允中 發自 凹非寺
量子位 | 公眾號 qbitai
最近，ai教母李飛飛發帖宣布「可以在任意設備上流式傳輸超過1億個高斯潑濺」。
瞬間引爆了技術圈對3dgs（3d gaussian splatting）的新一輪關注。
大家突然開始意識到，大規模3d高斯模型，開始可以在移動端運行了。
也正是因為這個，讓大家聯想到2005年，那一年mp4格式的出現，視頻第一次可以被輕鬆壓縮、分享和播放。
隨之而來的是，視頻從「專業內容」變成「日常語言」，進而催生了整個內容生態的爆發。
這讓人不禁期待，是否3d內容也即將迎來屬於它的「mp4時刻」？
但實際上，在真正熟悉3d高斯潑濺技術的圈子裡，「大規模3d高斯模型在移動端打開」 的技術早已不是什麼新鮮事。
兩年前就有一家深圳創業公司，做出來並推出完整產品，甚至開源至github。
但為什麼，3dgs模型至今還未能像視頻一樣，成為內容創作者的主要創作手段和介質？
3d內容的爆發，究竟還缺乏哪些「關鍵要素」？
這，才是今天3d內容的「真問題」。
3dgs最難回答的問題，不是技術問題
其實3d世界的構建，一直都存在兩條不同路徑：
一條是建模/ai生成，即創造不存在的世界，服務於遊戲與創意表達；
另一條是現實捕捉（reality capture），即記錄真實世界，服務於空間記錄、測量與模擬。
前面提到的李飛飛的路徑更偏向於前者，結合自然語言模型和三維空間生成，是現在我們熟悉的ai生圖/ai生視頻的升維版本。
雖然也支持照片生模型，但效果對比專業的reality capture路徑，其生成的模型在精度/結構和完整性上有較大差距，就不歸為一類而談了。
reality capture往往使用攝影重建或激光+視覺結合的方式，完整而真實地還原現實世界。
「大規模3dgs模型在移動端渲染」的故事，兩年前就在現實捕捉這一路徑上發生過了。
其實第一個支持大規模3d高斯模型在多端（含移動端）渲染的產品是——
其域創新xgrids的lcc（lixel cybercolor），全球首個可商用的大場景3d高斯產品。
是的，他們在2024年，就推出了這樣一套由slam空間掃描硬體和3d高斯生成軟體組成的現實捕捉方案。
這套方案，可以將真實世界還原成高精度的3d高斯潑濺模型，並且可以在移動端載入無限大的3d高斯模型，這是行業里第一次有人把這件事做成產品。
作者聲明：該圖片由ai生成
而在他們這條產品發布的視頻底下，當時很多評論都在問：
「這個模型可以用來做什麼」「除了好看能做什麼」……
技術已經不再是瓶頸，但用戶的困惑恰恰揭示了另一層阻力的存在。
所以真正的問題，從那時起就已經發生了轉移：
不是能不能打開，而是能不能被真正使用。
三維模型不像視頻，無需任何解釋，我們就知道視頻可以帶來什麼價值。
但在我們的交互介質大多還是二維屏幕的現狀下，光是「打開」一個三維模型，似乎沒有比看一段視頻給用戶帶來的價值增量有顯著區別。
甚至會有很多用戶詢問「其域發表的『模型漫遊』是不是一段拍攝視頻」，甚至感嘆「可能還不如一段實拍的4k視頻清晰」。
作者聲明：該圖片由ai生成
如果只能「粗略地看」，3dgs只是一個看起來更牛的技術，但卻不直接解決用戶的痛點，很難真正改變用戶的交互方式。
無獨有偶，另一個做手機重建三維模型的產品kiri engine的創始人jack，也曾在一次線下分享中提到，3d技術的行業從業者最經常被詢問的問題是——
用戶到底能用3d技術來幹什麼？
jack的回答是：「我們一般只能是去描繪一些有關vision pro的未來願景，或去幻想一下未來10年的工作發展。」
連行業內部人士都只能用未來願景來回答，這說明問題的根源並不在技術本身。
回答「3d高斯能用來做什麼」，才是眼下最本質的問題。
而要真正回答這個問題，就必須先面對3dgs技術本身尚未解決的幾道關卡。
過去幾年，雖然3dgs技術的發展速度其實非常快：
從論文到開源，從pc到移動端，從實驗室到產品化，技術路徑已經基本跑通。
但行業始終沒有爆發，原因也很現實：
太大，難以傳輸（動輒幾十gb）
太重，難以載入（設備性能門檻極高）
太新，缺乏生態系統支持（與各類目標場景的原有工具鏈之間幾乎不兼容）
從「能打開」，到「能應用」的跨越
最近在社媒上出現的一些新探索，證明這些問題正在被解決：
有用戶前不久發布了他使用3d高斯技術復刻其所在城市的道路，並使用vibe coding做了一個賽車遊戲，而這一切僅花費了2天時間。
三維博主扎克力，用3d高斯復刻了整個雲南國家級保護村落，並使用ue做成移動端可玩的遊戲體驗。
作者聲明：該圖片由ai生成
以上這些是3dgs開始進入個人創作工作流的信號，更大的變化發生在專業場景里。
大熱的美劇《fire country》（烈焰國度）的幕後，揭露了他們使用3d高斯潑濺技術掃描了一條街道，並在攝影棚中使用3d高斯模型在屏幕上完成了虛擬拍攝，完成了本不可能進行的「實景拍攝任務」。
包括山東文旅在內，他們也使用了3d高斯潑濺技術完成了濟南著名景點趵突泉的數字孿生，讓遊客未來可以線上「雲遊」趵突泉。
就在不久前的gtc（英偉達gpu技術大會）上，其域創新也發布了新動作。
他們通過3d高斯潑濺模型，成功為英偉達和迪士尼機器人完成了具身智能大腦的模擬模擬訓練。
作者聲明：該圖片由ai生成
數字孿生企業圖撲，也放出了使用3d高斯潑濺模型為底圖搭建的工廠數字孿生系統，過去這種底圖通常是建模師照著現場cad圖紙和照片手工「搓出來」的。
這些零散但快速湧現的案例，其實指向了同一個變化方向——
3d高斯潑濺，正在從「展示介質」，變成「生產力工具」。
這種轉變背後，是因為行業開始意識到：比起「能在手機上跑」，更重要的是有一套能讓3d數據真正進入工作流的基礎設施。
在深挖這些硬核應用背後的支撐技術時，我們發現了一個有趣的現象：
雖然場景各異，但它們在底層技術選型上，不約而同地指向了其域創新的3d高斯方案。
lcc做的，是3d世界的「mp4底層協議」
其域創新的創始人兼ceo趙開勇博士，是北京理工大學空天學院2001級飛行器設計與工程專業出身。
這個專業訓練的，是在極端精度要求下對三維空間的測量、建模與系統集成——
某種程度上，他後來選擇做3d空間數據基礎設施這件事，並非偶然。
其域創新的lcc方案，以及最新升級的lcc2，本質上就是建立了一整套圍繞3dgs的數據基礎設施。
如果用一句話總結，它做了三件關鍵的事：
讓3d高斯變成「可流通的數據」
lcc從一開始，就是針對超大規模場景而設計。
1、lod渲染
lcc支持城市級、園區級的3d高斯數據組織與流式lod載入。這是讓3dgs可以在移動端跑起來的根本，lcc2提升為雙軌lod，讓移動端可以秒級打開一個數億高斯點的數據。
2、極致壓縮
新版本lcc2更是將模型數據壓縮做到了極致——
僅為傳統ply格式的8%大小，這不僅提升了載入速度，對於使用者來說也大大節省流量、降低成本。
3、解耦編解碼格式
lcc2將解碼與存儲分離，獨立模塊管理，在不同的場景應用中，可以接入最合適的編解碼格式，大大便於數據流通。
讓3d高斯變成「可用的工程資產」
在lcc解決方案中，其域提供的獨特優勢是結合其空間掃描硬體的，提供結構化數據的能力——
不僅有「看起來真實」的視覺信息，還有空間結構、尺度、坐標體系等工程屬性。
這件事的意義在於：3dgs從「視覺內容」，變成了「可以進入生產系統的數據」。
它可以被用於以下領域：
遊戲與沉浸式交互
模擬與訓練
數字孿生系統底圖
虛擬拍攝與實時渲染
而不是僅僅用於「被觀看」。
讓3d高斯進入「應用生態」
lcc不是孤立存在的格式，它從設計之初就考慮了與各類引擎、工具鏈的對接。
這也是lcc作為一個3dgs格式，可以開啟廣泛應用的關鍵。
從發布至今，其域逐步為lcc生態搭建了ue、unity的plugin（介面），讓lcc數據可以無感進入遊戲/影視等行業的應用工具鏈。
其域與英偉達issac sim的合作，也完整打通了機器人模擬訓練的工作流，甚至是跟英偉達聯合的具身智能訓練系統。
作者聲明：該圖片由ai生成
作者聲明：該圖片由ai生成
作者聲明：該圖片由ai生成
在其域目前公開展示的應用生態中，全球幾乎所有3d高斯應用生態的頭部企業都接入了lcc，成為其域生態的一部分。
lcc在做一件事：把3dgs嵌入已有生產體系，而不是成為一個孤島工具，3d高斯開始進入真實工作流。
「mp4時刻」，還差最後一步
李飛飛這次帶來的，是一個非常重要的信號：
3dgs在「生成與分發」層面的能力，正在快速逼近臨界點。
但歷史已經證明——技術從「可行」走向「爆發」，中間一定還需要一個關鍵層：
標準 + 工具鏈 + 應用閉環。
視頻如此，3d也不會例外。
其域創新在過去兩年里押注的，正是這一層「看不見但決定一切」的基礎能力。
所以回到那句核心判斷：
不是讓3dgs能在移動端打開，而是讓它真正可用。
當3d內容可以像視頻一樣被編輯、分發、嵌入工作流、參與生產時，那一刻，才是屬於3d世界真正的「mp4時刻」。
而現在，我們或許才剛剛走到它的前夜。
