允中 发自 凹非寺
量子位 | 公众号 qbitai
最近，ai教母李飞飞发帖宣布“可以在任意设备上流式传输超过1亿个高斯泼溅”。
瞬间引爆了技术圈对3dgs（3d gaussian splatting）的新一轮关注。
大家突然开始意识到，大规模3d高斯模型，开始可以在移动端运行了。
也正是因为这个，让大家联想到2005年，那一年mp4格式的出现，视频第一次可以被轻松压缩、分享和播放。
随之而来的是，视频从“专业内容”变成“日常语言”，进而催生了整个内容生态的爆发。
这让人不禁期待，是否3d内容也即将迎来属于它的“mp4时刻”？
但实际上，在真正熟悉3d高斯泼溅技术的圈子里，“大规模3d高斯模型在移动端打开” 的技术早已不是什么新鲜事。
两年前就有一家深圳创业公司，做出来并推出完整产品，甚至开源至github。
但为什么，3dgs模型至今还未能像视频一样，成为内容创作者的主要创作手段和介质？
3d内容的爆发，究竟还缺乏哪些“关键要素”？
这，才是今天3d内容的“真问题”。
3dgs最难回答的问题，不是技术问题
其实3d世界的构建，一直都存在两条不同路径：
一条是建模/ai生成，即创造不存在的世界，服务于游戏与创意表达；
另一条是现实捕捉（reality capture），即记录真实世界，服务于空间记录、测量与仿真。
前面提到的李飞飞的路径更偏向于前者，结合自然语言模型和三维空间生成，是现在我们熟悉的ai生图/ai生视频的升维版本。
虽然也支持照片生模型，但效果对比专业的reality capture路径，其生成的模型在精度/结构和完整性上有较大差距，就不归为一类而谈了。
reality capture往往使用摄影重建或激光+视觉结合的方式，完整而真实地还原现实世界。
“大规模3dgs模型在移动端渲染”的故事，两年前就在现实捕捉这一路径上发生过了。
其实第一个支持大规模3d高斯模型在多端（含移动端）渲染的产品是——
其域创新xgrids的lcc（lixel cybercolor），全球首个可商用的大场景3d高斯产品。
是的，他们在2024年，就推出了这样一套由slam空间扫描硬件和3d高斯生成软件组成的现实捕捉方案。
这套方案，可以将真实世界还原成高精度的3d高斯泼溅模型，并且可以在移动端加载无限大的3d高斯模型，这是行业里第一次有人把这件事做成产品。
作者声明：该图片由ai生成
而在他们这条产品发布的视频底下，当时很多评论都在问：
“这个模型可以用来做什么”“除了好看能做什么”……
技术已经不再是瓶颈，但用户的困惑恰恰揭示了另一层阻力的存在。
所以真正的问题，从那时起就已经发生了转移：
不是能不能打开，而是能不能被真正使用。
三维模型不像视频，无需任何解释，我们就知道视频可以带来什么价值。
但在我们的交互介质大多还是二维屏幕的现状下，光是“打开”一个三维模型，似乎没有比看一段视频给用户带来的价值增量有显著区别。
甚至会有很多用户询问“其域发表的‘模型漫游’是不是一段拍摄视频”，甚至感叹“可能还不如一段实拍的4k视频清晰”。
作者声明：该图片由ai生成
如果只能“粗略地看”，3dgs只是一个看起来更牛的技术，但却不直接解决用户的痛点，很难真正改变用户的交互方式。
无独有偶，另一个做手机重建三维模型的产品kiri engine的创始人jack，也曾在一次线下分享中提到，3d技术的行业从业者最经常被询问的问题是——
用户到底能用3d技术来干什么？
jack的回答是：“我们一般只能是去描绘一些有关vision pro的未来愿景，或去幻想一下未来10年的工作发展。”
连行业内部人士都只能用未来愿景来回答，这说明问题的根源并不在技术本身。
回答“3d高斯能用来做什么”，才是眼下最本质的问题。
而要真正回答这个问题，就必须先面对3dgs技术本身尚未解决的几道关卡。
过去几年，虽然3dgs技术的发展速度其实非常快：
从论文到开源，从pc到移动端，从实验室到产品化，技术路径已经基本跑通。
但行业始终没有爆发，原因也很现实：
太大，难以传输（动辄几十gb）
太重，难以加载（设备性能门槛极高）
太新，缺乏生态系统支持（与各类目标场景的原有工具链之间几乎不兼容）
从“能打开”，到“能应用”的跨越
最近在社媒上出现的一些新探索，证明这些问题正在被解决：
有用户前不久发布了他使用3d高斯技术复刻其所在城市的道路，并使用vibe coding做了一个赛车游戏，而这一切仅花费了2天时间。
三维博主扎克力，用3d高斯复刻了整个云南国家级保护村落，并使用ue做成移动端可玩的游戏体验。
作者声明：该图片由ai生成
以上这些是3dgs开始进入个人创作工作流的信号，更大的变化发生在专业场景里。
大热的美剧《fire country》（烈焰国度）的幕后，揭露了他们使用3d高斯泼溅技术扫描了一条街道，并在摄影棚中使用3d高斯模型在屏幕上完成了虚拟拍摄，完成了本不可能进行的“实景拍摄任务”。
包括山东文旅在内，他们也使用了3d高斯泼溅技术完成了济南著名景点趵突泉的数字孪生，让游客未来可以线上“云游”趵突泉。
就在不久前的gtc（英伟达gpu技术大会）上，其域创新也发布了新动作。
他们通过3d高斯泼溅模型，成功为英伟达和迪士尼机器人完成了具身智能大脑的模拟仿真训练。
作者声明：该图片由ai生成
数字孪生企业图扑，也放出了使用3d高斯泼溅模型为底图搭建的工厂数字孪生系统，过去这种底图通常是建模师照着现场cad图纸和照片手工“搓出来”的。
这些零散但快速涌现的案例，其实指向了同一个变化方向——
3d高斯泼溅，正在从“展示介质”，变成“生产力工具”。
这种转变背后，是因为行业开始意识到：比起“能在手机上跑”，更重要的是有一套能让3d数据真正进入工作流的基础设施。
在深挖这些硬核应用背后的支撑技术时，我们发现了一个有趣的现象：
虽然场景各异，但它们在底层技术选型上，不约而同地指向了其域创新的3d高斯方案。
lcc做的，是3d世界的“mp4底层协议”
其域创新的创始人兼ceo赵开勇博士，是北京理工大学空天学院2001级飞行器设计与工程专业出身。
这个专业训练的，是在极端精度要求下对三维空间的测量、建模与系统集成——
某种程度上，他后来选择做3d空间数据基础设施这件事，并非偶然。
其域创新的lcc方案，以及最新升级的lcc2，本质上就是建立了一整套围绕3dgs的数据基础设施。
如果用一句话总结，它做了三件关键的事：
让3d高斯变成“可流通的数据”
lcc从一开始，就是针对超大规模场景而设计。
1、lod渲染
lcc支持城市级、园区级的3d高斯数据组织与流式lod加载。这是让3dgs可以在移动端跑起来的根本，lcc2提升为双轨lod，让移动端可以秒级打开一个数亿高斯点的数据。
2、极致压缩
新版本lcc2更是将模型数据压缩做到了极致——
仅为传统ply格式的8%大小，这不仅提升了加载速度，对于使用者来说也大大节省流量、降低成本。
3、解耦编解码格式
lcc2将解码与存储分离，独立模块管理，在不同的场景应用中，可以接入最合适的编解码格式，大大便于数据流通。
让3d高斯变成“可用的工程资产”
在lcc解决方案中，其域提供的独特优势是结合其空间扫描硬件的，提供结构化数据的能力——
不仅有“看起来真实”的视觉信息，还有空间结构、尺度、坐标体系等工程属性。
这件事的意义在于：3dgs从“视觉内容”，变成了“可以进入生产系统的数据”。
它可以被用于以下领域：
游戏与沉浸式交互
仿真与训练
数字孪生系统底图
虚拟拍摄与实时渲染
而不是仅仅用于“被观看”。
让3d高斯进入“应用生态”
lcc不是孤立存在的格式，它从设计之初就考虑了与各类引擎、工具链的对接。
这也是lcc作为一个3dgs格式，可以开启广泛应用的关键。
从发布至今，其域逐步为lcc生态搭建了ue、unity的plugin（接口），让lcc数据可以无感进入游戏/影视等行业的应用工具链。
其域与英伟达issac sim的合作，也完整打通了机器人仿真训练的工作流，甚至是跟英伟达联合的具身智能训练系统。
作者声明：该图片由ai生成
作者声明：该图片由ai生成
作者声明：该图片由ai生成
在其域目前公开展示的应用生态中，全球几乎所有3d高斯应用生态的头部企业都接入了lcc，成为其域生态的一部分。
lcc在做一件事：把3dgs嵌入已有生产体系，而不是成为一个孤岛工具，3d高斯开始进入真实工作流。
“mp4时刻”，还差最后一步
李飞飞这次带来的，是一个非常重要的信号：
3dgs在“生成与分发”层面的能力，正在快速逼近临界点。
但历史已经证明——技术从“可行”走向“爆发”，中间一定还需要一个关键层：
标准 + 工具链 + 应用闭环。
视频如此，3d也不会例外。
其域创新在过去两年里押注的，正是这一层“看不见但决定一切”的基础能力。
所以回到那句核心判断：
不是让3dgs能在移动端打开，而是让它真正可用。
当3d内容可以像视频一样被编辑、分发、嵌入工作流、参与生产时，那一刻，才是属于3d世界真正的“mp4时刻”。
而现在，我们或许才刚刚走到它的前夜。
