通用模型越来越会做 3D，专业 3D 生成还能做多大的生意，最近又被拿出来讨论。这个月初，OpenAI 发布的 GPT-6 Astra 已经能操作 Blender（一款常用的三维建模软件），完成一部分过去需要专业软件和建模人员才能完成的任务。

就在同一个月，Meshy 的年度经常性收入（ARR）到了 1 亿美元。不到两年前，这个数字还是 100 万美元。

ARR，即年度经常性收入，是将订阅或合同类收入按年化口径计算，一次性收入通常不纳入其中。它反映的不是一时的热度，而是已经沉淀出多大规模的持续付费收入——这也是 ARR 被视为 SaaS 公司核心指标的原因。

这个增速放到整个 SaaS 行业里看，更能说明问题。

传统 SaaS 公司做到 1 亿美元年收入通常是一场长跑。SaaS 时代被引用最多的增长基准是T2D3：公司在 ARR 达到 200 万美元后，连续两年做到三倍增长，再连续三年做到两倍增长——按这个节奏，ARR 从 100 万美元到 1 亿美元至少要5 年以上。而这已经是 SaaS 时代公认的顶级标准。

AI 应用出现后，这套标准被迅速改写。总部位于旧金山的全球投资机构ICONIQ 本月发布《The ICONIQ Pacesetter Index》，追踪了 2024 年至 2026 年第二季度的软件公司数据，从中挑出以 AI 为核心、收入增速在同等规模公司中排进前四分之一的企业，称之为“领跑者”。研究发现，这些公司的发展速度是整个软件市场的 3 到 5 倍。拿 AI 时代的代表性公司做参照，华人团队打造的AI 视频明星公司HeyGen， ARR 从 100 万美元增长至1 亿美元用了 29 个月；Meshy 用时不到 24 个月，比 HeyGen 更快。能跑得更快的，只有 AI 编程工具 Cursor 等极少数公司。

更值得注意的是赛道本身的差别。视频和语音面向的是全球数十亿创作者，3D 创作者目前还远没到这个量级。在更窄的起点上跑出相近的速度，本身就说明了一件事：3D 生成已经不只是小圈子里的尝鲜工具，而是开始进入游戏开发和 3D 打印等实际生产环节。随着门槛继续降低，它也在从少数专业人士手中，走向更广泛的普通用户。

1 亿美元，增长还没慢下来

去年 11 月，Meshy 披露 ARR 为 1500 万美元，注册用户约 600 万。今年 3 月，ARR 翻到 3000 万美元，注册用户超过 1000 万。4 月，ARR 已经超过 4000 万美元。再过五个月，这个数字到了 1 亿美元。

到了 3000 万美元 ARR 以后，增长曲线反而更陡了。

这段高增长已经持续了一年多。据 Meshy 今年 4 月披露，公司 2025 年全年收入同比增长 14 倍，月复合增速长期保持在 20% 到 30%。

十个月里，Meshy 的注册用户从约 600 万增加到超过 1500 万，增至约 2.5 倍；同期 ARR 从约 1500 万美元增至 1 亿美元，增至约 6.7 倍。粗略按累计注册用户折算，每个注册用户对应的 ARR 从约 2.5 美元提高到接近 6.7 美元，翻了一倍多。

今年 4 月，Meshy 还披露，超过一半的增长来自自然渠道，一个客户在整个生命周期里带来的价值，是获取这个客户所需成本的 4 倍以上；在欧美 AI 3D 市场，其流量份额超过 60%。五个月后，ARR 跨过 1 亿美元。

这些数据可以解释增长的速度和效率，但还解释不了一家 3D 公司为什么能做到这个规模。3D 一直是专业门槛高、制作成本也高的行业。生成模型带来的变化是，其中一部分原本按人力计价的工作，开始可以按软件收费。

3D 开始直接卖结果

AI 3D 前两年最常比较的是模型质量、生成速度和价格。但对付钱的客户来说，更实际的问题是，一次生成到底能替他完成多少工作。

美国风投机构红杉资本合伙人 Julien Bek 今年写过一篇《Services: The New Software》。他讨论的是会计、法律和保险等行业，其中一个判断是，AI 公司可以直接对完成的工作收费。

他举过一个会计行业的例子。一家公司一年可能只花 1 万美元购买 QuickBooks，却要花 12 万美元请会计完成记账。软件本身拿到的预算有限，更多的钱一直付给真正完成工作的人。

按这个思路看，3D 很典型。

一套建模软件只是成本的一部分。角色、道具或场景资产真正做出来，还要投入建模师的时间。据 Meshy 今年 4 月披露，传统方式制作一个 3D 模型大约需要两周、1000 美元，使用 Meshy 后可以压缩到几分钟和约 1 美元。

实际体验下来，速度的提升很明显。上传一张手办参考图，一分钟左右就能拿到基础模型，再过一分钟补完贴图，glb、fbx、stl 几种常用格式都能直接导出。

3D 尤其适合这种收费方式。一件资产从设定图到真正可用，通常还要经过建模、贴图、拆件和调整，再导入游戏引擎或打印软件。生成模型每多完成其中一步，客户就少做一段人工，原来花在人力制作上的一部分钱，也有机会进入软件的订阅和 API 账单。个人创作者按月订阅，游戏公司持续生成角色和道具，开发者则按调用使用模型。

交付结果，对质量的要求也更具体。9 月发布的 Meshy 7.1 新增了 Ultra 4K 模式，能把盔甲上的刻花、布料的织纹、鳞片直接做进模型的几何结构里，未经简化的网格最多有 8000 万个三角面。对 3D 打印来说，这个差别很实际，只画在贴图上的纹理，打印出来不会变成真实的凹凸。

做桌游微缩模型的 Thorns Tavern 就把 Meshy API 接进了自己的平台。玩家提交角色设计后，可以直接得到用于全彩打印的定制手办。原来需要一到两周的建模，现在几分钟就能完成，生产时间缩短九成以上，成本降低 80%。

游戏公司也在用类似的方式。三七互娱把 Meshy 的图生 3D 接进美术流程后，在相对简单的项目里把建模时间缩短了约一半。据 Meshy 披露，全球市值和估值排名前十的企业里，有一半是它的客户。

对这些客户来说，付费对应的是一项已经完成的建模工作。一个用户会反复生成资产，一家企业也可能把 Meshy 接进多条生产流程。

用户不打开 Meshy，也能用上 Meshy

Meshy 的 3D 能力也开始出现在别的产品里。

今年 3 月，拓竹把 Meshy 6 接进了旗下 3D 模型社区 MakerWorld 的 MakerLab。用户上传一张图片，就能直接生成可以继续打印的 3D 模型。对于买了 3D 打印机的人来说，他不需要先学会建模，也不一定需要专门进入一款 AI 3D 产品。

前面提到的 Thorns Tavern 也是如此。玩家使用的是它自己的平台，3D 生成由 Meshy API 在后端完成。

Meshy 当前的集成还包括 Blender、3ds Max、Unity、Unreal、Roblox Studio 等创作和游戏工具，也进入 Bambu Studio、Creality Print、OrcaSlicer、Elegoo Slicer 等 3D 打印切片软件。切片软件负责把 3D 模型转换成打印机能够执行的路径。

开发者还可以通过 REST API、命令行和 MCP Server 调用 Meshy。MCP 是一套让 AI Agent 连接外部工具和数据的接口标准。

Meshy 现在也可以直接在 ChatGPT 里被调用。

GPT-6 调用 Meshy 插件生成椅子、拆分部件，最后做出一个家具网站

在 Meshy 发布的演示里，用户围绕一把椅子连续完成模型生成、重新贴图和部件拆分，随后按照同一套设计语言，扩展出 20 件覆盖不同品类的家具。椅子还能拆成不同部件逐个查看，最后生成一个家具目录网页。

这段演示里更有意思的，是用户最后完成的那件事。从一把椅子扩展到 20 件家具，再整理成一个可以浏览的目录网页，3D 生成只是其中一步，前后还有设计扩展、部件处理和网页制作。过去，一个 3D 工具要增长，得先把用户吸引到自己的产品里。到了 Agent 工作流里，用户可以先提出完整任务，再由模型判断哪些步骤需要调用 Meshy。

设计软件 Figma 已经在财报里看到了这类入口变化和付费之间的联系。今年第一季度，Figma Design 的 MCP 周活跃用户增长到上一季度的 5 倍；在年付费超过 10 万美元的客户中，使用 Figma MCP 的客户，付费席位增长速度比其他客户快约 70%。

在这样的工作流里，分工也很清楚。用户面对的是 ChatGPT，GPT-6 Astra 负责理解任务、安排步骤和调用工具，具体的 3D 资产生成和处理交给 Meshy。

至于建模这一步为什么要交给 Meshy，Meshy 创始人兼 CEO 胡渊鸣在一篇文章里举过一个例子。Astra 这类视觉语言模型知道人脸上有两只眼睛，也认得出角色手里拿着剑，但要准确还原眼睛的大小、剑的角度，照着一张照片做出这个人，专业生成模型更擅长。按照他的说法，Astra 建一个模型往往需要十几分钟，基于扩散模型的 3D 生成可以控制在一分钟以内。

通用模型越强，这种分工对 Meshy 越有利。Agent 能拆解和组织的任务越复杂，交给专业 3D 模型执行的环节也越多。

下一条增长曲线

Mora 是 Meshy 正在开发的多模态开放世界实时架构，想直接生成可以探索、可以互动的体验。它把几类模型放进同一套系统，Coding Agent（能够自主编写和运行代码的 AI 编程工具）负责逻辑和玩法，3D 生成负责资产和空间结构，实时视频模型生成最后的画面和声音。Mora 1 的早期演示已经覆盖解谜、多人平台、建造、竞速和体育等玩法，也支持切换不同的视觉风格。

Meshy 在介绍 Mora 时提到，要让 AI 实时生成一个能玩的世界，业内更常见的做法是让一个视频模型端到端地模拟整个世界，这种做法在空间一致性和复杂交互上一直吃力。Mora 选择先建造、再渲染，规则和空间交给代码与 3D，视频模型负责把画面做出来。

Mora 在设计时就把外部 Coding Agent 的进步考虑了进去。胡渊鸣在不到两年 ARR 增长 100 倍，一门更大的 3D 生意开始成形。同一篇文章里写道，市场上的 Coding Agent 越强，Mora 能完成的关卡和玩法机制也会跟着提升。Astra 在编程和空间理解上的能力，因此也可以参与更复杂的 3D 关卡和玩法构建。

他还列出了这个方向上几个还没有答案的问题。一个是低延迟，玩家每做一个动作，画面都要实时生成出来。另一个更难，AI 生成的游戏机制到底好不好玩，目前还没有好的衡量方法。他把这些列为学界可以研究的开放问题，也是 Mora 方向上最关键的几个。

这类问题需要长期的研究投入。9 月初，在微软亚洲研究院做了 25 年图形学研究的童欣加入 Meshy，出任首席科学家，牵头 3D 基础模型、多模态世界模型和实时交互等方向的研究。

研究之外，Meshy 也已经在用真实的游戏做尝试。今年 3 月的 GDC 上，它展示了一款 AI 原生游戏《黑箱：无限构筑》，玩家用文字描述就能造出自己的武器和战斗风格，AI 再实时重组游戏的核心机制，每一局的玩法都不一样。用胡渊鸣当时的话说，这是要把 AI 从生产流程的后台，搬到玩家体验的前台。

Mora 1 生成的不同玩法和画面风格

实时生成一个能玩的世界，整个行业都还在早期，Mora 1 也还是研究演示。Meshy 的不同在于，它做这件事的时候，背后已经有一门 ARR 1 亿美元的 3D 业务在运转，证明了高质量 3D 资产生成已经可以支撑起一门规模不小的软件生意，这套能力也被接进了企业流程、第三方产品和 Agent 工作流。

这两条线也连在一起。Mora 里负责空间和资产的，正是 Meshy 已经在做的 3D 生成。一个能玩的世界需要持续生成角色、道具和场景，对 3D 资产的需求天然比一次单独生成更密集。

AI 让 3D 里的一部分工作从按人力计价，变成了按软件收费，这是 Meshy 那条 ARR 曲线背后的变化。Mora 再往前走了一步，让一个能玩的世界，也可能被生成出来，那会是 1 亿美元之后的下一条曲线。