VAST发布V·STAR顶尖人才计划 招募年轻研究者攻坚AI前沿

AI领域对顶尖人才的争夺始终激烈，如今不仅看重从业者的潜力，更倾向于那些已经产出实际成果的人。这让不少年轻研究者陷入两难：企业期待能拿出现成作品的人才，但当参与核心项目的机会有限时，他们又该如何打造自己的代表作？

这一困境也让人才竞争产生了新的标准：不仅是企业筛选有成果的研究者，年轻研究者也需要判断，加入哪家机构能为自己的下一项成果提供成长的条件。

能否进入核心项目、参与技术路线的判断，能否获得与任务匹配的数据、算力和协作支持，这些因素直接决定了一份人才计划能否兑现对研究者成长的承诺。

近期，一家在半年内获得巨额融资的AI公司，发布了全新的顶尖人才计划V·STAR，面向年轻研究者开放三个核心研究方向：3D生成基础模型、三维理解与智能体、世界模型。

该计划希望找到能参与定义问题、提出技术判断，并将探索推进为实际成果的年轻研究者。这些方向共同指向一个核心目标：让AI从单纯生成内容，转向构建可交互的完整世界。仅仅会写代码、生成图像和视频，还不足以支撑一个持续运行的环境。

三维对象需要能够被编辑和操控，智能体需要理解空间并执行任务，世界则需要维护状态与规则，让每一次行动都产生可以延续的结果。这些尚未解决的问题，正是该公司希望与年轻研究者共同推进的前沿方向。

过去，人们看待AI生成的3D内容，更关注外观是否精致、是否逼真。如今，随着智能体项目的推进，需求发生了变化：模型能否导入引擎？部件能不能单独控制？想修改一条腿，是否需要重新生成整个角色？

大语言模型在规划、编程和调用工具上越来越熟练，但精细三维对象的处理仍需要专业能力的支撑。比如，相关教程提到，面对人物、动物、怪兽和复杂道具等适合网格建模的任务，某AI模型会整理提示词与参考图，调用Tripo等AI 3D基座模型完成生成。

这类协作已经产出了不少优秀作品：有开发者用Claude、Tripo与Blender组成工作流，仅花16天就将《小王子》里的星球做成了可探索的3D场景；还有开发者将Codex与Tripo结合，制作了可在网页上查看和操作器官模型的3D人体解剖应用，这款应用还曾被相关负责人转发。

在这些项目中，大语言模型负责组织流程、编写程序，Tripo提供三维资产，创作者将它们组合成可体验的作品。当一项能力接入另一项能力后，研究问题也随之变化：生成出来的内容，怎样才能被下一步继续使用？

该公司首席科学家曾做过一个直观实验：先用Tripo P2.0生成机械蜘蛛，再利用模型形成的部件结构，让大语言模型为独立部件命名，编写并调试运动逻辑，最终实现部件级动画控制。

这时，几何结构是否清晰、部件划分是否合理，会直接影响代码能否找到需要控制的对象。蜘蛛的“腿”在数据里必须是一条可操作的腿，不能只靠视觉上的相似性。更复杂的项目，还需要保证同一个对象在多轮操作中的连续性。

比如，把自己的猫放进游戏，需要保留它的脸型、花纹和体态，同时还要有适合后续绑定与动画的结构；给已经做好动作的角色换外套，则要修改指定区域，同时尽量保留脸部特征、身体比例和原有动作。哪些部分可以改变，哪些应该保留，修改后能否继续使用，都是需要通过3D原生智能深入解决的问题。

该团队选择探索专门的三维训练，让模型学习形体、拓扑、部件关系，以及修改前后的对应规律，尝试把一部分制作中的试错提前到训练阶段，让生成的对象更容易被识别、操控和继续修改。

从三维表征到世界模型，该公司在这一领域做出了几次关键选择。一个AI模型外观看起来不错，但真正进入制作流程时，可能需要花费不少工夫整理网格结构。尤其涉及编辑、细分和动画形变时，四边面拓扑往往更方便后续处理，但手工重拓扑耗时，自动处理又可能损失细节。

创作者刚为生成速度高兴完，就得为后续的整理工作重新排期。Tripo P系列模型底层的Nexus框架，尝试在生成阶段就解决这一问题：它将顶点与拓扑生成解耦，通过扩散模型由粗到细构造顶点，再用新的编码方式表达拓扑关系，实现无需预先排序的原生网格生成。

这一触及3D生成本质的范式获得了国际顶会的认可，相关论文被国际图形学顶会收录，基于P1.0的实时演示还获得了相关奖项。今年8月推出的Tripo P2.0进一步支持原生四边面拓扑，能在数秒内生成以四边面为主、面数可控、部件拆分更合理的三维对象。

这些特性各有实际用途：生成速度快，能让智能体多试几轮；面数可控，便于适配网页和移动端的性能预算；拓扑规整，有助于减少后续编辑与动画制作的障碍；部件清晰，则让独立控制更容易展开。

资产是否好用，需要放到完整工作流中才能看出效果。在三维表征之外，该团队也在推进世界模型的研发。今年初，动作条件视频模型受到关注：输入图片，再通过键鼠操作生成后续画面。该团队对此很感兴趣，但他们先思考了一个本质问题：这套技术要怎样才真正有用？

以游戏为例，角色还剩多少血量，技能冷却有没有结束，一扇门是否被打开，这些状态都需要持续维护。总不能玩家扭个头，世界就把刚才发生的事都忘了。今年10月，该公司发布并开源了面向任意视觉参考的实时交互式渲染器EdenLive，这也是团队在世界模型领域的最新成果。

EdenLive首次在实时生成的前提下，同时实现了任意视觉参考输入、任意画风生成、长时连续生成。根据官方测试，在单张GPU上，EdenLive能以超过24 FPS的速度生成720P画面，并支持分钟级连续生成。

EdenLive能实现突破，核心在于对底层结构的解耦：上游交互引擎维护世界运行的状态和交互规则，下游实时生成模型负责高保真的画面呈现。把它放进游戏原型里理解就很直观：智能体参与搭建程序与交互逻辑，三维场景提供空间结构，视频模型持续生成更丰富的画面，玩家一边操作，画面一边更新。这里要解决的问题，也从“生成一张漂亮截图”，延伸到了“让整个体验持续跑起来”。

EdenLive的路线，其实是该团队对世界模型长期探索的延伸和验证。早在今年6月发布的世界模型项目Project Eden中，该团队就明确公布了分层解耦的路线：底层维护世界状态，记录物体属性、交互规则和动作后果；中间层把状态转成当前视角所需的布局、几何与事件约束；上层的生成式渲染器再依据这些条件生成画面。

世界状态不必依附于镜头存在，画面生成也有了明确的依据。这个选择提出时并不理所当然，团队内部曾反复讨论：视频模型路线看起来更端到端，拆开之后，会不会显得不够新颖、绕开了更难的问题？最后，讨论回到了目标：他们希望做的是一个有明确规则、能够持续交互的世界，沿着这个目标，显式状态值得认真研究。

Project Eden发布后，不少相关工作也探索了由代码、引擎或智能体维护状态，再由视频模型生成画面的分工；其他机构提出的相关架构，路线也与Project Eden形成了呼应。目前，分钟级连续实时生成已经是一大突破，更长时间的一致性、更准确的控制，以及实时性与计算成本之间的取舍，是下一阶段的课题。

这次V·STAR计划开放三个研究方向，要求研究者在尚无定论的领域作出判断：现有路线的局限在哪里？什么问题值得重新定义？是否应该尝试一种不同的解法？对年轻人而言，关键不仅是能提出想法，还在于有没有机会主导验证。

Tripo P系列的核心贡献者Ronnie很早就加入了该公司，毕业后正式成为团队一员。P系列的起点，正是他在实习期间提出的一次路线判断。当时，受大语言模型成功的影响，不少研究者尝试用自回归方式生成原生网格，也做出了一定成果，但Ronnie注意到，将三维网格强行转化为序列会损失信息，随着生成要求提高，这种表达方式的局限会进一步放大。

他因此提出：能不能换一条路，用扩散模型实现网格生成？彼时，行业中鲜有人探索这一方向，也没有成熟路径可循，但这个想法很快获得了内部支持，他得以继续推进实验。他回忆，团队有很多试错和成长的机会，可以做一些跳出常规的探索。最初，他并没有预设要做出一条旗舰产品线，但从识别现有方法的局限，到提出替代路线，再到一步步验证，研究探索最终发展成了Tripo P系列。

他获得的不只是参与项目的机会，更是让自己的技术判断影响模型方向、将其做成代表作的空间。他印象很深的一次反馈，发生在旧金山游戏开发者大会上：一位路过的游戏开发者看完P1.0演示，惊讶于它展现的能力，表示此前没有见过类似的东西。

对研究者来说，这样的反应很具体：自己在实验里反复琢磨的东西，真的让另一个人看到了新的创作可能。后来，开发者把模型接进不同智能体，做出团队未曾设想过的作品，这份成就感又往前走了一步。

让这样的探索发生，除了给年轻人空间，还需要什么支持？EdenLive核心贡献者Zion的经历，提供了另一份回答。他在该公司早期实习后，曾去大厂的大模型团队实习半年，也拿到了大厂人才计划的留用机会，最终却在校招时回到了这家公司。

他没有把这个选择简单归纳成“大厂和创业公司谁更好”，对他来说，重要的是能否探索自己关心的问题，以及探索所需的条件能否跟上。回到该公司后，他得到充足的数据、基础设施与算力支持，也逐渐明确了自己的研究目标：交互与仿真。被问到再选一次是否还会来，他说：“我应该会比当时更加坚定。”

理由也很朴素：“当时期望的东西，在这不到一年里确实都得到了回应。”重要的判断，不只发生在选择路线时，也发生在实验之后：哪些值得继续，哪些需要调整，哪些应该暂时停下。

Zion曾尝试让大语言模型或多模态智能体结合3D生成搭建场景，但当时的基础模型即便知道物体朝向不对，也难以稳定地将它转正。验证一段时间后，课题被暂时停下。团队先用有限资源检验关键假设，结果成立再继续投入，不成立就重新讨论。允许试错，也包括允许研究者根据证据改变自己的判断。

主导自己的研究，并不等于独自解决所有问题。该公司算法团队成员期待的伙伴，是能力强且愿意把注意力放在共同解决问题上的人。仍在读博的实习生Stewie，则已经参与核心模型从数据到训练的完整流程。在他的体验里，同伴愿意分享理解、一起拆解难题，高人才密度带来的也可以是支持。

这些经历，对应着V·STAR希望提供的研究条件：入选者能够从零推动项目，参与定义重点技术方向，获得配套的数据、算力与协作支持。待遇方面，薪酬突破传统校招职级与薪资限制，特别优秀者上不封顶，并提供长期期权激励。

在人才评价上，团队更关注一项研究有没有实质推进问题，研究者能否讲清楚：为什么值得做，为什么选择这条路线，实验又怎样改变了自己的判断。这也回应了开头的难题：企业看重成果，人才计划就不能只等待年轻人带着代表作加入，还要提供让代表作在这里发生的条件——让他们进入核心项目，作出重要判断，并有资源和伙伴一起完成验证。

从3D生成到世界模型，还有许多问题尚无定论。该公司希望新加入的年轻研究者，不只是参与寻找答案，也能一起决定下一步该问什么。

V·STAR校招面向2027届本、硕、博毕业生，实习面向非应届在校学生，不限年级。工作地点包括北京、杭州、上海、深圳及海外远程。投递邮箱：vstar.talent@vastai3d.com。

（文中Ronnie、Zion、Stewie均为化名）