opensourcehackernews2026年4月20日上午12:07

你的 Mac 現在也能跑微軟的 AI 3D 模型了，不用買新電腦

Show HN: Run TRELLIS.2 Image-to-3D generation natively on Apple Silicon

有人把微軟最新的 TRELLIS.2 AI 模型（用來把照片變成 3D 物體的）改造成可以在 Mac 上跑。原本這個模型只能在 Windows 或 Linux 上用，因為它需要特殊的 NVIDIA 顯卡技術。這個人就把那些 NVIDIA 才有的功能用普通的 Python 程式碼重新寫了一遍，讓 Mac 的 M 系列晶片也能用。簡單來說就是，你現在不用特地買台 Windows 電腦或租雲端服務，直接用你的 MacBook 就能玩這個酷炫的 AI 功能了。如果你有在做 3D 設計或 AI 相關的工作，這個改造可能會省你不少錢。

白話點評

有人剛剛破解了怎樣在 MacBook 上跑微軟的 40 億參數 3D AI。天啊這超猛的好嗎。

微軟丟出了 TRELLIS.2——一個超強的模型，可以把任何照片變成 3D 物件——但它被綁死在 NVIDIA GPU 上，什麼 Flash Attention、客製化稀疏卷積、CUDA 雜湊表，全部都是 CUDA 專用的黑魔法。結果有個天才在 Show HN 上說「欸不是，讓我試試看」，然後就把整個東西 port 到 Apple Silicon 上跑，只用了幾百行程式碼把那些 CUDA 專用的操作換成純 PyTorch。最扯的是——它真的能用。你現在可以在 M3 MacBook Pro 上跑一個 40 億參數的圖片轉 3D 模型，不用雲端、不用被 NVIDIA 坑、不用排隊等 GPU 時間。這種民主化的東西，根本會讓整個產業直接轉向。

結論如果你有 M 系列 Mac，現在就 clone 這個 repo，看著你的筆電把照片變成 3D 模型——未來已經在你手上了。

9/10

Action

馬上試用

https://github.com/microsoft/TRELLIS

Open SourceMacPython

1從 Show HN 文章的連結 clone Apple Silicon 版本的 repo

2在你的 M 系列 Mac 上裝 PyTorch，記得選 MPS 支援的版本

3拿一張照片跑圖片轉 3D 的腳本，看著魔法發生

Before

需要昂貴的 NVIDIA GPU 和雲端服務才能從照片生成 3D 模型

After

在你的 MacBook Pro 上幾分鐘內就能跑 40 億參數的 3D 生成，全部在本機

AI 怎麼看

3D 內容創作

high

你可以做什麼

現在就下載這個 Mac 版本來試試看吧——這根本可以直接取代你整個 3D 建模工作流，特別是概念設計的部分

重點是什麼

一個 40 億參數的模型可以把照片變成 3D 物件，而且現在在筆電上就能跑，不用再花 10 萬塊買 GPU 工作站了

為什麼要在乎

你現在可以在客戶會議中邊開會邊做 3D 資產原型，不用再等個好幾天才能出渲染結果

遊戲開發

high

你可以做什麼

趕快拿來測試快速原型製作——想像一下把概念美術直接變成可玩的 3D 資產，只要幾分鐘

重點是什麼

那些把 AI 3D 生成綁死在 NVIDIA 顯卡上的技術門檻，現在被純 PyTorch 的替代方案直接破掉了

為什麼要在乎

你的獨立遊戲工作室現在可以用 MacBook 就跟大廠的 3D 資產製作流程拼，根本不用花大錢

這跟你的工作有關嗎

3D 美術師

整個會變不一樣

為什麼會這樣

微軟的 TRELLIS.2 可以從照片生成 3D 模型，而且現在在你已經有的 MacBook Pro 上就能跑

你可以怎麼做

開始拿這個來做概念設計吧——不是要取代你的技能，而是讓你的迭代速度快 10 倍

iOS 開發者

好消息

為什麼會這樣

Apple Silicon 最佳化代表你現在可以在本機生成 3D 內容給 AR 應用，不用再依賴雲端

你可以怎麼做

Fork 這個 repo 來試試看能不能直接把 3D 生成整合進你的 ARKit 工作流

看原文 →

這些詞是什麼意思

TRELLIS.2（TRELLIS.2模型）: 微軟的 40 億參數 AI 模型，可以從 2D 照片生成 3D 物件，原本只能在昂貴的 NVIDIA GPU 上跑，現在被 port 到 Apple Silicon 上了——就像是把一台超級跑車從只能用特定油品改成什麼油都能用。
PyTorch MPS（PyTorch金屬性能著色器）: Apple 為 PyTorch 開發的 Metal 後端，讓 AI 模型可以在 Apple Silicon 晶片上高效運行，這次 port 的關鍵技術——簡單說就是讓 Mac 能用自己的語言跟 GPU 溝通。
Sparse Convolution（稀疏卷積）: 一種省記憶體的神經網路操作，只處理非零的數值，對 3D 生成超重要但原本只有 CUDA 版本，這次被換成純 PyTorch——就像是只掃有灰塵的地方而不是整個房間。
Flash Attention（快閃注意力機制）: 一種省記憶體的注意力機制，通常需要 CUDA，但這次被換成 PyTorch 的 SDPA 注意力讓 3D 生成模型能在 Mac 上跑——就像是用更聰明的方式記東西，不用死背。