5. 从 Demo 到3D游戏,GPT-6 加 Tripo 把清明上河图“整活”了!
作者让GPT-6 Astra统筹Tripo生成人物及道具,再由Three.js搭建场景,把《清明上河图》的网页样片升级为带剧情演出、互动角色和收集玩法的3D游戏。虹桥区域一次布置45名人物,并借助动作重定向与并行任务降低批量制作成本。可真正决定它能走多远的,恰恰不是这45个模型,而是模型之外的三道关口。
第一道关口,是这些人物究竟属于游戏角色,还是只会循环走动的数字木偶。脸做得像不像、衣服漂不漂亮,只能撑住几十秒的新鲜感。人物能否按照身份行动,能否与玩家建立关系,能否在北宋市井规则中作出合理回应,才决定这个Demo有没有成为游戏的资格。
2018年2月的《清明上河图3.0》与本次高度相似,两者都围绕虹桥和汴京市井营造“人在画中”的体验,但当年的项目主要依靠互动长卷、沉浸剧场和球幕影院,观众仍以观看为主;这一次玩家能够寻找物品、触发偶遇并解锁人物故事,这意味着数字古画开始由展陈空间走向规则空间。
观看和游戏之间,隔着一套能够持续运转的因果关系。船为何撞向虹桥,书生为什么寻找道具,船工、货郎、牙人各自知道什么,玩家的一次选择又会改变什么,这些都不能靠模型面数回答。AI可以快速造出一条街,却不能自动赋予这条街可信的社会秩序,内容设计才是眼下更难跨越的门槛。
Tripo在2026年8月发布的P2.0 Preview提供了一个技术信号:重点不再只是把表面做得更精致,而是生成原生四边面拓扑,并加入模型查看、压缩等工具。四边面更利于绑定、变形和修改,压缩则直接关系浏览器加载速度,AI 3D正从“生成后截图”转向“生成后投入生产”。
可项目数据中仍有一个值得留意的落差。作者自述,单个56741个三角面的模型耗时8分钟、使用130积分,书生角色还经历穿模修正、第二次生成、绑骨和动作处理。看似已经非常快捷,若把规模从45人扩展至画卷中的800多人,计算成本、审核次数和风格偏差都会同步增加,规模化并不会自动到来。
为解决这个问题,作者把45个角色拆成5个进程,再把书生的制作步骤封装成可重复调用的配方。这种办法提高的是流水线速度,却可能带来另一种麻烦:角色越来越规整,人物性格却越来越相似。古画的珍贵之处恰在于贩夫走卒各有神态,批量生产若抹平差异,技术越熟练,作品反而越容易失去原画的生命力。
第二道关口由此出现,那就是史实与改编的边界。把宋代送食伙计称作“外卖小哥”,确实方便今天的玩家迅速理解,可这种类比必须注明它只是现代解释。衣着、称谓、职业关系、建筑用途一旦被AI自由补齐,玩家很可能把创作者的想象当成宋代生活,文化传播中的错误往往比模型穿模更难修复。
2026年2月公布的Gen-Diaolou研究给出了另一条路线。项目用AI辅助展示开平碉楼在不同时期的变化,但先访问14名文化遗产相关人员,再开展18人试点和26人现场研究。它没有让模型独自编写历史,而是让专家知识、现场测试和公众体验相互校正,这种机制比多生成几十个NPC更值得借鉴。
联合国教科文组织对AI与文化的讨论,也已把重点放到文化权利、创作者报酬和公众AI素养上。问题不只是作品做得快不快,还包括原作数据从哪里来、生成内容是否标注、创作者如何获得收益。将来真正进入博物馆、学校和商业平台的AI历史游戏,大概率都要接受比普通娱乐产品更严的来源审查。
第三道关口是数字资产归谁使用。Tripo在2026年7月获得1.5亿美元融资,资金投向3D基础模型和世界模型,说明市场争夺的并非某个角色,而是持续制造三维世界的能力。对中国创作者来说,工具可以买、接口可以接,若缺少自主、可信、经过授权的历史素材库,生产越快,受制于数据来源的风险就越突出。
数字敦煌已经提供了可参考的答案。开放素材库上线后,访问量超过420万人次,形成1.6万多笔订单和2.2万多次素材下载。这里最重要的不是浏览量,而是文物机构把高清资源、授权使用和二次创作放进同一套机制,使数字遗产可以被安全调用,中国文化资产要进入AI时代,同样需要这样的数据底座。
如果把这套思路移到《清明上河图》,未来就不该只有一个孤立网页,而应形成经过考据的人物服饰库、建筑构件库、宋代职业关系库和可追溯文本库。GPT-6 Astra负责安排任务,Tripo负责生产模型,真正保证作品中国味和历史可信度的,则是中国机构与创作者共同掌握的文化数据。
短期内,网上会出现越来越多“几天做出一款3D古城游戏”的作品,其中不少只能提供短暂的新奇感。能够留下来的项目,必须让角色有身份、任务有依据、改编有标注、素材有授权,并能在手机和普通电脑上稳定运行。下一轮较量不会是谁先生成八百个人,而是谁先建立一套八百个人都不会乱说话的规则。