大讲堂
还记得2020年NeRF刚在图形学界放出来的时候，整个圈子的反应——像一群守了几十年手工捏3D模型的老匠人，突然看见有人拿个相机拍几十张照片，就能凭空生成出光影自然到以假乱真的虚拟场景。
当时的问题也直白。
训练个巴掌大的室内小场景，得占满8张A100显卡，跑俩小时，出图还卡得要死。想拿它做城市级的街景？光训练成本就能把创业公司烧到现金流断裂，更别说生成的视角稍微偏一点，就会出现光线穿模、物体边缘糊成一团的问题，连基本的可交互要求都达不到。
谁能想到三年后，拿一张消费级的3090显卡，扫完一个园区的街景，10分钟就能出可自由漫游的3D场景？
被算力卡了三年的NeRF，到底卡在哪？
经典的NeRF计算逻辑，本质是把整个场景的光线信息，全部塞进一个多层感知机的神经网络里。它不像传统3D建模那样靠人手动捏出多边形面片、贴好材质贴图，而是模拟真实世界的光线传播规律：从相机视角发射出每一根穿过场景的光线，沿着光线的方向每隔一段距离采样一个点，把每个点的三维坐标、视角方向输进神经网络，算出这个点的颜色和不透明度，最后把所有点的数值累加起来，拼出最终的像素画面。
这套逻辑的效果确实好——生成的场景光影过渡自然，没有传统3D建模那种生硬的贴图接缝。但代价是计算量实在太大了。
之前的NeRF每一根光线要穿过成百上千个采样点，每个点都要跑一遍神经网络的全连接计算，训练的时候还要反复对比生成的视角和真实拍摄照片的像素差，迭代几万次才能让模型收敛。算力消耗是跟着场景大小线性涨的：10平米的小房间要2小时训练，1000平米的园区就得跑200小时，成本高到离谱。
说穿了，早期的NeRF就是个实验室里的娇贵玩意儿，根本没到能落地的程度。
现在的加速技术，到底绕开了哪些死路？
这三年的加速路径，说穿了就是一群人在想办法——别每次算光线都要把神经网络跑一遍。
最早破局的是Plenoxels，团队干脆把神经网络扔了，直接把场景的光线信息存在稀疏的体素网格里，训练的时候只需要调整网格里的数值，速度直接比经典NeRF快了两个数量级。后来的Instant NGP更狠，直接用多层哈希表把场景的稀疏信息压缩存储，不需要反复跑全连接的MLP计算，之前要2小时训练的小场景，现在30秒就能搞定。
我第一次测Instant NGP的时候，盯着进度条愣了半天——真的比我当年用V-Ray渲一张静帧图还快。
现在的优化已经卷到了硬件算子层面。很多团队专门给NeRF写了定制化的CUDA算子，把之前重复的光线采样、体素插值计算，打包成GPU能并行处理的单元，之前一张3090能跑的场景，现在能同时跑三个。更有团队把NeRF的推理流程移植到了手机端，现在很多旗舰手机已经能实时渲染本地生成的NeRF场景，不需要连云端的服务器。
当然，技术现在还没到完美的程度。碰到快速移动的动态物体、高反光的金属表面、半透明的玻璃材质，生成的场景还是会出现明显的糊块；如果要生成覆盖几平方公里的城市级场景，还是得靠专业的采集设备，消费级相机的精度根本不够。
算完落地账，哪些行业能先吃到红利？
说实话，之前很多人吹NeRF是“3D建模的终局”，我一直觉得太夸张。但等你真的把训练成本、人工成本算成一笔账，就会发现它的替代效应真的已经到了临界点。
最先跑通的是数字孪生和实景测绘领域。之前做一个园区的3D数字孪生模型，要靠测绘车扫点，美术人员手动修模、贴材质，1平方公里的项目成本要几十万，交付周期至少一个月。现在用改装的采集车，装几个广角相机绕园区走一圈，靠加速后的NeRF框架生成初始场景，人工只需要修掉明显的瑕疵，成本直接砍到原来的十分之一，交付周期缩到一周以内。国内几个做园区数字化的厂商，去年已经把这套方案用到了实际项目里，不是停留在PPT上的概念。
第二个落地的场景是影视和游戏的资产制作。之前做一个实景扫描的3D资产，要靠传统摄影测量软件生成点云，再由美术人员逐块修模、画贴图，一个旧仓库的场景要美术做整整一周。现在拿相机绕着场景拍一圈，生成的NeRF资产直接能导进UE5引擎用，美术只需要把穿模、糊块的地方修掉，效率至少提了5倍。去年有个网剧的剧组，就是用NeRF生成了整条老巷的3D场景，把之前要搭实景的几百万成本省了一大半。
不过话说回来，现在的落地还是有硬伤。NeRF生成的场景是没有语义信息的——它不知道哪块是墙，哪块是门，哪块可以走。如果想在场景里加个虚拟人物做漫游，根本没法做碰撞检测，很多人吹的“元宇宙入口”，现在连最基本的交互要求都满足不了。我见过太多创业公司一开始拍胸脯说NeRF能替代所有3D建模，真到项目落地的时候，才发现生成的场景连个门框都识别不出来，还得靠人工逐块标语义，最后省的那点成本，全赔在标注上了。
跑太快的技术，别把坑留到后面填
技术跑得太快，对应的规则其实根本没跟上。
首先是隐私合规的问题。NeRF生成3D场景靠的是大量的实拍照片，你拍街景的时候，很容易把路人的脸、车牌、别人家门口的隐私区域拍进去。之前有国外的技术团队做过测试，生成的NeRF场景放大了能看清路人手机屏幕上的字，如果这些场景没有做隐私脱敏就直接公开，很容易踩合规的红线。
然后是版权的模糊地带。现在NeRF生成的3D资产，到底版权算谁的？是拍照片的拍摄者，是跑模型的平台，还是开源模型的作者？国内现在根本没有对应的法律条款。之前有个游戏公司用NeRF生成了一条老巷的3D场景，被当地的居民告了，说把他们家的门面、开了几十年的小店做进游戏里，没经过同意，最后赔了一笔钱才和解。这种事以后只会越来越多。
我跟踪这个赛道快四年了，说点实在的判断。
未来3年，NeRF的加速技术不会一直停留在“把训练速度提得更快”这个层面。接下来的核心竞争方向，一定是怎么把生成的场景从“只能看”变成“能用”——也就是自动给场景加上语义标签，让它能支持虚拟漫游、碰撞检测、动态交互。这个门槛过了，数字孪生、虚拟旅游的项目才会真正大规模落地。
5年之后，现在大家卷的这些加速框架，大概率会变成消费级软件的默认功能。你出门旅游，拿手机扫一圈，就能生成可以自由漫游的3D旅行记忆，不用再靠一堆拍得歪歪扭扭的照片凑数。
别觉得这个是遥不可及的事。
毕竟三年前，谁能想到当年要烧8张A100才能跑的NeRF，现在能装在你的MacBook上流畅运行？
作者|大讲堂
排版|大讲堂
审核|小北