1. AI建模到底改变了什么：从“手搓”到“对话式制造”
在折腾了大半年AI建模之后，我最大的感受是：这玩意儿真正改变的不是“建模”本身，而是“从一个空白的Viewport开始”这件事。以前做一个稍微有点复杂度的模型，哪怕是单个机械零件，也得先找参考图、拉box、卡线、调点，一套流程走下来，两三个小时打底。现在不一样了，你只需要描述清楚你想要的东西，或者丢进去一张参考图，AI能把一个“看起来差不多甚至超出预期”的粗模在几分钟内吐出来，你再在这个基础上修、拆、补，效率完全不是一个量级。
我一直认为AI建模可以分成两个层面。第一层是“生成式建模”，也就是用文本、图像生成完整的三维几何体，代表路线有文本生成3D、单图生成3D、多视图重建这类方向。第二层是“辅助式建模”，也就是把AI嵌进传统DCC软件的工作流里，帮你做重拓扑、展UV、生成PBR材质、补面修模、绑定权重这些脏活累活。这两条线不是互斥关系，实际操作中最合理的做法是“先让AI生成粗模，再拿传统DCC做精修”，这样既吃到了AI的效率红利，又能保证拓扑质量和后续可编辑性。
这篇文章我想以一个普通从业者的视角，把最近这段“继续尝试AI建模”的完整过程、工具选型、踩坑记录和解题思路整理出来。内容偏实操，涉及的工具包括主流的生成式AI建模平台、Blender及一些AI插件，适合三类人看：一是刚接触AI建模、想知道从哪下手的新手；二是传统手绘建模出身、想接住AI工作流但不知道怎么落地的从业者；三是打算把AI建模纳入实际项目管线、需要评估质量和稳定性的技术负责人。
先说结论：AI建模现阶段还不能完全替代手工建模，但它已经能帮你干掉前期60%以上的体力活。真正决定模型质量的，反而变成了你的“描述能力”和“修模能力”。这两样东西，一个靠积累词汇和提示词模板，一个靠传统的造型功底，缺一不可。
2. 工具选型：我实测下来的几条路线
2.1 文本/图像生成3D模型的工具对比
工具选型是“继续尝试AI建模”过程中最绕不开的一步。从2023年下半年开始，这一赛道密集爆发过一波工具，我逐个用过之后，按“生成质量、可控性、面数合理性、导出格式兼容性、免费额度”这几个维度筛了一遍。
- Meshy：文本生成3D和图像生成3D都有，生成速度在同类里算快的，风格偏向游戏资产和概念模型。它的优势是上手门槛极低，网页端直接操作，对新手友好；劣势是生成结果在细部结构上容易糊，复杂机械结构经常把管线、螺丝、接口粘连在一起，需要后期拆件。
- Tripo 3D：单图生成3D的效果在同类工具里属于第一梯队，尤其适合“照着概念设计图/手绘草图直接生成模型”的场景。它出的模型在整体比例和轮廓还原上非常准，缺点是拓扑比较乱，三角面数量经常飙到几十万甚至上百万，不做减面和重拓扑几乎没法直接进游戏引擎。
- Luma AI（Genie）：更侧重真实物体扫描与生成，适合从实拍视频或照片重建场景物体，生成结果偏真实风格。对于硬表面建模，它不算最优解，但做参考资产和场景道具效率很高。
- CSM（Common Sense Machines）：这家的技术底子是AI建模圈里比较扎实的那种，支持文字、单图、多视图输入，生成结果的几何准确度不错。它还有一个特色是能生成带简单绑定的模型，对角色动画前期探索有很大帮助。
- Trellis（微软开源方案）：如果要追求可控性和可复现性，本地部署开源模型是绕不开的路。Trellis这套方案在生成质量上已经比较能打，前提是你的显卡扛得住推理，以及你愿意花时间折腾环境。
我把这些工具放在一起横向比较过，真实的体感是这样的：
| 工具 | 输入方式 | 输出格式 | 面数规模 | 强项 | 弱项 |
|---|---|---|---|---|---|
| Meshy | 文本/图片 | OBJ/GLB/FBX | 中等 | 速度快、门槛低 | 细节粘连、风格单一 |
| Tripo 3D | 图片为主 | OBJ/GLB | 偏高 | 比例准、轮廓还原好 | 拓扑乱、面数高 |
| Luma AI | 实拍/视频 | 网格 | 中等 | 真实感强 | 硬表面结构弱 |
| CSM | 多模态 | Alembic/FBX | 中等 | 可控性高、多视图好 | 免费额度有限 |
| Trellis | 图片/文本 | GLB | 较高 | 开源可部署、自托管 | 需要显卡和部署成本 |
顺带补一句，以上工具的发展节奏非常快，功能迭代基本按月来，所以我提到的某些细节可能在你看这篇文章时已经变了，但整体选型逻辑是通用的：追求效率选云端工具，追求可控选本地部署，追求最终资产质量就要做好“AI粗模+人工精修”的组合准备。
2.2 传统3D软件里的AI插件：Blender路径
如果只用网页端工具，最后还是要面对一个问题：生成的模型怎么整合进你已有的DCC工作流？我的习惯是，AI生成粗模后一律先丢进Blender做清理和精修。原因是Blender免费、跨平台、脚本生态强，而且近几个版本的AI辅助插件已经非常成熟。
Blender里值得装的AI辅助工具我列一下：
- AI Remove/补面插件：用于修复从AI生成器导出的模型中常见的破面、穿插面、孤立面问题。我在实操中比较常用的是在Edit Mode下用Mesh Cleanup配合插件自动移除“退化面”和“非流形面”。
- 重拓扑工具：Blender自带的Remesh（Voxel Remesh和QuadriFlow Remesh）本身就是免费的“AI级”自动重拓扑方案。QuadriFlow出来的四边形拓扑在硬表面流程里非常可用，我在实际项目中几乎把它当成标准化流程来用。
- AI纹理生成插件：像Dream Textures这类在Blender里直接跑Stable Diffusion的插件，能基于模型UV生成无缝纹理、风格化贴图甚至Normal Map。说实话这一步“AI感”很强，但效果确实能打。
- 自动展UV插件：Blender内置的Smart UV Project加上部分第三方自动展UV插件，对不规则的AI生成模型很管用。手动展这种几十万面的模型展开基本不现实，必须自动化。
Blender这条路线的核心价值在于“接手”：AI生成模型后，后续所有的拓扑清理、UV展开、材质赋予、渲染出图都能在同一个软件里完成，不需要在多个工具之间来回导格式，能省掉大量因格式转换导致的细节损失。
2.3 选型逻辑与成本评估
选型这件事，我绕了不少弯路，一开始是哪个工具火就用哪个，结果几个项目做下来浪费了大量时间在“格式不一致、导入后破面、材质丢失、面数爆炸”这些问题上。后来我总结出一套自己的选型决策逻辑：
第一步，看项目类型。如果是做前期概念探索、需要快速产出多个方案，选网页端生成工具（Meshy、Tripo这类），追求速度；如果是做最终交付资产，选可控性更强的路线（CSM或本地部署开源模型），同时预留修模时间。
第二步，看硬件条件。本地部署Trellis这类模型需要至少8GB以上显存才能跑得舒服，显存不足的话，云端工具反而是更务实的选择。不要盲目追求“本地部署”，如果你的显卡只是入门级，体验可能会让你直接放弃AI建模。
第三步，看输出格式兼容性。很多AI工具默认导出GLB或OBJ，这两个格式本身兼容性不错，但如果是带骨骼动画、带材质PBR参数的复杂资产，优先选支持FBX或Alembic导出的工具，不然从格式转换开始就要掉一层皮。
成本方面，云端工具普遍有免费额度，但免费版的水印、面数限制、导出分辨率限制都比较多。我的建议是：如果你确实想认真尝试AI建模，可以先从免费额度开始跑通流程，等确认这套工作流能给你带来实际价值后，再考虑订阅付费档。没有必要一开始就买年费会员，因为工具的更新淘汰速度远比你想象中快，很多去年热门的产品今年已经明显落后了。
3. 实操全流程：从一张参考图到一个可用的模型
3.1 提示词与参考图的准备技巧
说到实操，最核心的第一步其实是“输入”。很多人以为AI建模的输入就是把参考图丢进去，或者随便打几个词，这是最大的误解。我做过很多次对照实验，同样的工具，输入条件不同，出来的模型质量差距可以非常大。
写提示词时我遵循一套固定的信息框架：
- 主体名称：明确描述物体是什么。这一项放最前面，优先保证AI不跑题。
- 材质与质感：说明表面处理，比如“拉丝金属外壳”“磨砂塑料”“哑光涂装橡胶”，材质描述越具体，生成的表面细节越丰富。
- 结构特征：关键形态、功能部位、比例倾向，比如“圆柱形塔体+底部圆环底座+侧面对称散热栅格”。把结构特征拆成“我期望的模块列表”，比用一整句话描述更有效。
- 比例与尺度感：AI对尺度不敏感，所以你要主动定义，比如“整体高度30厘米的手持设备”“约莫一拳大小的微型传感器”。这个信息会体现在模型的细节密度上。
- 风格关键词：是写实还是风格化？是科幻还是工业风？写到这一层，生成结果才会有明确的调性。
- 负面提示词：这一步很容易被忽略，但它极其重要。直接告诉AI“不要融合、不要多余结构、不要残缺、不要旋转扭曲”，能拦下相当一部分离谱生成结果。
我在实际项目里会维护一个自己的提示词模板库。比如做机械类硬表面时，固定模板长这样：
主体：工业检测无人机 材质：黑色哑光工程塑料外壳，金属银色螺旋桨保护架 结构：四旋翼对称布局，顶部有一个半球形传感器舱，底部有可拆卸电池舱 比例：翼展约半米，传感器舱直径约12厘米 风格：写实硬表面，细节丰富，接缝清晰 负面：禁止部件粘连，禁止非对称，禁止多余曲面扭曲参考图的选择也有讲究。相比生成式AI里的“参考图”，3D生成工具对参考图的最佳要求是：背景干净、主体清晰、角度接近正交视角、没有过多光影干扰。如果丢进去的是一张带复杂背景、强烈透视、遮挡严重的照片，AI几乎必然会“脑补”出错误的结构。所以我的习惯是：先用PS或者任何图像处理工具把主体抠出来，放到纯色背景上再丢给生成工具。这一步花不了两分钟，但对生成质量影响极大。
3.2 生成、减面、重拓扑的完整链路
拿到AI生成粗模之后，大多数情况下模型是不可以直接用的。我具体跑过的一套链路，分享给大家做一个可复现的流程参考：
第一步，生成并预览。把提示词或参考图输入工具，等生成结果出来后，先在WEB预览器里旋转查看整体形态是否准确。如果形态不达标，不要进下一步，直接重新生成或修改提示词再跑。优先保证这一步的结果“大形对”，因为大形不对，后面修模怎么修都别扭。
第二步，导出并检查网格。下载OBJ或GLB后导入Blender。先用Mesh Analysis面板查看网格质量，重点观察：是否有破洞、是否有很多非流形边、是否出现大面积的三角面混乱、是否有多余的孤立碎面。记录下问题类型再决定用哪个流程修。
第三步，Voxel Remesh粗修。选中模型后，添加Remesh修改器，选择Voxel模式。体素大小是关键参数：体素越小，保留细节越多，但面数越高；体素越大，模型越平滑，细节丢失越严重。我一般会先用一个相对较大的体素把模型整体“洗”一遍，把穿插、破面这类几何错误统一清理掉，再逐步减小体素做细节恢复。这个过程有一点像雕塑里“先大块去泥、再精修五官”的顺序。
第四步，QuadriFlow重拓扑。在Remesh基础上，再用QuadriFlow模式重拓扑，目标面数一般设置在2万到5万左右。这一步能生成相对规整的四边形拓扑，虽然还不是干净的“次世代游戏拓扑”，但对于手办原型、3D打印、渲染验证来说完全够了。如果你想做游戏低模，后续还得手工拓扑，AI暂时替代不了。
第五步，分件与修整。把模型按功能或部件拆分成独立对象，比如把“外壳”和“内部结构”分开，这样后续如果要出三视图、上材质、做动画都会方便很多。拆件时用Blender的Separate by Loose Parts可以快速把不相连的部分分离，然后再手动归组、命名。
第六步，UV与材质。在重拓扑完成后展UV。对于偏概念验证的模型，用Smart UV Project就够了；如果要进引擎或做产品渲染，强烈建议在拆件后对每个部件分开展UV，配合自动展UV插件补一刀手动调整。
第七步，导出。根据下游需求选择导出格式：手办3D打印导出STL，游戏引擎导出FBX，网页展示导出GLB。这里有个容易被忽略的点：导出前检查模型法线是否正确。AI生成的模型偶尔会出现法线翻转，不修正的话导进引擎会变成“半透明黑面”，非常坑。
3.3 尺寸规格与导出设置
AI生成模型的尺寸五花八门，有的动辄几十万面，有的模型单位尺度缺失，3D打印和游戏引擎导入时会出现比例错误。我在实操中几乎每个项目都要做统一的规格收敛：
- 面数规格：游戏引擎静态道具建议在1万面到3万面以内，渲染用途可以放宽到30万面。AI导出的模型如果超过目标面数，用上面提到的重拓扑链路压下来。
- 单位标准：建模前统一单位，Blender里建议使用公制单位，并在生成前向AI工具描述清楚实体尺寸。导入引擎后检查Scale是否正常，避免尺寸被缩放到0.01这种数字。
- 轴方向：导出的模型注意轴方向是否一致，Blender是Z轴向上为主，很多AI工具也是Z轴向上，但有些工具默认Y轴向上，导入导出时不设置会直接砸穿你的手感和摄像机设置。
- 三角面/四边形：3D打印建议导出三角面（STL），游戏引擎也接受三角面，但动画绑定建议用四边形。重拓扑时保留四边形是通用的好习惯。
导出时如果模型分成多个物体，建议在Blender里新建Collection统一管理，导出时勾选“Only Collection”而不是“Whole Scene”。这个习惯能避免大量“隐藏参考模型”被一起导出的低级事故。
4. 踩坑实录：AI建模常见问题与排查方法
4.1 AI生成模型常见的破面与几何缺陷
AI生成模型最常见的坏毛病就是“几何缺陷”。我遇到过的有这几类：
破面：模型的某些区域出现网格空洞或者缺口。出现原因通常是AI在生成时对曲面计算不完整，或者从高模转换到低模时焊接失败。排查方法很简单：进入Edit Mode，选择Mesh → Clean Up → Fill Holes，它会自动修补一部分小洞。大的破面需要手动选择边界环再执行“Fill”或“Grid Fill”。千万别在OBJ阶段去修，Blender的网格工具比外部工具好使太多了。
非流形边：就是一条边被多个面共享、或者面与面之间出现交叉重叠。这类问题常见于AI生成模型的布尔运算残留，会导致切片、渲染、导入引擎时出现奇怪故障。排查方法是选择Mesh → Clean Up → Degenerate Dissolve，再检查是否有橙色高亮的非流形边。如果问题面太多，最简单粗暴的方案还是Voxel Remesh整个来一遍。
孤立碎面与悬浮顶点：AI生成器有时会在模型边缘甩出一些单独的碎平面或者点，它们不参与最终模型形态但会进入网格数据，导致文件体积虚高、法线计算出错。排查方法：Edit Mode里选择Mesh → Clean Up → Delete Loose，一键清理，效果立竿见影。
裁切面与内部面：AI生成的模型内部经常出现多层重叠的“隐藏面”，肉眼看不出但渲染时会出现闪烁、AO异常、体积感混乱。解决办法是用Select All by Trait → Interior Faces选中内部面删除。这类问题在实拍重建和AI生成模型里都很常见，几乎每次都要处理。
4.2 细节丢失与过度平滑的处理
AI建模另一个让人头疼的问题是“过度平滑”，具体表现是：该有的锐利转折没了，棱角变成了圆角，凹槽变成了平的，表面细节糊成一团。这个问题在文本生成3D路线里尤其明显，原因在于AI模型的潜在空间天然偏向平滑的、低频率的几何形状，尖锐细节和精细凹凸的生成难度远高于大形轮廓。
处理这个问题的办法，我从实操里摸索出三个方向：
第一，调整生成参数。很多工具里有“Detail Level”“Sharpness”这类的参数调节项，将其适当提高会比默认值好很多。如果你的工具没有这类参数，试试修改提示词，增加“sharp edge”“hard surface”“bevel minimal”这类词，也有一定效果。
第二，用Blender的雕刻模式手动找回细节。在大形正确的粗模基础上，用雕刻模式里的Crease、Clay Strips、Pinch等笔刷手动勾勒硬边和结构线。虽然这一步回到了传统手工建模的范畴，但工作量和从零建模比起来根本不在一个量级，半小时就能找回大部分需要的细节。
第三，结合法线贴图补充细节。如果模型是给游戏引擎用的，不追求几何细节，可以生成一套法线贴图来弥补低模的视觉细节。AI生成的法线贴图来源不稳定，可以试试用高模烘焙到低模，或者用Stable Diffusion类的纹理生成插件基于现有UV生成细节法线。
4.3 材质贴图与多软件协作的坑
AI生成模型除了几何，还经常带一套自动生成的材质贴图。看起来挺方便，但实际使用时会踩不少坑：
最常见的是材质节点引用了外部贴图文件，导出FBX到其他软件时贴图路径失效。排查方法是勾选“Copy”贴图到工程文件夹再重新指定路径，或者直接在Blender里把贴图Pack到.blend文件里再导出。
第二个常见问题是UV接缝处的颜色偏差。AI生成的贴图在UV边界上经常色彩不连续，渲染时会出现明显的接缝痕迹。解决的土办法是：在Blender里开启“UV Sync Selection”，手动把接缝附近的UV拉开一点距离，然后用涂抹工具把接缝区域的颜色过渡刷匀。要求高的话建议重新展UV，但成本较高，一般项目里接缝处理能接受就行。
第三个坑是贴图分辨率与实际需求不匹配。AI工具生成的贴图默认分辨率经常是1024x1024或2048x2048，对于近距离渲染和精细表面来说可能不够用。我的建议是，把AI生成的贴图当作“底图”，在Substance Painter或其他软件里重新烘焙成你需要的分辨率，顺手还能补一层智能材质做表面丰富度。
多软件协作方面，格式转换是最容易翻车的环节。我推荐原则是“能导GLB导GLB，能导FBX导FBX，尽量少用带插件依赖的格式”。OBJ适合静态几何交换，但完全不带动画和材质参数；Collada（DAE）虽然通用但兼容性问题不少；STL只能做几何网格，材质和颜色全部丢失，只能用于3D打印。按目标场景选对格式，能避开80%以上的协作翻车事故。
5. 几个让我意外的细节与后续方向
这里想分享几个在“继续尝试AI建模”过程中比较让我意外的细节，以及我目前看到的待突破方向。
第一个意外是，AI建模其实对“空间想象力”的要求下降了很多，但对“语言结构能力”的要求高了很多。以前建模主要靠脑子里的三维想象，现在你得能清晰列出对象由哪几个模块构成、模块间什么关系、每个模块大概什么比例。说白了，AI把“想象三维结构”变成了“拆解并描述三维结构”，这个能力一定程度上可以通过练习提示词模板快速提升。
第二个意外是，AI生成的模型在“创意发散”上给我的帮助甚至大于“效率提升”。有时候给它一个模糊的描述，它吐出来的造型会超出我的预期，直接启发新的设计方向。我现在做概念探索时会故意把提示词写得模糊一点，让AI“自由发挥”，自己再从里面挑有价值的形态继续深化。这一步比从零手绘草图还要快。
第三个意外是，目前AI建模对“硬表面机械结构”的表现普遍弱于“有机形态和生物体”。可能是训练数据里有机模型更多，也可能是机械结构本身的拓扑约束太多，AI很难同时保证“形态酷炫”和“结构合理”。如果你要做的是一台复杂的机械设备、一个带有精确功能的零件，现阶段还是老老实实手工建模更靠谱。
后续方向上，我自己最看好两个趋势：一是本地小模型推理与生成质量的进一步平衡，等能在消费级显卡上跑出准商用质量的模型，整个DCC工作流会被彻底重写；二是AI建模和3D打印流程的深度绑定，届时“从想法到实体物件”的时间会压缩到分钟级，这对产品设计、手办原型和制造行业都会是深远的改变。这些方向虽然还没有完全成熟，但值得持续关注。
如果说给正在尝试AI建模的人一个最诚恳的建议，那就是：别等工具完美了再入场，先把目前能用的部分用起来，哪怕只产出“概念探索示意图”和“机模”，也会让你对AI建模的能力边界有更准确的判断。工具还在飞速进化，现在积累的提示词理解和修模能力，到以后大概率都是通用技能。
