在AI 3D生成领域，长期以来存在一个核心矛盾：模型生成的质量越来越高，但生成的结果却是固化的、不可编辑的。想象一下你请一位雕塑家雕刻了一尊精美的雕像，但当你想调整雕像手臂的角度或改变头部的朝向时，却发现整个雕像是不可分割的单一实体，任何调整都意味着要从头开始。这正是当前主流AI 3D生成技术的真实写照。2026年7月18日，一项由中国研究团队完成的最新研究成果引起了AI 3D领域的高度关注。这项名为MeshCoder的工作另辟蹊径，不再满足于生成无序的三角网格，而是训练大语言模型直接将三维输入翻译成结构化、可执行的Blender Python代码。这标志着AI 3D生成正在从造雕塑时代迈进造程序时代。
目前最流行的AI 3D生成方法可以类比为让AI学习定义物体内外边界的函数。AI通过大量训练学会了空间中的一个点是在物体内部还是外部，然后通过等值面提取算法从这个边界函数中提取出三角网格。这种方法的成果好比一座固化的雕塑，一个不可分割的静态外壳，很难像玩乐高一样拆解重组。对于艺术家和设计师而言，三角网格的表面覆盖着一张杂乱的渔网而非规整的布料，任何微调都如同对整片网进行重新编织，极其困难。MeshCoder的核心创新在于将生成的对象从网格变为代码。研究团队训练了一个多模态大语言模型，能够将三维点云直接翻译成结构化、可执行的Blender Python代码。这些代码不是简单的几何描述，而是包含了完整的参数化建模逻辑。生成的模型不是死的网格，而是一套活的程序。用户可以像修改代码一样调整模型的每一个参数，从根本上解决了AI 3D模型不可编辑的问题。
MeshCoder的技术架构围绕三个核心能力构建。第一是分零部件生成。传统方法生成的模型是一个不可分割的整体，而MeshCoder能够理解物体的语义结构，将椅子自动分解为椅背、椅腿、椅面和横撑等独立部件，每个部件都有独立的代码段和参数。这得益于研究团队在模型训练阶段引入的部件级监督信号，让模型学会识别和分离不同功能部件。第二是规整的四边网格输出。传统的等值面提取方法生成的三角网格拓扑结构混乱，无法直接用于游戏引擎和工业设计软件。MeshCoder直接输出规整的四边网格，每个面都是标准四边形，拓扑结构清晰。这种输出格式可以直接被动画系统绑定骨骼、被细分曲面工具平滑处理、被纹理映射工具准确贴图。第三是可编辑性和参数化控制。MeshCoder生成的Python代码具备高可读性，用户可以通过修改参数轻松调整模型的尺寸、比例、部件位置甚至部件的几何形态。如果要调整一把椅子的靠背角度，传统方法需要重新生成整个模型，而在MeshCoder框架下只需要修改一个参数值。
MeshCoder的技术路线虽然在7月才正式公开，但其背后的研究方向已经吸引了多家AI 3D公司和研究机构的关注。程序化生成在3D内容创作领域是一个有着长期技术积累的方向。过去程序化生成主要依赖人工编写的规则和算法，由程序员手工编写生成特定类型模型的代码。这种方式的优点是可控制性强、生成结果稳定，但缺点是开发成本高、适用范围窄，每一种新的模型类型都需要人工编写一套生成逻辑。MeshCoder的创新在于用AI自动学会了程序化生成的能力，将这一技术的适用范围从特定类别扩展到了开放领域。从产业需求来看，MeshCoder解决的核心痛点在游戏和影视行业中尤为尖锐。在这些行业中美术师创建和迭代3D模型需要频繁修改和调整，而现有AI生成模型的固化特性使迭代成本居高不下。MeshCoder的代码化输出方式与现有的版本控制系统天然兼容，美术师可以对模型的代码版本进行对比、回退和分支开发。
MeshCoder的发布标志着AI 3D生成的技术路线之争进入了一个新的阶段。过去几年，AI 3D领域内有基于扩散模型的SketchFab路线、基于自回归的Meshy路线、基于NeRF和3DGS的新视角合成路线，以及基于SDF的隐式建模路线。各条路线各有优劣，但都共享一个共同的特点：生成结果的不可编辑性。MeshCoder的程序化生成路线本质上是对这一共同短板的回应。当其他技术路线在追求更高精度、更快速度时，MeshCoder提出了一个不同的问题：生成的结果是否可以被用户理解和修改。从长远来看，AI 3D生成技术的终极目标不是替代创作者，而是成为创者的伙伴。一个合格的AI 3D创作伙伴应该能够理解用户的需求生成结果，还应该能够根据用户的反馈调整和优化结果。MeshCoder的技术方向指向了这一终极目标。研究团队下一步的工作方向包括扩展支持更多类型的3D输入、提高代码生成的稳定性和效率，以及探索将代码化生成与物理仿真结合的可能性。如果这些目标能够实现，AI 3D生成将从静态内容创造工具进化为动态世界构建平台。