编辑 | 陈陈
如今的 AI，已经很会「画」3D 了。
输入一句话，模型可以生成一个足够逼真的耳机盒或咖啡杯。材质、光影、甚至连轮廓都像模像样，放进宣传片里几乎挑不出毛病。
但把它交给工程师，问题会立刻暴露出来。
物体孔位间距能不能从 20 毫米改成 25 毫米？修改其中一个尺寸后，其他结构能否自动保持约束关系？
对于大多数生成式 3D 模型，答案并不乐观。它们交付的是一个可以渲染的外形，内部却缺少工程设计真正依赖的参数、特征、结构关系和构建逻辑。尺寸一变，往往只能重新生成；想要调整局部，也很难像编辑 CAD 文件一样继续加工。
这条边界，决定了生成式 3D 能否从内容工具走进真实制造，也决定了它能否成为机器人、世界模型和 Physical AI 所需要的数据基础设施。
近日，比特无限发布的 Arko-T，是一款面向 Text-to-Structured 3D Generation 的 4B 参数基础模型。该模型由比特无限联创、首席科学家周平义博士带队完成。
它接收自然语言描述，直接输出可执行的 Build123d 程序。程序经过 CAD 内核运行后，可以得到带有命名参数、结构特征和建模过程的 CAD 设计实体
更引人关注的是它的结果。在与 GPT-5.2、Claude-4.5-sonnet、Gemini-3.5-flash、DeepSeek-V4-Pro、Qwen3.6-max、Kimi-k2.6、GLM-5.1 这七个当今最顶尖的通用大模型的正面对抗中，在 12 项量化指标里拿下 8 项第一、3 项第二。
论文地址：https://arxiv.org/pdf/2606.30429
不仅如此，Arko-T 在本地 GPU 上处理单个样本的平均耗时为0.41 秒，相比所有 API 基线模型至少快一个数量级。完成整套基准测试的成本为0.28 美元，约为最便宜 API 基线 DeepSeek 的六分之一，后者成本为 1.69 美元；相比最昂贵的 Claude，则低约 65 倍，后者成本为 18.14 美元。
对于没有出现在训练集中的部件，Arko-T 也能够基于已有的结构知识进行组合与生成。
这项研究在 X 上同样收获了好评：很多网友认为这是一次颠覆性的突破。
更有网友表示「小体量、低延迟与高性能同时出现，成为这项研究最令人惊喜的亮点之一。」
除了在模型评测中达到 SOTA，Sparkoh AI 还将这项能力落到了原生 3D 建模平台中，支持用户直接用自然语言描述需求，系统会自动理解尺寸、结构等关键信息，并生成对应的 3D 模型。
比如「请帮我生成一个杯垫。」对于这一需求，模型生成的是一份具备明确结构、可调参数和完整构建逻辑的设计文件。该模型可以继续用于 3D 打印，并进一步转化为能够实际制造和使用的产品。
视频链接：https://mp.weixin.qq.com/s/hpLcEkZT8yoPtnw0-p_l1w
接下来是定制一个有线耳机收纳盒，用户还可以上传草图作为参考。对生成结果不满意时，也能继续用自然语言提出修改，例如将 IEM 槽位简化并适当放大。设计确认后，即可进入 3D 打印环节。
视频链接：https://mp.weixin.qq.com/s/hpLcEkZT8yoPtnw0-p_l1w
由此，即便没有专业建模经验，普通用户也能以更低门槛参与 3D 设计，把一个想法逐步变成真实物体。
从「生成一个形状」，走向「生成一个设计」
过去几年，Text-to-3D 的进步主要发生在视觉层面。
DreamFusion、Magic3D 等路线证明，自然语言可以成为 3D 生成的有效条件。后来大量模型继续提高几何完整度、纹理质量和生成速度，让一句话生成 3D 逐渐成为消费级产品中的常见能力。
这类模型通常输出 Mesh、NeRF、3DGS 或其他视觉资产。它们适合展示、游戏、美术和数字内容创作，却很难完整承载工程意图。
CAD 世界关心的对象完全不同。
一块机械支架，不只是一组表面。它包含孔、槽、倒角、加强筋等明确特征；厚度、半径、间距、数量等可调整参数；还包含草图、拉伸、切除、圆角等按顺序组织的建模历史。特征附着在哪个面、引用哪条边，同样会影响后续编辑是否稳定。
Arko-T 将这套结构概括为一个「设计状态」：特征集合、参数集合、约束关系、构造历史，以及将特征绑定到面、边和草图平面的引用关系。
这个定义的重要性在于，它把 Text-to-3D 的目标从生成一个形状，推进到生成一个设计实体。
例如，当用户要求「设计一个带四个安装孔和三角加强筋的支架」时，模型需要理解安装孔属于可编辑特征，孔径和孔距应当成为命名参数，加强筋要连接到合理的承力边，整个零件还需要按照草图、拉伸、切孔、增加加强筋和倒角的顺序构建。
只要这些信息被保留下来，工程师就可以继续修改。孔径变化时，模型无需推倒重来；厚度调整后，相关特征仍能跟随更新；设计文件也可以进入更标准的制造、仿真和审查流程。
这正是「结构化 3D」与普通视觉 3D 的分水岭。前者保存设计逻辑，后者保存外观结果。
4B 模型为什么能跑赢通用大模型？
Arko-T 是一个拥有 40 亿参数的 Transformer 模型，以序列到序列的方式进行生成：输入是一段描述单个零件的文本提示，输出则是一段 Build123d 程序。该程序能够定义具名参数、构建几何结构，并组合参数化 CAD 的完整操作词汇，最终生成一个实体对象。
Arko-T 训练语料约为130 万组「文本提示 —Build123d 程序」数据
一部分数据由 DeepCAD 等现有 CAD 数据集转换而来，另一部分来自开源 CAD 项目与内部设计。所有程序都要经过 CAD 内核执行过滤，只有能够生成有效、非空实体的数据才会进入训练集。
更关键的一步是代码标准化
真实世界里的 CAD 代码风格非常混乱：参数可能埋在某个常量里，变量名可能毫无意义，建模顺序也可能被无关逻辑打断。直接拿这些数据训练，模型容易学会表面格式，却没有掌握设计结构。
Arko-T 将每一份训练代码重新整理：把孔、壳、阵列等机械特征对应到较稳定的代码模式；把半径、厚度、数量和间距提取成顶部的命名参数；让构建过程遵循草图、拉伸、次级特征、表面处理的相对一致顺序；将对称、间距、面和边的引用尽可能显式表达。
经过这一处理，训练语料库中的每一段程序既是可执行代码，也是一份清晰、可读的设计意图说明。
训练分为持续预训练和监督微调两个阶段。第一阶段先让模型学习 Build123d、CadQuery、OpenSCAD 等参数化建模工具的文档和设计语言；第二阶段再使用 130 万组配对数据进行监督微调。
这也解释了为什么 40 亿参数的模型，可以在特定任务上超过更大的通用模型。
通用模型需要覆盖写作、编程、数学和多模态理解等大量任务，结构化 3D 只占其中很小一部分。Arko-T 的训练目标高度集中，数据又被整理成统一的设计语言。参数规模更小，单项能力反而更容易形成优势。
SOTA 之外，比特无限还想造一台物理 3D 数据引擎
到这里，Arko-T 论文回答的仍是一个相对明确的技术问题：AI 能否生成可执行、可编辑的参数化 CAD 设计。
但对比特无限而言，Arko-T 并不是终点。公司希望把这项能力放进更大的数据闭环中：前端连接 Maker 和 3D 打印用户，在真实设计与制造过程中积累修改反馈；后端则将结构化 3D 能力继续延伸到机器人仿真所需的 OpenUSD、SimReady 级资产。
关于世界模型，李飞飞给出定义：世界模型 = 渲染器（Renderer）+ 模拟器（Simulator）+ 规划器（Planner）。三个环节里，渲染器已经卷成一片红海，规划器也出现了 VLA、机器人策略模型等相对清晰的技术路线。
真正长期受限的，是负责建模世界状态与物理演化的模拟器，原因在于支撑这些能力的数据长期没有得到规模化积累。
峰瑞资本创始合伙人李丰说得很直接：世界模型和物理模型之所以成为具身智能领域最大的投资热点，根源就是没有数据 —— 人类从来没有大规模产生过包含物理量和物理世界交互规律的结构化数据。互联网文本可以养出 LLM，但符合物理约束的结构化 3D 数据，没办法凭空合成，只能从真实交互中一点点采样出来。
更现实的参照系是特斯拉：FSD 之所以能一直进化，是因为每一辆在路上跑的车，每天都在给它交回真实世界的驾驶反馈，这是一台真正跑起来的数据引擎，而不是关起门来在虚拟环境里合成数据。
物理 3D 世界目前还没有这样一台数据引擎。
英伟达自己的 Physical AI 技术栈，明确要求 SimReady/OpenUSD 级别的资产，既要有结构装配信息，又要有物理运动学信息，这类数据人工建模一套动辄上千小时学习门槛，纯算法合成又天然带着 Sim-to-Real Gap。
而绝大多数建模软件本身就有壁垒，物体的运动学关节、轴向、限位这些信息，根本没有标准化的方式被保存下来。
比特无限的判断是，真正能够推动 Physical AI 持续进化的数据，更可能来自嵌入真实用户行为中的长期反馈闭环。
Maker 和 3D 打印用户他们每天进行家居改造、零件设计和 3D 打印等项目，实际上包含设计意图、几何参数、制造结果和修正动作。
团队希望把这类交互变成模型的后训练数据，数据生产被嵌入真实用户场景，产品使用与模型提升形成同一个循环。与只能用于展示的 Mesh 相比，这类结果更接近一份真正可以继续修改和制造的工程设计
模型生成之后，真正有价值的反馈才开始出现。
用户会通过自然语言提出修改（比如杯垫可能大了 0.5 毫米），这一过程沉淀出语义需求、二维表现、三维几何、装配关系等多种数据。对于专用模型而言，它们构成了极具价值的后训练信号。
每增加一次 C 端用户交互，都会进一步提升专用模型的能力；模型能力提升后，又可以生成更贴近真实物理世界的 OpenUSD 资产。
因此，这条链路的终点并没有停留在 3D 打印。经过专用模型处理后，一份普通的参数化设计还可以继续扩展为面向仿真的结构化资产。最终形成能够进入机器人仿真环境的 OpenUSD 资产，从而解决机器人训练中的基础问题。
这条技术路线，也让比特无限逐渐进入头部 AI 基础设施公司的生态体系。目前，比特无限已经加入 NVIDIA Inception 创业加速计划。此外，比特无限也已经进入智谱公开展示的合作伙伴生态，并落地上海模速空间。
从万亿参数预训练到物理 3D，周平义博士带队打造
Arko-T 是由比特无限联创、首席科学家周平义博士带队完成的重要研究成果。
放在整个行业里看，周平义的履历几乎是稀缺资产本身。他是全球目前仅有的约 3000 名主导过万亿参数级别预训练的科学家之一，而这批人里，只有 8% 选择了创业公司。
比特无限联创、首席科学家周平义博士
周平义于 2019 年获得武汉大学计算机软件与理论方向博士学位，在华为期间，他曾参与第一代 Pangu-Alpha 2000 亿参数 Dense 大模型的架构设计与预训练，并在第二代 Pangu-Sigma 万亿参数 MoE 大模型研发中承担核心工作，覆盖数据处理、模型架构、预训练、推理和评测等环节。
这段经历的价值，不只在于训练过足够大的模型。
在大模型训练仍处于早期探索阶段时，周平义所在团队需要在国产算力、训练框架和大规模集群上解决一系列底层工程问题。模型结构、数据质量、训练稳定性和集群效率必须同时推进。长期参与这一过程，使其积累了从模型架构到工程落地的完整经验。
加入比特无限后，周平义负责搭建物理 3D 模型的预训练和数据工程体系。他对模型研发的判断很明确：模型能力的上限，很大程度上由数据决定；对于物理 3D 这种数据稀缺、格式分散、设计过程难以保留的领域，数据工程需要先于模型工程建立起来。
这也成为 Arko-T 技术路线的起点，Arko-T 的优势背后是一套从数据获取、结构化处理、执行验证到模型训练的完整管线。
这也解释了为什么一款 40 亿参数的专用模型，可以在结构化 CAD 生成任务上超过多款前沿通用模型。通用模型掌握了广泛的代码能力，比特无限进一步补上了物理 3D 领域缺失的设计知识、几何关系和工程约束。
在团队看来，物理 3D 的竞争最终仍会回到四个要素：算法、算力、数据和真实用户反馈。初创公司很难在算力上与大厂正面竞争，但可以通过专用模型人才、稀缺数据和 Maker 用户形成的交互闭环，在垂直领域建立时间窗口。
结语
物理 3D 数据，正在成为具身智能、世界模型、VLA 这些赛道共同卡住的瓶颈，英伟达自己的 Physical AI 技术栈，明确要求 SimReady/OpenUSD 级别的资产，既要有结构装配信息，又要有物理运动学信息，这类数据人工建模一套动辄上千小时学习门槛，纯算法合成又天然带着 Sim-to-Real Gap。
比特无限是把 3D 打印和 Makers 这个全球超过 5 亿人的存量场景，变成第三类可规模化的 Physical AI 数据引擎，不同于 Google 式的互联网标注，也不同于 Tesla FSD 式的上路传感，而是让用户每一次「画草图 — 建模 — 打印 — 失败 — 修改」的真实闭环，持续反哺给一个越来越懂物理世界的专用模型。
往大了看，这件事对应的是一块正在快速膨胀的市场：仅 Makers 这一个 C 端场景，2026 年就是 3400 亿美元规模，到 2030 年预计冲到 5000 亿美元；B 端 Physical AI 从 62 亿美元奔着 4000 亿美元去，3D 打印厂商这个细分从 134 亿到 400 亿美元，工业 AI 从 374 亿一路到 1500 亿美元。
这些数字背后是同一个事实：谁先握住能被工程师直接拿去改、拿去用的结构化物理 3D 数据能力，谁就先握住了这些赛道共同的入口。
互联网曾经为语言模型提供了文本世界，真实道路为自动驾驶提供了行动世界。如今，比特无限正在为 Physical AI 打开结构化物理世界的入口。