影眸科技吴迪：一个没有“典型光环”的创始人，如何改变 3D 生成行业

“凭什么是你们做出来，不是清华的？”

他通常答不上来。作为创始人，他讲不出“从小立志改变世界”的宏大叙事，也拿不出“国民级”名校背景作为信用背书。他甚至很少想过，如果不创业，自己还能做什么。

“我没法给自己编一个特别高大上的故事。”

在近几年 AI 创业的语境里，名校光环、大厂背景、概念驱动是更容易被理解的创业叙事，然而吴迪和他的团队（影眸科技）并不属于这个模版。

他们来自一所在 2016 年连第一届毕业生都还没有的大学，没有成熟的资源网络，也没有可以参考的学长成功路径。

故事的开头，要回到那时一所年轻的大学。

在实验室里“创业”

吴迪是上海科技大学第二届本科生。入校时，这所年轻的大学处处充满了未被定义的可能性。

这份“不被先例束缚”的创新基因恰恰是他选择这里的理由。他对可预见的人生路径不感兴趣：本科、研究生、毕业后稳定的职业生涯。

他想要的是可能性。而一所刚成立的大学，规模精小，鼓励学生主动探索、创造，如此新的原野恰恰给了他一直追求的更多可能。他在那里可以担任学生会主席，从零建立那些“本该有”的校园活动--去筹划音乐节、举办歌手大赛、组织新年晚会。

这本身就是一种“创业”，而他在学校里加入微电影社后获得的视频创作经历，也为他创业的新冲动埋下伏笔。

2015 年，《流浪地球 1》还没有上映，中国的特效电影与好莱坞之间隔着巨大的工业鸿沟。

吴迪说道：“我们在想，为什么拍不出像好莱坞那种工业级的影视大片？”

这个疑问催生了后来的MARS实验室。2016 年，大一下学期，他作为学生负责人主导搭建了学校规模最大的人工智能与图形学实验室 MARS 实验室。

上科大的特殊之处在于，它允许本科生在非常早的阶段加入实验室，用顶尖设备做核心课题。吴迪在实验室里的角色不是单纯做研究、发论文，还包括了招人、盘预算、搭设备——把一群各有所长的人攒在一起干活。

他懂电影，懂拍摄，自己也用 Blender，导师对他的定位从来不只是科研人才，而是那个能让实验室运转起来的人。

团队核心成员（包括后来的 CTO 张启煊）就是在那时聚集的。大家在一起没有特别长远复杂的规划，而是因为“大家关系好，就一起干了”。CTO 之所以是 CTO，不是因为职位分配，而是因为“他特别爱搞研究”。吴迪则是另一种角色：他爱做视频、爱搞活动、爱跟人打交道，天然就适合把一群人拢在一起做事。

这不是一个“组织者”的刻意人设，而是一个能让事情落地的学生，在非传统意义的实验室里找到了自己最擅长的位置。在奇绩的语境中，吴迪是一位典型的兼具book smart 和 street smart 的创始人。

被客户“否决”后的迭代

2020 年，团队走出学校并成立公司，其首个重磅成果是自研的第一代三维扫描设备“穹顶光场”。吴迪说：“我们早期很得意穹顶光场的精度和效率”，事实上穹顶光场也确实是当时世界第一梯队的先进技术。他们本来觉得这种硬技术应该“被客户追着要”，结果当他们拿着这套设备去找客户时，当场被告知用不了。

“扫描出来的东西，它的格式、坐标系、数据的表达，全部都是不一样的，完全是两套语言体系。”问题不在技术够不够先进，而在 Production-ready 的标准没达到。第一代光场系统生产出来的东西，与影视游戏的生产管线不兼容。

很多研究团队会在这里停顿，回到论文里继续优化算法。吴迪团队的选择很直接：花一年时间，根据工业界的需求，重新迭代设备系统和数据处理算法。

“人家告诉我们不能用，然后人家也告诉我们能用的东西长什么样。”

吴迪早年在拍微电影时积累了电影工业的语言。他知道什么是管线、什么是格式、什么是下游能直接导入的东西。这些兴趣驱动的积累，让他能听懂客户的反馈，而不是把“不能用”理解为对技术的否定。

第二代设备做出来之后，扫描出来的模型才能直接丢进游戏和影视后期。这个过程形成了影眸后来的一个原则：“做出来的东西一定要 Production-ready，能到工业界里面去被使用。”

从爆火到主动放弃：Wand 与奇绩

2021 年，实验室产出了一篇叫 SoftGAN 的论文（超写实数字角色的2D图像生成），他们“完全就是觉得这件事好玩”，于是把它改成了“二次元美少女生成器”，并做了一个叫 Wand 的小 app。

结果全球爆火。一两周内 160 多万用户，冲上 App Store 设计类免费榜首，全平台流量过亿。

影眸科技与奇绩的缘分，并非始于这次流量狂欢。最早是陆奇博士偶然来实验室参观，推荐了这群学生去报名奇绩创坛。他们自己去申请，那时 Wand 还未上线，团队还是一群没有光环的学生。爆火之后，更多投资人蜂拥而至，有机构给出了更高的估值，但他们最终还是冷静选择了奇绩。

“那个时候其实我们已经报了奇绩，奇绩本来也打算投我们，但 Wand 的发布加快了投资速度。爆火之后很多投资人来找我们，也有给更高估值的，但我们没有被冲昏头脑。”其实背后更现实的层面是：几个二十出头的学生，第一次被资本追逐，需要有人带他们怎么从学生变成创业者。

尽管 Wand 是他们第一个爆火的现象级产品，Wand 本身还是没有被留下来。团队很快意识到，这个产品再往后走有两条路：一是社区化，但“我们六七个理工男，完全没有做社区的能力”；二是做成更专业的工具，但团队当时判断图像生成技术一年内达不到全品类生成的程度。

这个判断后来被证明过于保守——半年后，Disco Diffusion 就出来了。如果当时坚持做下去，他们或许有机会成为 Midjourney。但团队放弃 Wand 的核心原因不在技术时机，而在方向：“我们最终感兴趣的还是 3D。”

知道自己真正想深耕的领域在哪里，和抓住每一个机会之间，他们选了前者。代价是明确的：他们错过了一个更早被验证的 2D 市场，但他们并不后悔。

从数字人到 3D 原生：一场从 -1 到 1 的迭代

Wand爆火后，团队并没有因为回到“主业”就一帆风顺。他们进入了另一个周期：元宇宙。凭借着 3D 数字人概念，他们在元宇宙赛道上融到了红杉的一笔钱。但2022 年底，当团队终于完成数字角色生成的开发时，元宇宙的热度正在消退。

他们发现，通过生成和扫描得到的数字人，最终回到了最传统的客户群体——游戏和影视制作团队。而这些客户需要的不只是数字人，还需要场景、道具和各种不同类别的 3D 资产。

“既然要服务好这帮客户，就不能只生成数字角色，要能够生成各种各样的3D资产。”

于是，影眸转向全品类 3D 资产生成。

进入 3D 生成赛道后，团队面临了一个行业级的技术路径选择。当时市面上的主流方案是“2D 升 3D ”：先生成多视角的 2D 图像，再用 NeRF 或几何重建拼成 3D 模型。

这是学术界认可的标准路径，论文多、引用高、门槛低。但影眸团队基于多年在图形学一线和客户打交道的经验，判断这条路在工程上走不通：“2D 升 3D 的过程，本质上是先把信息从三维降到二维，再从二维升维回三维。这个过程中一定会丢失信息。”

这不是抽象的第一性原理，而是具体的工程经验。

他们做过太多 3D 重建，太熟悉 Agisoft 和 Capture3D 这类成熟扫描软件的上限。他们知道，即使是拿 40 到 100 张照片建出来的模型，也还不能直接接入游戏和影视的后期管线。降维再升维，必然有不可恢复的信息损失——表面噪声、拓扑错误等等。

于是他们选择了一条更难的路：3D 原生——训练、监督、生成，全部直接在 3D 空间内完成。

当所有人都在试图用更聪明的“拼图”方法还原3D时，他们直接选择了在 3D 的世界里“创造” 3D。2024 年，首个原生 3D 大模型架构 CLAY 发布，把这个领域的可用性从“完全不可用”推到了“可用”。

这个底层架构后来获得了当年国际图形学顶会 SIGGRAPH 最佳论文提名。这更接近从 -1 到 1 的工程重构——不是从抽象的科研命题出发，而是直接响应生产级的现实需求，把学术界已有的可能性，锻造成工业界能用的生产力。

影眸保持着一个今天很少见的特质：在不断推进商业化的同时，持续产出高质量论文。

传统的学术研究和产业化经常是两步走，吴迪的解释打破了标准叙事：“我们今年的材质工作、拓扑工作、工业级属性生成，全部来自客户需求。论文只是过去一年工作的总结。”

在奇绩创坛对 Researcher Founder 的系统阐述中，陆奇将创新定义为一个从 -1 到 1 的连续坐标：-1 是尚未被证明的“不可能”，0 是原理被验证的“可能”，1 则是价值真正发生。

“研究型创业者不是只做论文的研究者，也不是只把成熟技术商业化的创业者，”他曾这样表述，“他们要做的是把'不可能'推进到'可能'，再把'可能'变成真实价值。”

影眸团队后来持续产出论文却从不以论文为目的，正是这个框架的写照——研究不是发生在产品之前的独立阶段，而是与工程、客户反馈在同一个循环里生长。

因为没有什么，所以只能证明

回到开头那个问题：“凭什么是你们？”

吴迪给出的答案藏在他整个叙述中。

“我们出来的第一天，就没有什么清华的光环、姚班的光环、MIT 的光环。我们所有的融资都不是因为概念成立的，都是因为我们有足够的进展才成立。”

这是一种没有“概念融资期”的创业路径。研发 3D 原生大模型的第一年，他们账上现金流一度紧张，“无人在意，无人相信，直到我们真正做出来才融到了钱。”

而当下要面对的也有很多：同行竞争、增长压力、组织建设等等。吴迪现在的精力分配是：30% 融资、30% 商业化与增长、20% 组织建设、20% 战略架构。

“当时困难好像也就那样吧，现在看起来。现在不管是同行竞争、要做更高增长的压力、组织建设的压力，都比那个时候压力要大多了。”

唯一确定的是，他们不再被问“凭什么是你们”了。问题变成了：“你们接下来要做什么？”

走向世界生成模型

吴迪对“世界模型”这个词很谨慎。“我们对世界模型这个词还是比较有敬畏的。”

他们目前更愿意把自己定义为“世界生成模型”（World Generation Model）——可控、可交互的 3D 环境和物品生成。影眸在场景级生成上的研究成果 CAST（《CAST：基于单张 RGB 图像的组件对齐式 3D 场景重建》），实现了输入一张图片即可生成包含物体、物体关系和物理约束的完整 3D 场景，荣获 SIGGRAPH 2025 最佳论文。同期在该领域获此殊荣的商业公司仅有谷歌、Meta 和影眸三家。

尽管他们保持谦虚谨慎，但是这不代表没有雄心，他们在一步一步搭建那个未来图景的基础设施，在解决实现那个未来之前必须解决的问题，这些努力正在走向世界生成模型，也可能逐渐逼近“世界模型”。

愿景落地到最朴素的表达：“我们就是让 3D 的创作变得更加简单。”

从拍微电影时想做工业级特效，到搭建设备扫描人脸，到放弃 Wand，到选择 3D 原生——核心始终是对“创造”本身的信念。

“创造分为虚拟的创造、现实的创造、PGC 的创造、UGC 的创造。我们就是让 3D 的创作变得更加简单，这就是我们最大的 picture。”

今天，当大模型把 2D 图像和视频生成做到惊艳时，3D 生成仍然是“专业属性极强”的硬骨头。

它不是简单的“像素预测”，而是涉及拓扑、材质、工业标准、下游管线兼容的复杂系统工程。

影眸团队把复杂性变成了可以交付给影视、游戏、工业设计、3D 打印客户的专业工具。作为行业的头部玩家，影眸目前仍然是以 B 端企业级用户和 Pro C 端用户为主要客户。

吴迪自己承认，视频模型的发展速度可能超出预期，未来高质量拍摄中 3D 的必要性也可能被重新定义。

“路不止一条。”他不是在总结胜利，只是在承认：地图之外，还有地图。