一句话定义：Marching Cubes（行进立方体）是一种把三维标量场——比如体素密度、占用网格（occupancy grid）或有符号距离场（SDF，Signed Distance Field）——转换成三角网格（triangle mesh）的经典算法，输出的是能直接被游戏引擎、建模软件和渲染管线使用的表面。
先说原理。想象一张等高线地图：地图上每个点都有海拔，把海拔相同的点连起来，就画出了山的轮廓。Marching Cubes 做的是同一件事，只不过从二维升到了三维——把空间切成一个个均匀的小立方体，每个立方体的 8 个顶点都带一个数值，拿它和阈值比较：大于阈值算“在物体内”，小于算“在物体外”。8 个顶点各有内外两种状态，一共 2⁸ = 256 种组合。算法提前把这 256 种情况枚举好：每种情况下，内与外的分界线应该长什么样，用哪几个三角形去近似。运行时每个立方体只需判断自己属于哪种情形，查表取出对应的三角形，再把所有立方体产生的三角形拼起来，就得到一张连续曲面。
打个生活化的比方：拿一堆魔方拼出一个土豆的形状，然后逐个观察每个小方块——它的 8 个角里，哪些在土豆里面，哪些在外面——据此在这个方块内部切出一两片三角面。所有方块都切完，土豆的表面就浮现出来了。名字里的“marching”（行进）指的就是表面从立方体的一条棱“穿”到另一条棱的过程。
它和相邻概念的分工，可以用一张表看清：
| 概念 | 输入 | 输出 | 典型用途 |
|---|---|---|---|
| Marching Cubes | 体素 / 标量场 | 三角网格 | 医学可视化、SDF 转网格 |
| 体素化（voxelization） | 网格 | 体素 | 碰撞检测、空间加速 |
| 点云重建（如泊松重建） | 点云 | 网格 | 扫描数据复原 |
| 体渲染（volume rendering） | 体素 | 图像 | 直接出图，不产出网格 |
对 AI 从业者来说，这一步的分量比它看起来重。今天大量三维生成模型——文本生成 3D、单图生成 3D、神经隐式场——内部学到的往往是一个连续函数：输入一个坐标，返回“这里离表面有多近”。这种隐式表示没法直接拖进 Unity、Blender，也不能送去 3D 打印。要落地，就得先在某一步把它采样成体素网格，再用 Marching Cubes 这类算法转成网格。可以说它是“AI 生成 3D”的最后一道关：模型决定形状好不好看，这一步决定形状能不能被用起来。
当然它也有代价。网格分辨率越高越接近原形，三角形数量和显存占用也涨得很快；尖锐的棱角容易被磨圆；某些立方体的连接方式还存在拓扑歧义，所以后来才有 Marching Tetrahedra、Dual Contouring 等改良方案。普通职场人不必会写这个算法，但知道“AI 出的 3D 模型要经过一层体素到网格的转换”，就能理解为什么同一份生成结果，换个分辨率会像换了个模型。
具体软件或库的实现细节与参数，以官方页面为准。