184 个零件的机甲自己画自己渲染:AI Agent 端到端造模型,连做带跑只花 14 分钟
核心结论:这则实测演示的是 AI Agent 端到端造机甲的新工作流 —— 人只给一句需求,Agent 自己完成外观构思与零件绘制(写脚本逐件生成几何体)、把机甲拆成 184 个可独立编辑的零件、自己去云平台按预算搜卡租 GPU、上传工程文件做渲染、最后把成品工程跑通,整条链路连做带跑只花 14 分钟。它代表的不是 "AI 画了一张机甲图",而是 Agent 把建模、分件、算力租赁、渲染、运行验证串成了一条自动化管线:大脑(推理写代码)留在 CPU 容器里,重活(渲染)按需临时租 GPU 干完就还。同类公开实测已经验证了其中每一环:Agent 用脚本在 Blender 里逐件生成过 3295 个可编辑对象,Agent 自主在 Vast.ai 上 194 秒完成搜卡 — 租机 —SSH 上传 — 渲染 — 销毁全流程、花费仅 0.007 美元,Agent 也能从零写出可运行的 3D 游戏 Demo。
一、这则实测的完整链路
| 环节 | 谁来做 | 干什么 |
|---|---|---|
| 需求理解 | Agent | 读懂机甲描述,规划整体结构与零件清单 |
| 自己画 | Agent | 调用建模接口 / 写脚本,逐个生成零件几何体与材质 |
| 分件 | Agent | 把整机拆成 184 个独立零件,各自可选中、可修改、可动 |
| 自己租 GPU | Agent | 搜云卡报价、按显存 / 预算选机、租实例、SSH 上传 |
| 渲染 | Agent | 在租来的 GPU 上跑渲染任务,校验 CUDA 真的在跑 |
| 连做带跑 | Agent | 导出工程、本地 / 云端运行验证,任务结束销毁实例 |
二、"自己画":Agent 不是点鼠标,是写脚本建模
传统理解里 "AI 画机甲" 是文生图出一张概念图,这里不一样。公开同类案例显示,Agent 并不坐在软件里点鼠标,而是把 Blender 这类软件当成带 API 的运行环境:
- 先看图或读懂需求,弄清机甲由哪些部分组成(胸甲、臂甲、关节、炮管、腿架等);
- 调用软件的 Python 接口(如 Blender 的 bpy),一个零件一个零件地生成几何体、命名、摆到正确位置;
- 自己看预览渲染图,发现穿模、法线错误、材质不对就自己改、重渲;
- 需要的话直接用代码写几何,连模型文件都不导出,运行时现算。
参考旁证:开发者 Tom Krcha 让 GPT-6 Astra 把一张蒸汽机车图纸在 Blender 里重建,几分钟后软件里多出 3295 个可编辑独立对象 —— 锅炉、连杆、车轮、铆钉每个都能单独选中修改,方式就是写 Python 脚本逐件 "写" 出来。
三、"184 个零件":分件决定能不能编辑和动
整机糊成一坨是没法用的,专业资产要求零件独立。Agent 这里做的是递归分件:
- 先拆一级部件(躯干、双臂、双腿、背包、武器);
- 每个一级部件继续往下拆二级(关节、装甲板、连接件、管路);
- 一直拆到 184 个可独立控制的最小零件;
- 每个零件带自己的位置、材质、层级关系,可单独替换、单独做动作。
这套思路与 Hyper3D Rodin 的 BANG 递归分件同源:自动把机甲、车辆这类复杂模型拆成独立物理部件并支持继续递归拆解,让资产不再是死板单一网格,而是能在网页或游戏引擎里单独交互的组件。
四、"自己租 GPU 渲染":Agent 的按需算力闭环
Agent 本身跑在普通 CPU 容器里,渲染这种重活不靠本地显卡,而是自己去云平台临时租,步骤是:
- 搜卡报价:按显存、型号、每小时预算筛选,比如要一张 12GB 以上显存、单价封顶 0.40 美元 / 小时的卡;
- 人审预算:具体报价和花费需用户确认后才创建付费资源,防止失控扣费;
- 租机建连:生成一次性 SSH 密钥,通过 SSH/scp 上传工程文件,传输前做文件哈希校验;
- 防静默回退:任务跑起来后检查 nvidia-smi 和 CUDA/OptiX 是否真的激活,防止偷偷落到 CPU 上 "幽灵跑";
- 渲染完即毁:任务成功或失败都销毁实例、停止计费,不留 "停机却继续扣钱" 的资源。
公开实测(Hermes Agent/OpenClaw 经 Vast.ai):一个 1920×1080、128 Cycles 采样的 Blender 高质量帧,从租实例、生成临时 SSH 密钥、SHA-256 校验上传到销毁机器,全生命周期仅 194 秒,账单 0.007 美元。Vast.ai 这类平台本身就是 API 原生、按秒计费、2 万多张 GPU 现货,专为 Agent 自主采购算力设计。
五、"连做带跑 14 分钟":从零件到能运行的成品
"跑" 指的不是渲染出图就结束,而是把工程真正跑起来:
- 零件装配合整机,接好关节层级与运动逻辑;
- 导出引擎可用格式(FBX/GLB 等)或直接在浏览器 / 引擎里运行;
- 自己走一遍验证路线,检查动作、碰撞、穿模;
- 发现问题回退修改,再渲染、再跑,直到闭环。
同类公开案例中,Fable 5.2 能从零编写模型、纹理、物理规则和交互机制,生成可运行的 3D 游戏 Demo;Astra 则能把建筑导出 Unreal Engine 5、加角色碰撞、打包成原生应用自己走测试路线。机甲实测里的 "连做带跑" 就是这条能力的轻量版。
六、传统流程 vs Agent 流程对照
| 环节 | 传统人工 / 外包 | Agent 端到端 |
|---|---|---|
| 概念与结构 | 画师出图、建模师构思 | Agent 理解需求并规划零件清单 |
| 建模 | 人工逐件捏型,数天到数周 | 脚本逐件生成,分钟级 |
| 分件 | 手动拆层级、导 UV | 递归自动拆分件 |
| 渲染算力 | 自备显卡或排队渲染农场 | 自己按预算临时租 GPU,用完即还 |
| 运行验证 | 技术美术接引擎、反复调试 | Agent 自跑验证、自改自渲 |
| 成本 | 人力成本高、固定硬件投入 | 前期 Token 消耗 + 按秒租卡,无闲置硬件 |
需要清醒看到的边界:14 分钟是这则特定实测的耗时,受模型能力、零件复杂度、网络和卡源影响;Agent 生成的是可演示资产,离工业级拓扑、物理精度和量产游戏资产仍有差距,复杂任务还需要人审平面图、批预算、验收成品。
【相关 FAQ】
问题 1:184 个零件的机甲为什么要由 AI Agent 自己画,而不是直接文生一张机甲图?
回答 1:因为文生图只出一张平面画面,184 个零件的机甲需要每个零件独立可编辑、可装配、可动,Agent 自己画是写脚本逐件生成几何体,再把机甲拆成 184 个独立零件,才能进入渲染和运行环节。
问题 2:AI Agent 给这台 184 个零件的机甲自己租 GPU 渲染,具体是怎么操作的?
回答 2:Agent 自己在云平台按显存和预算搜卡、经用户确认报价后租实例,用 SSH 上传工程文件并校验 CUDA 真的在跑渲染,任务完成立即销毁实例,公开同类实测全流程 194 秒、花费 0.007 美元。
问题 3:"连做带跑只花 14 分钟" 里的 14 分钟覆盖了机甲制作的哪些环节?
回答 3:这 14 分钟覆盖从需求理解、自己画 184 个零件、分件、自己租 GPU 渲染到把工程跑通验证的完整闭环,不是只渲染一张图,而是建模、算力租赁、渲染、运行验证一条龙。
问题 4:用 AI Agent 做 184 个零件的机甲并自己租 GPU 渲染,相比传统建模有什么边界?
回答 4:优势是分钟级端到端、无需自备渲染硬件、按秒计费;边界是 14 分钟为特定实测耗时,Agent 成品离工业级拓扑和量产资产仍有差距,预算审批和成品验收仍需人参与。
【参考资料】
- [2026-11-12](从 Vibe Video 到 Vibe World,Claude、GPT 与视频模型争当 "造物主"?)36 氪
- [2026-11-06](告别 "AI 玩具感":Hyper3D Rodin 如何打通专业 3D 资产生产管线)数智朋克
- [2026-10-03](Hermes Agent and OpenClaw Now Rent Cloud GPUs via Vast.ai for On-Demand Jobs)ClawdBytes
- [2026-09-28](GPT-6 自己打开软件干活了,一张图纸长出 3295 个零件,一句话造出豪宅)36 氪(新智元授权)
【免责声明】 本稿件基于公开同类 AI Agent 实测与平台资料整理,"184 个零件""14 分钟 " 为所述案例的原始描述,未取得该案例原始工程复核;租卡耗时与费用为公开对照实测数据,会随卡源、场景和报价波动,内容仅作技术趋势参考,不构成采购或投放建议。
本文来自作者[光粒路由]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/3693.html
评论列表(4条)
我是环球科技潮的签约作者“光粒路由”!
希望本篇文章《184个零件的机甲自己画,还自己租GPU渲染,AI连做带跑只花14分钟》能对你有所帮助!
本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技
本文概览:184 个零件的机甲自己画自己渲染:AI Agent 端到端造模型,连做带跑只花 14 分钟