KIRI Innovations是一家面向全球市場的 AI 公司，致力于通過前沿技術賦能 3D 內容制作，降低 3D 內容生產的門檻。公司擁有 3D 重建引擎 KIRI Engine，通過手機拍照即可實現對物體的超寫實 3D 建模。

KIRI Engine 生成的 3D 模型素材 擁有逼真的紋理材質信息 上線短短幾個月的時間內，KIRI Engine 全球用戶已突破 30 萬人，且還在快速增長中，其中包括 Google、Roblox、EA、Epic Games、Meta 等元宇宙企業用戶。用戶通過 KIRI Engine App 或 KIRI Engine 網頁端將圍繞物體拍攝的照片上傳至云端進行處理，就可以獲得和現實物體一模一樣的 3D 模型素材，再將這些逼真的 3D 模型素材應用在各種包括 VR 場景、3D 游戲、影視特效在內的 3D 內容制作中。

用戶使用 KIRI Engine 生成的 3D 模型 出現在各種 3D 游戲、VR 場景，甚至影視作品中 KIRI Engine 的背后，是一套部署在云端的神經網絡重建算法，能夠通過多角度照片集或視頻，對現實物體生成具有紋理材質信息和幾何信息的超寫實 3D 模型。這種重建算法的計算量非常巨大，使用傳統解決方案意味著消耗大量的算力資源和成本。KIRI Engine 使用NVIDIAGPU在云端進行計算，一片 GPU 負責進行復雜的神經網絡訓練，另一片 GPU 則負責模型推理，將訓練好的模型移至這片 GPU 主機上，通過輸入新的數據來獲得想要的結果，也會進行相對簡單的圖像處理和點云匹配計算任務，同時依靠NVIDIA CUDA進行加速，使得計算成本得以減少數百倍至每個模型幾角錢。 KIRI Engine 的核心價值不僅在于用更低的成本為 3D 開發者提供 3D 重建工具，更在于通過快速增長的用戶在云端積累海量 3D 數據集。隨著 AI 帶來的創作變革，AI 生成 3D 模型將會是下一個生成式 AI 的主戰場，而高度標準化的 3D 數據集是 AI 生成 3D 模型的必要條件。在生成式 AI 全面到來的時代，KIRI 正在面對一個更大的市場和全新的挑戰。

如何兼顧降低計算成本

與提升 3D 重建水平

傳統的照片 3D 建模技術對 CPU 非常依賴，但 CPU 的硬件限制使得這種方法的成本過高，所以其應用領域主要是資金充裕的大型企業和政府項目。人們與信息的交互方式正在因 VR/XR 的技術突破而經歷從 2D 向 3D，和從信息互聯到空間互聯的范式轉移。這種范式轉移將極大帶動市場對 3D 內容的需求，顯然過去高成本的 3D 建模技術無法適應市場的變化。因此，需要探索一種新的計算方式，在滿足不斷增加的 3D 重建需求的同時，還要顛覆性地降低計算成本。

three.js 腳本在 Github 的周下載量 three.js 腳本作為制作 3D 內容必不可少的工具之一，其下載量趨勢能側面反映出全球 3D 內容的增長趨勢；而從表中可以看出 three.js 腳本在 Github 的周下載量在一年的時間內翻了一倍，以此足以看出 3D 化的范式轉移在以驚人的速度滲透人們的交互方式。 在算法層面，KIRI 開創性地使用了神經網絡和視覺算法混合計算的方法。這樣的優勢在于神經網絡重建能夠更好地還原一些無法被視覺算法重建的物體，例如高度反光或透明的物體，但對于特征點足夠多的物體，視覺算法能夠捕捉到更多的表面細節。 因為神經網絡的加入，使用 GPU 是必然的選擇，因此使用 CPU+GPU 異構計算，盡管擁有 CPU+GPU 的服務器價格大概會是同級別的 CPU 價格的 2 倍，但計算時間可以大概節約 11 倍。（用機器學習進行 3D 模型的紋理貼圖計算，CPU 需耗時 1600 秒，但 GPU 只需 130 秒。） 同時對 3D 重建任務進行 CUDA 加速并加入擴/縮容機制 。在計算任務少的時候只使用單臺 GPU 確保運行穩定，計算任務一旦開始變多，云架構能夠自動擴容，最多使用數十臺服務器并行運算。這樣一來，通過 CUDA 加速的神經網絡算法能夠在大幅度降低單次運行的時間成本，而擴/縮容機制在確保用戶體驗的同時避免資源浪費。

NVIDIA 為 KIRI 提供高效穩定算力支持

基于以上考量，KIRI 選擇 NVIDIA 的產品生態來提供支持。因為 NVIDIA 產品生態的多樣性能夠滿足全部技術需求，且提供高效穩定的算力支持。 NVIDIA CUDA:通過 CUDA 進行計算加速是 KIRI Engine 得以高效且低成本運行的重要原因之一。在傳統純 CPU 運行環境里，哪怕是運行最簡單的 3D 重建算法也需要花費 20-60 分鐘的時間。而通過 CUDA 加速后，KIRI 目前的重建算法只需要 5 分鐘。（甚至 KIRI 正在努力嘗試達到 25 秒內生成 3D 模型的加速。） NVIDIA GPU:KIRI 使用 NVIDIA GPU 來進行神經網絡模型的訓練。神經輻射場重建模型往往需要數個小時才能完成訓練，但通過 GPU 與 CUDA 的配合，再加上 KIRI 對算法的優化，目前在 KIRI Engine 上完成神經輻射場模型訓練只需要 25 分鐘。（ KIRI 也在努力對架構和算法進行優化，力爭兩個月內能夠將神經網絡模型的訓練縮減到 5 分鐘以內。）

審核編輯 ：李倩