DeepMind 4D重建提速300倍，AI应用获4.8亿美元种子轮融资

1. 本周AI创投焦点复盘一件技术突破一笔罕见融资这周AI圈的新闻密度不算低但我朋友圈里讨论最热烈的反而不是又发了哪个新模型而是两条看着没什么交集的消息DeepMind把动态4D重建的生成速度一口气拉高了300倍另一头一家名叫Humans的公司宣布完成4.8亿美元的种子轮融资。第一条让我这种常年跟三维视觉打交道的人马上坐直了身子。做重建的人都清楚“动态4D”和“300倍提速”放一起意味着什么。它不是在原来的路径上修修补补而是直接把一条本来要走几分钟甚至几小时的重建链路压缩到近乎实时的范围。以前我们做一段动态人物重建采集完数据还要回来跑一夜的优化现在这个数字被按下去两个数量级以上很多原本只存在于演示视频里的场景就有机会真正落地了。第二条稍微发散的思考4.8亿美元还是种子轮。私募市场的朋友跟我开玩笑说看到这个金额的第一反应是“数错小数点了”。按行业常规种子轮能拿到千万美元级别已经算顶级项目能摸到几千万的屈指可数。Humans这笔融资直接把种子轮的天花板抬到了一个新的高度背后绝不是一个公司估值的问题而是整个AI创投逻辑正在发生结构性变化。坦白讲这两条新闻放在同一周出现不是巧合。它们恰好构成了当前AI产业的两个侧面一边是基础技术仍在以惊人速度突破边界另一边是资本开始系统性地押注AI应用层的规模化落地。我打算结合自己这些年做视觉重建和AI产品落地的经验把这两件事拆开聊聊聊透技术、也聊透资本背后的逻辑。这篇内容适合三类人看正在做三维视觉、机器人、XR相关方向的技术开发者会对你理解4D重建的演进方向有直接帮助正在融资或规划融资的AI创业者建议重点看第二部分关于Humans融资逻辑的拆解以及单纯关心AI行业走向、想弄清楚AI投资热钱到底往哪儿流的读者。2. DeepMind动态4D重建技术拆解300倍提速是怎么实现的2.1 先补个课4D重建到底是什么在展开DeepMind这项技术之前我觉得有必要把“4D重建”这个概念的含金量讲清楚因为很多人会把“4D”当成一个营销词汇。三维重建这几年大家应该都比较熟悉了也就是通过多张照片或多段视频计算出一组三维几何信息最终得到可以在任意视角观察的模型。NeRF和3D高斯泼溅成为主流路线后静态场景重建的质量和速度都有了可观的提升甚至手机应用里也能做简单的物体扫描重建。但现实世界不是静态的。人会走路、说话、表情会变衣服会有褶皱车辆会移动树叶会晃动。如果要把这些动态变化也保留下来就不是简单地在坐标系里多了“时间”这个维度而是要在每个时间点上都维持空间几何、外观和运动的一致。这就是4D重建本质上是“三维几何时间轴”输出一个会动的三维场景。类比一下3D重建是一张立体的照片4D重建就是一段立体的视频你可以从任意角度观看甚至在里面“穿越”到任意时间点。听起来很酷但做起来极其麻烦。动态场景里每一帧都有独立的几何和纹理信息同时还存在跨帧的运动对应关系需要保持一致性。这不像静态重建只要找到一张好照片就行动态重建要求所有帧的信息在数学上互相自洽。我举一个实际例子想重建一个正在说话的人。你要捕捉的不只是脸部的三维形状还包括嘴部开合、面部肌肉牵动、头部的轻微摆动、甚至头发被风吹起后的轨迹。任何一个时间点的重建误差都会被后续帧累积放大。传统方法处理这种场景计算量是静态重建的几十倍不止。2.2 传统动态重建为什么那么慢问题出在“逐场景优化”要理解DeepMind这个300倍的含金量得先搞清楚传统方法为什么快不起来。以NeRF和后来的3D高斯泼溅为例它们的核心思路都是针对一个特定场景从零开始训练一个场景模型。输入一批图像或视频帧算法通过光线采样、梯度反传不断调整场景参数让模型渲染出来的画面和真实拍摄画面越来越接近。这个过程在静态场景里叫做“逐场景优化”本身已经非常耗时了。一个做得不错的静态NeRF场景在单卡GPU上往往需要训练几十分钟到几小时。到了动态场景复杂度会进一步爆炸。原因有几个第一每一帧都有独立的几何和外观状态优化参数量成倍增长第二跨帧运动需要建立对应关系增加了大量约束条件第三动态捕获数据通常帧率更高、数据量更大内存和算力消耗全部水涨船高。这里有个很直观的体会我以前用3D高斯泼溅做过一段大约5秒、30帧的动态人体重建数据采集很快但后台优化跑了一个通宵第二天才能看到初步结果。这还是效果勉强能看的状态如果追求高保真迭代时间还要翻倍。所以业界对动态重建的普遍感受是能做但慢到难以规模化。每一次重建都是一次“重训”每一个新场景都要重复走一遍这个耗时流程。这在实验室里做Demo没问题但到了商业场景比如XR内容生产、影视虚拟制片、机器人仿真数据生成这种速度根本承接不了真实需求。2.3 DeepMind的关键思路从“训练一个场景”变成“推理一个场景”DeepMind这次的技术突破核心价值恰恰在于改变了重建的范式。在传统流程里每个新场景都需要完整的训练过程本质上是让模型对特定场景“死记硬背”。DeepMind的思路是先去构建一个强大的先验模型用海量多视角动态视频数据让模型理解“真实世界的动态场景”。通俗讲就是让模型看过足够多的动态世界变化之后学会了动态场景的一般规律。当这个先验模型具备之后对一个新的动态场景做重建就不再需要从头训练了。输入一段普通视频模型直接“推理”出对应的动态4D场景表示。整个流程从“训练新场景”变成“直接推理新场景”速度差距自然就拉开了。这就像同一个问题换成人类来做老手一看建筑草图就知道结构怎么搭新手要从力学原理开始推导。DeepMind想让AI成为那个“看一眼就知道怎么搭”的老手。按照官方公布的数据这套方案能把重建速度提升300倍。这个数字不是某个墙角里扣出来的而是把“逐场景训练”变成“通用模型推理”后的范式级差距。顺带说一句动态4D重建里一直有一个“看一眼就能动”的诉求这项技术明显就是冲着这个诉求去的。2.4 300倍的实际意义把“科研级功能”推向“产品级能力”我经常跟团队说要区分“科研指标”和“产品指标”。速度提升300倍不只是论文里多了一个漂亮的对比曲线它直接把前面说的应用门槛大大降低了。一个重建任务如果从小时级压缩到分钟级等于可以现场采集、现场预览结果工作流从“离线制作”变成“实时交互”。这个变化对内容制作行业来说是革命性的虚拟制片现场拍完一段表演马上就能把动态三维资产放进场景里预览体育赛事转播里抓到一段精彩动作几秒钟后就能生成多视角回放XR应用里的空间理解也能从“事先扫描建模”走向“动态实时理解”。另一个被低估的价值是数据层面的重建速度快了意味着可以用它来大规模生产训练数据。具身智能、自动驾驶、机器人都急需高质量的动态三维数据。过去因为重建成本太高这类数据的获取很受限而低成本、快速的重建工具天然就是数据工厂。提示判断一项重建技术是不是“下一代”关键不看它在标准数据集上的精度提升了多少而看它是否改变了数据处理的基本范式。DeepMind这次的300倍属于后一种。3. 4D重建能力卷起来之后哪些场景会最先受益3.1 具身智能训练场给机器人造一个动态的数字世界这几年具身智能是AI领域最热的赛道之一但一个核心瓶颈一直卡着行业数据从哪来。真实世界里采集机器人操作数据成本极高。一个机械臂抓取动作背后可能是一整套昂贵的硬件、传感器、人工标注和真机操作流程。仿真环境可以生成更多数据但传统仿真器里的三维场景往往是人工建模的缺乏真实感尤其缺乏真实世界的动态细节。4D重建技术可以把真实世界的动态场景快速“复制”到仿真环境里。比如记录一位操作员在厨房里的一整套动作重建出带时间维度的三维场景机器人就可以在这个“真实感”数字场景里反复训练和学习。不只是好看几何、光照、遮挡关系都是真实的这种训练数据的质量比纯粹人工建模高一个量级。我实验室里有个直观感受用真实重建数据训练的抓取模型在同等参数规模下泛化能力明显优于纯仿真数据训练的模型。因为真实数据里蕴含着大量“说不清道不明”的物理细节这些恰恰是人工建模时最容易忽略的。3.2 XR与空间计算从“扫描世界”到“理解世界”AR眼镜和空间计算设备要真正走进日常需要理解的是动态的、正在发生变化的场景。你戴着头显走进一间办公室设备不应该只知道房间静态长什么样还要知道这个人站起来在走动、那扇门正在被推开、旁边的白板刚被人写了字。苹果Vision Pro发布之后空间计算对动态场景理解的需求明显上了一个台阶但受限于终端算力大多数设备还停留在“静态扫描预建图”的阶段。DeepMind这次的思路长期来看有机会帮助设备建立一种更实时、更轻量的动态场景理解能力。也许你会觉得高性能模型短期内不可能跑在终端设备上但方法论的变革往往是慢变量一旦“重建”从优化问题变成了推理问题模型蒸馏、端侧部署这些后续优化手段都能用上。路径一旦被打开工程优化只会让速度越来越快体积越来越小。3.3 影视制作与数字人资产生产管线的一次大换血任何做过虚拟制片或数字人项目的团队应该都感受过传统重建流程的痛。拍一个数字人角色传统流程是演员穿上动捕服做动作面部再单独做表情捕捉身体和面部分别重建最后再在软件里合成绑定。每一道工序都是独立管线耗时费力而且标定数据稍有偏差最后效果就崩。有了高质量动态4D重建之后理想状态是普通摄像头对着演员拍一段表演视频直接生成带表情、带动作、带布料细节的完整4D模型。不需要动捕服不需要专门的表情捕捉设备因为重建算法直接从视频里同时提取所有信息。这对中小型内容团队的吸引力是巨大的以前要一整套专业设备才能做的事未来一台相机加一个云端服务就有机会完成。3.4 自动驾驶仿真和数字孪生城市动态世界的数据基座自动驾驶仿真测试也用得上这类技术。仿真测试一直追求“真实”过去是用人工建模还原复杂路口但城市里的动态元素实在太多行人突然走出、车辆加塞、自行车穿过这些动态交互让静态建模很难覆盖。用4D重建技术把真实道路场景快速还原成可交互的数字孪生环境仿真效率和覆盖度都会大幅提升。同一个路口的各种动态情况都可以在重建出的三维时空里反复推演。城市级数字孪生也一样不再是给城市拍一张静态地图而是记录城市的实时脉搏和动态变化。4. Humans种子轮拆解AI应用公司为何值得重金押注4.1 Humans在做什么AI原生应用还是听起来就像“数字员工”再看融资这边。Humans这家公司的主营业务用一句话讲清楚做AI原生应用让企业客户可以像使用数字员工一样把大模型接入到真实的工作流里。这里要注意一个关键词AI原生应用和AI套壳是两回事。市面上很多标着AI加持的产品本质上是把大模型API接进传统软件UI用户和AI之间隔着一层旧世界的壳体验不伦不类。而Humans这类公司的思路是从界面形态到流程设计都是为大模型能力定制的AI Agent不只是辅助功能而是工作流的驱动者和执行者。它们切入的赛道是我一直认为比大模型本身更值得关注的“中间层”把通用大模型的能力翻译成企业业务系统能理解和执行的指令。大模型知道你问什么都能答但企业系统知道订单该发去哪、审批该走哪个流程、数据权限是谁的。把这两者接起来才是真正的行业护城河。如果你关注过“多AI协作”这个概念Humans做的事情其实与之高度相关。单点Agent的能力早就不是瓶颈真正难的是让多个Agent分角色协作各自负责一条任务线互相传递上下文和结果像一支团队一样共同完成复杂业务流程。4.2 4.8亿美元种子轮释放的信号投资人开始为“应用层壁垒”买单接下来是这笔融资最有意思的部分为什么一家做应用的公司能拿天使轮级别的世界纪录我的判断是这样的逻辑链在起作用。AI投资的重心正在往后移。前几年融资热钱几乎都涌向了基础大模型公司因为大家默认“模型即平台”底层赢家通吃。但现在头部大模型的格局已经基本稳定了继续投入的边际回报开始递减。投资人开始意识到单靠模型能力本身很难建立差异化了模型只是一个需要接入各种场景的能力底座真正的商业价值爆发点是应用层谁能把模型能力落到实处。在这个前提下那些已经在具体行业场景里扎根、拥有客户数据沉淀、又能把Agent可靠部署到生产环境的公司成了稀缺标的。Humans能在种子轮就拿到这个级别的资金看的显然不是现在的收入而是它代表的那一整个赛道的想象空间。AI Agent有能力做企业级的重交付连接关键业务系统、执行多步骤任务、交付可验收的工作成果。这才是这轮融资想要提前锁定的战场。4.3 这笔融资给创业者的三点启示作为一个一直关注AI创业的人我觉得这笔融资至少能提炼出三点参考价值。第一种子轮的逻辑也在分化。过去种子轮是用来验证“技术可行性”的给一个MVP的钱就够了。现在顶级的种子轮在项目成立早期就给出平台级的钱目的是让团队一上来就全力冲刺把产品、市场、服务体系同时铺开。对普通创业者来说继续用旧逻辑规划融资节奏确实需要认真想一想自己的项目是否适合这种新节奏。第二AI应用公司的竞争壁垒不在模型在交付和场景数据。你能调用的模型别人也能调用你写的提示词别人也可以抄。真正的壁垒是你是否理解客户业务逻辑是否知道模型能力在什么场景下会失效怎么设计一套可靠的反馈闭环和管理机制。这些东西没有捷径只能一个客户一个客户积累。第三工程能力重新变得值钱了。前两年大家都在说“AI让编程门槛降低”好像提示词就是一切了。但从模型部署、Agent编排到数据回流AI原生应用本质上还是一件高度工程化的事。Humans能拿到这笔钱背后最重要的一点就是它的创始团队有深厚的企业软件交付经验。这提醒我们靠几条提示词demo就能拿到大融资的阶段已经过去了。5. 从这两条新闻看我目前确认的行业判断5.1 判断一基础技术突破与应用层爆发不是二选一有些人会把“技术突破”和“应用爆发”看成对立关系好像钱给了基础研究应用就喝不着汤了。这两周的新闻恰恰说明它们之间是接力关系。DeepMind把4D重建提速300倍并不意味着所有技术问题都解决了但它把基础能力推到某个临界点之后接棒的必然是应用层哪些团队能最快把这种能力变成产品服务到具体行业场景里。Humans拿到创纪录的种子轮说明资本对这个接棒过程的回报预期已经很明确。所以我跟团队常说判断自己的方向对不对不妨先问一个问题我做的事是在帮技术缩短到落地之间的距离还是在重复已经有答案的部分后者只会越来越不值钱。5.2 判断二AI Agent进入“重交付”阶段工程实践越来越值钱Humans这笔融资背后我最看重的信号是AI Agent开始被当作正经的企业生产工具来定价关注点已经不再是“能聊什么”而是“能交付什么”。一个Agent要能在企业里真正干活需要满足三个条件可靠地理解复杂任务安全地访问和操作系统数据异常情况下能给出可追溯的处理路径。这三件事每一项都是硬骨头需要大量的工程实践来打磨而这个过程本身就是在建立壁垒。参考AI编程领域提示词工程、上下文管理、工具调用编排这些表面上是“提示词技巧”底层其实是一整套工程方法论。AI Agent产品做得好不好同样取决于这种实践深度这也是“AI工程实践”这个方向变得越来越受重视的根本原因。提示如果你现在是一家企业的AI负责人与其追着换最新的大模型不如先理清楚模型和现实业务之间的那条工程路径。把Agent编排、权限控制、数据回流做好比调参更有回报。5.3 判断三下一轮分化会在数据和场景入口最后说说我对后续走势的判断。基础模型能力的差异会慢慢缩小真正拉开差距的会是数据和场景入口。谁能持续拿到高质量的场景数据谁能在用户真实使用过程中形成数据飞轮谁就掌握了下一阶段的主动权。DeepMind的技术让获取动态三维数据的门槛大幅降低这会让场景数据来源变得更丰富Humans这类应用公司在企业场景里扎根越深积累到的业务数据越有价值。未来AI公司的估值核心大概率会从“有多少卡”逐步转移到“有多少真实世界数据和场景闭环”上。这周的新闻看到最后说点个人感受我这一周反复回看这两条消息最强烈的感受是AI行业从“模型竞赛”走向“场景竞赛”的速度可能比大多数人预期的来得更快。作为常年做技术落地的人我看DeepMind那项工作兴奋点不在300倍这个数字本身而在于它又一次证明了一件事范式改变带来的提升远远大于工程优化。与其每个场景都从头开始训练不如训练一个理解世界规律的先验模型这个思路值得每个做AI产品的人反复揣摩。回到Humans那笔融资我的体感是AI应用创业的窗口正在打开但窗口上标的已经不是“谁都会写提示词”那扇门了。最后再分享一个小技巧与其天天刷融资新闻判断风向不如盯着“能把技术变成产品”的团队和“能把场景变成规模”的公司。看懂技术价值、看清资本动向最后还是要落地到自己的执行上。不知道下周AI圈又会抛出什么让我“坐直身子”的消息但可以肯定的是这个行业最不需要的就是坐等别人把路铺好再去走的人。