尽管针对二维图像的零样本学习（Zero-Shot Learning, ZSL）已有大量研究，但其在三维数据上的应用仍处于初期阶段，相关方法极为有限，且大多仅局限于分类任务。本文首次提出一种适用于三维数据的生成式方法，可同时处理标准零样本学习（ZSL）与广义零样本学习（Generalized ZSL, GZSL），并首次实现对分类任务与语义分割任务的统一支持。在ModelNet40分类任务上，我们的方法在归纳式ZSL与归纳式GZSL设置下均达到或超越当前最优性能。针对语义分割任务，我们构建了三个新的评估基准，分别基于S3DIS、ScanNet和SemanticKITTI数据集。实验结果表明，所提方法显著优于多个强基准模型，我们还为此任务提出了若干新的基线方法以供对比。