一句话定义：体素（Voxel，由 volume element 和 pixel 拼出来）是三维空间里最小的立方体格子，把一整块空间切成规整的小方块，每个格子记一个数值，比如“这里有没有东西”“什么颜色”“密度是多少”。
本质是 Minecraft，不是雕塑
想象一块豆腐，你拿刀横竖各切十刀，就得到一千个小立方块——这就是对一块空间做体素化（voxelization）。每个小方块只存一个数字：1 表示被物体占据，0 表示空。要表示颜色，就多存几个通道；要表示形状边界，就存点到表面的距离（SDF，signed distance field，符号距离场）。游戏《我的世界》里的方块世界，就是最直观的体素展示。
这里藏着一个必须知道的成本规律：二维图片分辨率翻倍，像素数变成 4 倍；三维体素分辨率翻倍，格子数变成 8 倍。所以体素最大的敌人始终是内存。工程上的解法是稀疏体素（sparse voxel）——只存非空的格子，再用八叉树（Octree）这类结构分层管理，空的地方一层就跳过。很多 3D 重建和高精度地图系统都靠这一招才能扩展到实际可用的规模。
和网格、点云是三条路
3D 世界里，体素、网格（Mesh）、点云（Point Cloud）是三种不同的表示路线，不是同一个东西的不同叫法。关键区别是：网格和点云描述“皮”，体素描述“肉”。
| 体素 Voxel | 网格 Mesh | 点云 Point Cloud | |
|---|---|---|---|
| 描述什么 | 实心体积 | 物体表面 | 表面上的采样点 |
| 数据结构 | 规则三维数组，位置即索引 | 顶点 + 三角面片，有拓扑 | 一堆没有顺序、没有连接关系的点 |
| 成本增长 | 分辨率翻倍，开销变约 8 倍 | 随细节增加而增加 | 随点数线性增加 |
| 强项 | 布尔运算、碰撞检测、体积查询、3D 卷积 | 渲染、动画、建模 | 采集快，传感器直接输出 |
| 短板 | 占内存、表面有台阶感 | 拓扑复杂，做布尔运算易出错 | 没有面，需要先重建 |
体素的最大优势是有固定索引。想知道某个格子旁边是什么，用数组下标加一减一就能取到，不用搜索；这正好适合跑 3D 卷积，也正适合做“把两个零件合并成一个”这类布尔运算。网格的优势在渲染和动画，游戏引擎和影视特效基本靠它。点云的优势在采集，激光雷达、深度相机出来就是点。
三者也常互相转换：点云体素化是常见的预处理手段，把散乱点按格子归并降采样；医学影像的 CT、MRI 本来就是体素数据（常说的“体素间距”就是每个小方块代表多少毫米），重建出表面就得到网格。选哪条路线，取决于你要问的问题是“这块体积里有什么”，还是“这个表面长什么样”，还是“我手上只有一堆扫描点”。
对从业者和普通人的意义
做 AI 的：体素是 3D 深度学习的常用表示之一，稀疏体素加 3D 卷积是处理三维数据的经典组合；理解“分辨率立方增长”这条成本规律，能帮你判断一个方案多大程度上能扩展。做产品的：别急着把 3D 数据一律当网格处理，体积类需求（比如内部结构、材料分布）用体素更自然。普通人：3D 打印切片、医学影像，以及游戏里的方块世界，背后都是体素在起作用——你早就见过它，只是不知道名字。具体工具和格式的支持情况，以官方页面为准。