GCL班级活动：数美万物企业技术分享交流研讨会成功举办

2026年3月24日晚8:20，数学科学学院应用数学教师党支部、计算与应用数学研究生第一党支部和图形与几何计算班联合举办的企业技术分享交流研讨会在二教2106教室举行。本次分享邀请了数美万物公司的贾荣飞博士作为主讲嘉宾，围绕"3D几何生成表征学习发展"的前沿技术展开了深入探讨，吸引了众多师生到场参与 。

当前，人工智能正深入科研各环节，这促使我们重新思考技术的前沿边界与未来方向 。随着大模型和生成式AI技术的飞速发展，3D生成与重建不仅是学术界的核心焦点，更是工业界落地的关键。本次研讨会旨在促进跨学科交流，共同探讨3D生成表征领域的设计原则与技术演进路线 。

讲座伊始，贾荣飞博士系统回顾了评价3D生成表征的七个核心维度：空间结构保持度、压缩率、还原度、可扩散性、模态一致性、计算效率以及拓扑完备性。他特别强调，“可训练性"在最新的评估框架中已被提升为独立维度，并明确指出"好的VAE不等于好的生成表征”。随后，贾博士深入剖析了VecSet（向量集）范式的奠基意义与局限。他指出，VecSet通过交叉注意力实现了高压缩率的核心优势，但由于向量缺乏显式的空间坐标绑定，空间结构的缺失限制了其还原度的天花板。

接着，贾博士详细介绍了包括Sparc3D"模态一致性范式"在内的一系列研究范式。他阐明了模态一致性的理论重要性，强调编码器和解码器应处理同一模态数据，无需沉重的注意力机制，从而消除模态鸿沟。这一设计使模型具备了强大的无缝集成能力，能以极小的训练成本实现SOTA级别的重建。在总结关键结论时，他提出"可定位性优于空间局部性"的观点，并指出在给予空间位置信息引导后，VecSet范式并未过时，正与稀疏体素等方法走向混合创新。

谈及未来的研究方向，贾博士提出了三大战略展望：一是融合范式创新，致力于探索结合拓扑完备性、可训练性与模态一致性的统一架构设计；二是推动开放数据集建设，构建大规模非水密、开放曲面及复杂拓扑的3D数据集；三是聚焦推理优化，开发测试时动态缩放机制，以灵活适配不同计算预算的实际部署场景。

讲座结束后的问答环节，在场师生围绕表征学习的未来发展、工业界与学术界的研究差异等话题展开了深入讨论。贾博士分享道，无论是针对图像还是3D生成，表征学习都极为关键，且将是长远存在的核心课题。在对比学术界与工业界时，他指出学术界大家更关注于方法的创新，而工业界则更关心实际效果和落地价值 。他还坦言，由于基座模型极高的实验和训练成本，当前该领域许多重大的创新实践主要源自企业。

本次研讨会的成功举办，为师生搭建了一个交流平台 。贾荣飞博士从核心评价维度、设计原则到未来应用，全方位解读了3D生成技术的演进脉络，深入探讨了其在工业与科研中的应用前景 。此次讲座不仅拓展了师生们的学术视野，也为今后开展大模型与3D相关领域的探索提供了宝贵的经验借鉴。

（撰稿：程开良，数学科学学院）