过去你想把一段真实空间搬到屏幕上，需要昂贵的激光扫描或者专业的建模团队；2025 年之后，你只需要一台手机或单反，围着空间拍 50-200 张照片，就能在本地 GPU 上重建出一个可以走进走出的三维世界。这场变革的两大核心技术——NeRF 和 3D Gaussian Splatting，正在重新定义「三维内容」的生产门槛。
NeRF：从隐式函数到可微渲染
NeRF（Neural Radiance Fields）把三维场景编码为一个神经网络，输入是空间坐标与视角方向，输出是该点的颜色与密度。训练时通过大量已知视角的照片反向优化网络参数，推理时则可以从任意新视角合成图像。
它的优势是输出质量极高，照片级真实感强；缺点是训练慢、推理慢、对显存要求高。一张 1080p 渲染通常要数秒，对实时交互并不友好。
3D Gaussian Splatting：把场景变成一堆彩色雾
2023 年提出的 3D Gaussian Splatting（3DGS）用了一组完全不同的语言。它把场景表示为上百万个「高斯椭球」——每个椭球有自己的位置、形状、颜色、透明度。渲染时把这些椭球投影到屏幕上再按 alpha 混合。
这一表示的优势非常明显：训练快（几十分钟而非几小时）、渲染快（实时 30 fps 以上）、编辑性好（你可以单独移开某个椭球，也就是移走场景中的一个物体）。它迅速成为文化遗产建模、游戏资产生成、虚拟制片的首选方案。
两种路线的对比与互补
NeRF 像油画——每一笔都是神经网络内部参数；Gaussian Splatting 像水彩——每个色块都是独立的实体。二者在质量、速度、可编辑性上有截然不同的权衡。
实践中越来越常见的方案是混合使用：高斯泼溅做主体几何与快速预览，NeRF 做局部精细重建；或者把高斯泼溅当作中间产物，提取网格后做下游加工。
工具链已经平民化
今天你能找到的开源工具包括：Nerfstudio（Meta，学术研究首选）、gsplat（轻量、Python 友好）、Polycam（手机 App）、PostShot（桌面端、消费级 GPU 可跑）。
硬件门槛也在快速下降——RTX 3060 以上即可完成大多数场景的训练；Mac M2 芯片可以用 MPS 加速完成中小场景。
它会改变什么
短期来看，电商、家装、文博、影视预览等场景首先受益：商品空间展示、装修预演、文物数字化、虚拟片场都将不再依赖专门团队。
长期来看，这是「空间互联网」的起点。当任意真实空间都可以被几小时的拍摄变成可探索的三维资产，整个虚拟世界与物理世界的边界都会开始模糊。
高斯泼溅不会取代传统建模——但它正在让「拍照建三维」成为人人可用的工具。
