过去一周，AI 3D内容生成赛道密集释放重磅信号。8月7日，21世纪经济报道披露，基于3D生成模型的三维部件分割研究论文《SegviGen：Repurposing 3D Generative Model for Part Segmentation》入选SIGGRAPH 2026 Journal Track，论文作者名单中出现北京航空航天大学、中国人民大学、清华大学、北京交通大学与消费级3D打印头部厂商拓竹科技等机构，这是拓竹首次对外披露其3D生成大模型研究进展。紧接着，微软于8月8日低调上线Copilot 3D功能，用户上传一张图片即可自动生成可编辑3D模型。从打印硬件厂商到互联网巨头，AI 3D内容生成正在从概念走向可用的制造工作流。
一、拓竹首度披露3D生成大模型：SegviGen入选SIGGRAPH 2026
SegviGen论文入选的是计算机图形学领域最顶级的学术会议SIGGRAPH 2026 Journal Track，论文发表于ACM Transactions on Graphics，是该领域的权威期刊。值得注意的是，消费级3D打印厂商拓竹科技出现在论文作者名单中，这是其首次对外公开3D生成大模型方向的研究成果，让3D打印行业的内容生成、模型理解和可制造工作流产生了直接关联。
从论文内容看，SegviGen主要面向3D模型部件分割任务。所谓部件分割，就是让计算机识别3D模型由哪些功能部件组成，比如一把椅子可以拆分为椅背、椅面、四条椅腿。论文指出，部件分割提供了3D资产的显式部件级结构，是3D内容创作流程的核心原语，并为空间智能提供基础的3D感知能力，可支持部件级编辑、动画绑定以及3D打印等工业用途。然而，现有方法在分割质量上往往不足，容易产生错误区域和不精确的边界，限制了实际应用。
与传统方法不同，SegviGen并非依赖大量人工标注的3D数据从零训练分割模型，也不是简单将2D分割结果投射到3D空间，而是复用预训练原生3D生成模型中已经学习到的结构先验，将3D部件分割转化为部件级上色问题，从而让模型能够把复杂3D资产拆分为具有结构意义的不同部件。从实验结果看，这一路线的数据效率相当可观：论文显示，SegviGen仅使用0.32%的标注训练数据，便持续超越此前最优方法P3-SAM，在交互式部件分割上，反映单点击精度的关键指标IoU@1提升了40%；在无引导的全分割上，跨数据集平均后以15%的整体IoU优势超越最佳基线。
二、从捏泥人到拆泥人：部件分割如何颠覆拆件打印
要理解SegviGen的价值，需要先看清AI 3D行业此前的技术路径。过去几年，整个AI 3D行业的技术路径大多围绕2D升维3D展开，先生成物体的多视角图像，再建模成3D资产。这一模式存在不可逆的信息丢失，生成的模型难以真正应用于工业设计、游戏等对精度要求较高的领域。具体到部件分割，一条路线是通过2D到3D的蒸馏将2D分割先验迁移到3D，但计算和时间开销巨大，且往往产生模糊边界；另一条路线则将分割模型应用于多视角投影图像获得2D掩码，再反投影融合为3D掩码，但运行开销大、对视角覆盖敏感，且容易引入跨视角不一致。近年也有研究转向原生3D部件分割，但这类方法需要收集具有精细部件标注的大规模训练数据集，细粒度标注成本高昂。
SegviGen的独特之处在于将3D部件分割转化为部件级上色问题：模型把输入3D资产编码为潜在表示，并与其任务嵌入和查询点一起用于条件化去噪过程，在重建底层几何的同时预测部件指示性颜色，每种颜色对应一个独立部件。在这一统一架构下，SegviGen支持交互式部件分割、全分割和2D分割图引导的全分割三种设置，其中第三种为SegviGen独有，支持任意部件粒度，对工业应用至关重要。
对3D打印而言，这一技术的应用前景直接而诱人。用户可以从3D模型中方便地选中某个部件进行上色或拆分，实现模型自动拆件、多色及多材料打印等智能化场景，从而大幅降低普通用户从创意到实物的门槛。熟悉拓竹3D生成模型进展的人士向媒体表示，这一技术路径反映了拓竹对3D生成大模型第一性原理的思考，其思路可参考自然语言处理领域的大一统变革：语言模型从各种任务用各种模型到最终大一统，3D模型早晚也会经历同样的技术变革，SegviGen就是把原本独立的3D分割与3D生成统一了起来。
三、MakerLab开启收费：AI 3D生成正在被大众接受
在SegviGen论文披露的同时，拓竹旗下的创意数字实验室平台MakerLab宣布开启收费模式，官方给出的原因颇具信号意义：3D生成AI工具能力大幅提升，使用量也随之激增。官方表示，用户增长远超最初预期，这不是一波尝鲜的流量，从去年10月到现在，MakerLab的流量持续在高速增长，原本的免费补贴模式已经难以持续。从免费到付费的转变，恰恰说明3D生成正在被大众所接受，用户愿意为AI 3D创作工具付费。
不过，用户量飞速提升的同时，AI生成模型的打印效果仍是行业痛点。一名3D打印资深从业者向记者表示，用户最大的抱怨是我让它生成个东西，出来的跟我想要的不一样，以及生成是生成了，但打不出来。这两个难点，正是SegviGen所代表的AI 3D内容理解与可制造研究方向要解决的问题：让生成的模型结构可解析、可拆件、可直接进入打印工作流。
AI 3D内容生态的资本与平台动作也在同步升温。8月初，ELEGOO爱乐酷旗下全新3D模型库Nexprint上线，并启动为期一年的百万美元创作者基金计划，吸引用户上传原创作品，每个获批原创设计奖励5美元，获推荐展示再奖5美元，数量不限；邀请创作者还可获每月最高100美元。从拓竹MakerLab收费到ELEGOO重金激励创作者，3D打印厂商围绕模型内容生态的争夺战已经全面打响，AI生成的模型内容正成为新的兵家必争之地。
四、微软Copilot 3D低调上线：巨头入局2D转3D
就在拓竹披露3D生成大模型研究的两天后，科技媒体The Verge报道，微软于8月8日低调推出Copilot 3D功能，可将2D图像自动转换为可编辑的3D模型，适用于游戏、动画、VR/AR及3D打印等场景。用户在微软Copilot Labs即可免费使用该工具，无需专业建模技能，只需上传主体清晰、背景简洁的图片，系统即可自动生成对应的3D模型。
微软的入场，标志着AI 3D内容生成赛道正式进入巨头竞争阶段。此前，这一赛道的玩家以创业公司为主，国内AI 3D大模型厂商如VAST、影眸科技等已相继完成大额融资，估值攀升至数十亿元量级；如今微软等科技巨头凭借大模型能力与生态优势直接下场，无疑将加速整个赛道的技术迭代与用户教育。对于普通用户而言，2D转3D功能的门槛被压缩到上传一张图片，AI 3D生成从专业工具变成了大众功能。
从产业链视角看，巨头入局对3D打印行业的影响同样深远。当AI可以轻松将图片、文字转化为可编辑、可拆件的3D模型，3D打印的内容供给瓶颈将被大幅缓解。此前制约消费级3D打印普及的核心因素之一，是用户缺少建模能力、找不到可打印的模型；如今AI 3D生成工具正在从源头解决内容荒，让创意到实物的链条显著缩短。这正是拓竹、ELEGOO等打印厂商密集布局AI内容生态的底层逻辑。
五、竞争格局与产业启示：从生成比拼到可制造比拼
综观本周AI 3D内容生成领域的一系列动向，可以清晰看到三条竞争主线。第一条是以VAST、影眸科技等为代表的AI 3D大模型创业公司，核心能力在模型生成质量与速度；第二条是以拓竹科技为代表的3D打印硬件厂商，核心能力在打通生成与制造环节，让AI模型真正能打出来；第三条是以微软为代表的科技巨头，核心能力在大模型底座与庞大的用户生态。三条主线并非孤立，而是相互渗透、彼此赋能。
对3D打印行业而言，未来的竞争将不再只在于打印速度、精度和稳定性，更在于谁能更好地帮助用户获得、编辑并制造3D内容。SegviGen所代表的方向，正是连接AI 3D内容生成与现实打印制造工作流的重要一步，也意味着拓竹科技可能正在围绕硬件、软件、模型社区和AI创作工具构建更完整的3D打印生态。从应用层工具接入第三方大模型，到深入AI 3D内容理解与生成模型的底层，行业AI化的深度正在发生质变。
当然，从论文到可落地的产品仍有距离。有接近拓竹的人士表示，论文与实际工程实现不会完全一致，还会有大量垂直拓展工作，比如处理真实用户上传的复杂模型、优化推理速度、与切片软件对接等。用户距离一键生成、自动分色、直接打印的全自动闭环，可能还有一段路要走。但方向已经清晰：AI 3D内容生成正在从比拼生成质量，进入比拼可制造性的新阶段。
总结
拓竹首度披露3D生成大模型SegviGen，以0.32%的标注数据实现部件分割性能大幅超越现有最优方法；微软Copilot 3D上线，2D图一键转3D走向大众；MakerLab开启收费，3D模型内容生态竞争全面升温。AI 3D内容生成正从生成比拼进入可制造比拼的新阶段。
来源：21世纪经济报道、The Verge、3D打印资源库、新浪财经