产品 Bestblogs · Founder Park · 昨天 16:00 · AI 生成
对话 UNICUS 徐豪：一家无限 SKU 的玩具平台，训练了第一个能「生产」的 3D 模型 UNICUS 创始人徐豪的核心判断是，通过自研的 U1 3D 制造模型和自建柔性工厂，可以将个性化积木玩具的设计和制造成本“降低到无限接近于零”，从而实现“无限 SKU 的零库存玩具平台”。不同于市面上的通用 3D 生成模型，U1 专为制造设计，能生成符合物理连接和碰撞约束的结构化数据，直接对接生产。这篇文章是企业创始人的深度思考分享，适合关注 AI 落地制造业、个性化消费趋势以及创业路径的读者。原文 ↗ 原文 ↗
核心观点
▍ 要构建无限 SKU 的零库存玩具平台，核心在于将个性化设计和生产的人工成本降至无限接近于零，这依赖自研的 3D 制造模型和自建的柔性工厂。 01 UNICUS 自研的 U1 3D 制造模型，基于 100 多万条结构化数据训练，其最大难点在于“数据表示”——需要将拼插、零件与结构表达成神经网络能理解的数据，以确保输出的模型是“可制造”的，而非仅“可视”的。 02 通过自建柔性工厂，专门处理每个 SKU 只有一件的订单，UNICUS 将生产成本从数百元降低到不到 10 元，并实现了 12 小时内的快速发货。 03 公司最初的定位是“将生活瞬间转化为纪念品”，但发现用户更倾向于将自己变成玩具，因此转型为 UGC 玩具平台，让用户成为玩具设计师。 04 UNICUS 计划推出线下体验店，让用户在现场生成并拿到自己的立体玩具，并致力于降低部署设备成本。 反方 / 局限
— 文章隐含的局限是，自建工厂的重资产模式与“零库存”的轻资产叙事存在张力，柔性与规模化的平衡是其长期面临的挑战。 — U1 模型当前主要基于积木玩具这一特定品类，其“能生产”的价值主张在跨品类泛化能力上尚未得到验证。
概念锚点 U1模型：为制造而生的3D生成
UNICUS的U1模型与主流3D生成模型的关键区别在于：它不追求视觉逼真，而追求「可制造」。通用模型输出的是三角网格，而U1输出的是积木零件的结构化数据——每个零件的连接点、碰撞体积、拼插公差都被编码进模型。支撑它的是100多万条真实订单沉淀的结构化3D数据，而非互联网图片拼凑。这条路与Hi3D等竞品走的是同一方向：让AI生成3D模型从「能看」进入「能用」。
▸ 2 条关联资料
▼
前置背景 柔性制造工厂的「千厂千面」困局
UNICUS自建工厂的核心挑战不是自动化，而是如何应对「一个SKU只生产一件」的极端柔性。2025年工信部推行的「千厂千面」柔性化改造计划，暴露出四大瓶颈：技改初始投资大（单条智能产线平均超860万）、供应链难以响应小批量高频订单、跨行业标准缺失致系统集成成本高、复合型人才短缺。UNICUS靠自研柔性分拣和机器视觉质检系统已实现日产近万件，但这条路径的规模复制还在等政策与供应链的双重成熟。
▸ 3 条关联资料
▼
平行视角 Shapeways前车之鉴：个性化制造平台能走通吗？
2007年成立的Shapeways曾是3D打印个性化制造的标杆，平台累计生产超2000万个零件，2021年通过SPAC上市估值4.1亿美元——却在2024年申请破产。它的教训是：作为连接设计师与工厂的中间平台，既难控制交付质量，又无法降低单价，最终被高运营成本和低复购率拖垮。UNICUS选择自建工厂而非平台化，恰好绕开了Shapeways的命门。但Shapeways重组后转向聚焦高端B2B服务，给UNICUS的C端路线留出了空白地带。
▸ 2 条关联资料
▼
未来推演 从照片到玩具：AI定制能否突破低频魔咒
徐豪坦言「定制永远是低频的」，因此UNICUS要从定制礼品转向「无限SKU的零库存玩具平台」——让少数创作者设计，多数人付费购买。这个模式能否跑通，关键看两个信号：一是UGC内容是否有自然传播力（参考像素屋3年积累10万件作品但仍是小众），二是单件生产成本能否降到与乐高标准化产品持平的价位。全球可动人偶生成器市场正以16.3%的年复合增长率扩张，但从工具到社区的跨越，还没有成功的先例。
▸ 2 条关联资料
▼
延伸追问 3D制造模型的数据表示是个什么难题
徐豪在对话中透露，U1最难的部分是「数据表示」——如何把积木的拼插逻辑、零件拓扑和装配约束编码成神经网络能理解的形式。这个问题在学术界也未被很好解决：MIT的PhysiOpt方法试图在隐式场的潜空间中直接做可微分物理优化，但它的优化对象是连续材料密度，而非离散的积木零件。UNICUS用真实订单积累的结构化数据做监督学习，这条路是否比通用物理仿真更高效？目前没有公开对比研究。
▸ 1 条关联资料
▼