单的收入而在于拿到可以拿给别人看的真实交付案例。目标用户因此分为两类。一类是团队自己做样板的客户也就是有私有化部署硬约束的企业集中在工业设备与制造业的销售与市场部门、职业教育与培训机构、博物馆与展馆文旅单位共同点是有真实预算、约束明确。另一类、也是规模化的主力是懂技术的团队和做系统集成的公司。触达方式对应三条线。面向最终客户的是 GEO即面向 AI 搜索的内容铺设团队已在自建站点沉淀一百多篇中英文场景与技术文章覆盖虚拟展厅、数字孪生、私有化部署等采购意图词实测来自 AI 对话的访问是各渠道中意图最高的一类因为进来的人已经在找这个东西。面向生态的是开源仓库与技术文档团队对这条渠道的判断是开源仓库是信任位不是获客位看源码的人不一定会走到部署文档更不会直接下单所以它不承担获客而是让已经感兴趣的客户在联系之前就能自己验证也让愿意做集成的人自己判断这套底座够不够硬。第三条线是直接走进产业圈层做展厅展陈、职教实训、企业数字化的系统集成商本身就是目标生态。转化的路径是一条自己验证的链子由 AI 搜索或同行推荐带来打开链接就能进到一个真实的 3D 世界在那里看到源码与技术文档的入口再决定是否联系。团队没有品牌背书于是把信任这一步前置到了接触之前。团队构成很简单。创始人为全职独立开发者从零完成了大约 32 万行代码没有联合创始人也没有融资项目所属主体为济宁米多信息科技有限公司位于山东济宁。产品目前已完成并开源尚未开始商业化技术验证阶段已经结束缺的是第一批真实客户。已经落地的节点包括3D 虚拟世界核心与编辑器完成浏览器端渲染PC、手机、平板打开即可进入编辑器可导入模型、摆放场景并给每个物体填写语义描述软件著作权已取得发明专利已提交申请2026 年 9 月完成 AI Agent 具身接入并通过验收AI 能以人形角色身份进场具备感知、行动、身份明示三组能力提供三步接入流程与零依赖示例客户端跨世界联邦互通实现身份与形象跨世界保持一致完成一轮性能与资产治理绘制调用减少约 73%模型多级 LOD 与资产压缩落地配套 50 个以上可重跑的验收脚本Gitee、GitCode、GitHub 三个代码仓库开源发布内容一致演示站上线任何人打开一个网址即可进入一个真实的 3D 世界内容侧累积一百多篇中英文技术与场景文章。推进过程中最棘手的问题团队认为不是一个具体的技术点而是必须在一开始就做出的判断AI 到底要不要看这个世界。第一版实测中AI 在真人端的最大位置滞后达到二十多米并伴有瞬移观感类似鬼影后来重做插值与服务端限速才压到 3 米以内。这个方向换来的是 1 KB/s 量级的推流成本如果当初选择视觉路线今天的成本结构不会存在。当前最大的挑战则被团队定义为需求尚未被真金白银验证。产品做完、开源出去和有人愿意为它付费之间隔着一条沟技术的部分可以自己验证但企业是否愿意为一套自部署的 3D 世界列预算、以什么形式列只有真实客户能回答。团队的应对分三步且不做分散动作先把能被看懂这件事补上在体验尚未达到可以给客户看的程度之前不打算大规模寻找客户因为第一印象浪费掉就没有了不铺开只做三到五个样板客户从约束最硬的企业切入目标是做出第一个可以拿给别人看的交付案例把信任做在接触之前源码开源、演示可进、技术文档可查让潜在客户在联系之前就能自己验证这件事是否真的能跑。团队明确表示这个挑战不打算靠融资跳过而打算用第一个真实客户的交付来解决。项目名称为创世Genesis软件著作权登记名创世虚拟世界CRM系统形态为浏览器端自部署 3D 虚拟世界基底基于 Three.js所属主体为济宁米多信息科技有限公司