為什么當(dāng)下 大語(yǔ)言模型的進(jìn)化速度已經(jīng)放緩，而 AI應(yīng)用火熱？

在文生圖、文生視頻之后，下一個(gè)引爆我們想象力的AI技術(shù)奇點(diǎn)是什么？

為什么說(shuō)科技的終極形態(tài)，是一場(chǎng)「解壓縮」？

最近， 「十字路口」 播客采訪了混沌學(xué)園六期同學(xué)、3D大模型公司VAST的創(chuàng)始人&CEO宋亞宸（Simon），播客中他們聊了VAST最新3D生成大模型Tripo 3.0 背后的故事。

宋亞宸， 這位97年出生的創(chuàng)業(yè)者短期內(nèi)已連續(xù)融資三輪、每輪數(shù)千萬(wàn)美金。在他看來(lái)，大語(yǔ)言模型已經(jīng)「撞墻」，進(jìn)化放緩，這才給了應(yīng)用和Agent繁榮發(fā)展的空間。而3D大模型則完全不同，它才剛剛起步，仍是一片藍(lán)海。

為什么VAST要一邊研發(fā)大模型，一邊自己下場(chǎng)開(kāi)發(fā)應(yīng)用Tripo Studio？

宋亞宸的AI創(chuàng)業(yè)故事或許能讓你有所收獲（

宋亞宸參加混沌學(xué)園線下學(xué)習(xí)

本文轉(zhuǎn)載自公眾號(hào)“十字路口Crossing”，嘉賓：宋亞宸，播客采訪：Koji、Ronghui，整理編輯：Starry，原文排版：NCon

快問(wèn)快答

Ronghui

大家好，歡迎來(lái)到這一期的「十字路口」。本期我們的嘉賓是一位年輕的創(chuàng)業(yè)者，3D 大模型研發(fā)公司 VAST 的創(chuàng)始人宋亞宸，Simon。8 月底 VAST 發(fā)布了最新的 3D 大模型 Tripo 3.0。今天我們邀請(qǐng)他來(lái)聊一聊 3D 大模型研發(fā)的故事，以及他創(chuàng)業(yè)這兩年來(lái)的一些思考。我們先進(jìn)入快問(wèn)快答環(huán)節(jié)。

請(qǐng)Simon回答一下：年齡？

宋亞宸

28

Ronghui

畢業(yè)院校？

宋亞宸

約翰·霍普金斯大學(xué)本科。

Ronghui

你的 MBTI 和星座？

宋亞宸

我是ESTP，星座是雙魚(yú)座。

Ronghui

用一句話介紹現(xiàn)在的公司和產(chǎn)品。

宋亞宸

我們公司叫 VAST，是一家做 AI 3D 大模型的公司。我們有一個(gè)產(chǎn)品叫 Tripo，輸入可以是文字、圖片或多模態(tài)方式，它能輸出完整的3D內(nèi)容。

Ronghui

融資情況？

宋亞宸

之前融了三輪，每一輪大概在幾千萬(wàn)美金左右。

Ronghui

團(tuán)隊(duì)規(guī)模？

宋亞宸

我們大概 110 多人。

Ronghui

創(chuàng)業(yè)之前你在做什么？

宋亞宸

創(chuàng)業(yè)之前也在創(chuàng)業(yè)。最早在商湯做過(guò)一段時(shí)間 AI 加動(dòng)畫(huà)、AI 加游戲。2021 年參與創(chuàng)立了 MiniMax，2023 年創(chuàng)立了 VAST。

Ronghui

我們有一個(gè)社交破冰環(huán)節(jié)，用「我是 XX」造句，介紹 10 件關(guān)于自己的事。請(qǐng) Simon 也來(lái)體驗(yàn)一下。

宋亞宸

第一，我是宋亞宸，28 歲，創(chuàng)業(yè)者。

第二，我是 VAST 的創(chuàng)始人兼 CEO。

第三，我是一個(gè) Addictive Gamer，非常沉迷游戲。上大學(xué)時(shí)，床墊都被我打游戲坐出一個(gè)坑。

第四，我是一個(gè)喜歡旅游的人，去過(guò)格魯吉亞、百慕大、古巴、土耳其、摩洛哥等地。

第五，我算是一個(gè)跨行業(yè)者，本科偏文科，后來(lái)轉(zhuǎn)向 AI，有跨學(xué)科的背景。

Koji

我記得你是學(xué)神學(xué)？

宋亞宸

我是學(xué)希伯來(lái)語(yǔ)、阿拉伯語(yǔ)的，最早想往這個(gè)方向發(fā)展。

Koji

那你之前的學(xué)習(xí)對(duì)現(xiàn)在的工作有幫助嗎？

宋亞宸

有。我很多決定都來(lái)自于接觸過(guò)的人和信息。

第六，我是一個(gè)喜歡讀書(shū)的人，也喜歡聽(tīng)書(shū)，但目前還不是特別喜歡聽(tīng)播客。

Koji

你最近讀的一本書(shū)是什么？

宋亞宸

最近讀了一本很薄的書(shū)，《種樹(shù)的人》，是綠洲資本的張津劍送我的，收獲挺大。前段時(shí)間也在聽(tīng)王東岳講《道德經(jīng)》。

第七，我是一個(gè)在意「有趣」的人。無(wú)論招聘、交朋友還是和投資人打交道，我都看重對(duì)方是不是有熱愛(ài)、是不是有眼神發(fā)光的時(shí)刻。

Koji

你的投資人里誰(shuí)最有趣？

宋亞宸

這個(gè)問(wèn)題可能會(huì)得罪人（笑）。不過(guò)我們的大部分投資人都很年輕，愿意投我們，本身就是一種「有趣」。

Koji

你這端水大師。

宋亞宸

第八，我是一個(gè)不擅長(zhǎng)寫(xiě)字的人，包括中文和英文。雖然在美國(guó)待了八年，但一直不擅長(zhǎng)文字表達(dá)，所以學(xué)文科時(shí)很痛苦。比如回微信消息、寫(xiě)公司全員信、給投資人寫(xiě)長(zhǎng)郵件，我基本都不做。但我擅長(zhǎng)聊天。以前在商湯做戰(zhàn)略時(shí)，經(jīng)常要寫(xiě) PPT，那段時(shí)間非常痛苦，我努力克服，后來(lái)發(fā)現(xiàn)確實(shí)不是我的強(qiáng)項(xiàng)，就放棄了。

Ronghui

那你用 AI 工具寫(xiě) prompt 怎么辦？

宋亞宸

也很痛苦。我更喜歡交互的形態(tài)。在 3D 時(shí)空里，未來(lái)不應(yīng)該需要打字，而是「言出法隨」。比如像原神里漂浮的小助手，可以直接對(duì)話生成內(nèi)容。這才是更自然的交互形態(tài)，而不是突然彈出鍵盤(pán)打字。我很期待 3D 能盡快實(shí)現(xiàn)。

第九，我是一個(gè)特別喜歡內(nèi)容創(chuàng)作的人。從小學(xué)就讀各種玄幻小說(shuō)（唐三、我吃西紅柿、蒼天白鶴、天蠶土豆等），后來(lái)讀漫畫(huà)，看番劇，打游戲，還寫(xiě)過(guò)玄幻小說(shuō)上傳到起點(diǎn)。

Koji

能在起點(diǎn)搜到你嗎？用什么名字？

宋亞宸

是一個(gè)只有 200 人看過(guò)的起點(diǎn)小賬號(hào)。

但我確實(shí)在商湯做過(guò)動(dòng)畫(huà) IP，做到過(guò)百萬(wàn)粉絲規(guī)模。在半次元也做過(guò) KOL。我喜歡做 IP，也喜歡做內(nèi)容。

Koji

你的粉絲有多少？

宋亞宸

當(dāng)時(shí)幾萬(wàn)粉絲。

第十，我是一個(gè)很想做游戲的人。小學(xué)時(shí)有一本很破的本子，上面設(shè)計(jì)了好幾種RPG 游戲，有等級(jí)、裝備、背包、探險(xiǎn)，還能和同學(xué)互相對(duì)戰(zhàn)。下課后很多同學(xué)會(huì)找我玩，就像一個(gè) RPG 一樣。

萬(wàn)物起源：從小學(xué)時(shí)收費(fèi)的RPG，到一個(gè)無(wú)限世界的夢(mèng)想

Koji

感覺(jué)你在學(xué)校里地位很高。

宋亞宸

當(dāng)你擁有一個(gè)系統(tǒng)，等于自己創(chuàng)造了一個(gè)小世界，你就成了這個(gè)世界里的「神」，有最終解釋權(quán)。所以大家會(huì)來(lái)充值，比如送我香菇肥牛、辣條，或者北京烤鴨那種五毛錢(qián)的豆腐干制品，讓我把他們畫(huà)得更強(qiáng)一些，很有趣。

Koji

當(dāng)時(shí)通過(guò)創(chuàng)造虛擬世界獲得的這些正反饋，和你現(xiàn)在做 VAST 有直接關(guān)系嗎？

宋亞宸

我覺(jué)得有，我特別喜歡創(chuàng)造和創(chuàng)作，能寫(xiě)故事、造世界，也喜歡消費(fèi)別人的故事。這是我最喜歡的事情，因?yàn)槲锢硎澜缬泻芏嘞拗?，更大的世界?lái)自于人的大腦和想象力，那是一個(gè)無(wú)限的世界。

Koji

我們和 Simon 比較熟悉，除了前面的 10 個(gè)，你可以再展示一些我們不知道的？現(xiàn)在請(qǐng)你即興再來(lái)一個(gè)「我是…」。

宋亞宸

同時(shí)，我還是個(gè)哥哥。我有一個(gè)親弟弟，這對(duì)我來(lái)說(shuō)是重要的身份。我們差很多歲，所以我能更好地了解他們那一代人喜歡什么。我們做的產(chǎn)品，終究是面向下一代的。

對(duì)他來(lái)說(shuō)，AI是非常自然的。他遇到問(wèn)題會(huì)下意識(shí)打開(kāi) GPT 或 DeepSeek，而我還是習(xí)慣 Google 或百度。他從小就在消費(fèi)有 AI 參與的內(nèi)容，對(duì)他來(lái)說(shuō)這是再正常不過(guò)的。而我小時(shí)候接觸的還是文字內(nèi)容，那時(shí)互聯(lián)網(wǎng)還不成熟，硬件和帶寬不足，無(wú)法支撐高信息密度的載體。雖然 3D 是信息密度最高、最自然的形態(tài)，但早期互聯(lián)網(wǎng)只能用更抽象、更降維的文字來(lái)承載。

所以最早我看小說(shuō)，用 MP3 在被窩里打著手電筒看，一個(gè) MP3 屏幕只能顯示 10 個(gè)字符，看 500 萬(wàn)字的小說(shuō)要按 50 萬(wàn)次。后來(lái)移動(dòng)互聯(lián)網(wǎng)出現(xiàn)了，初中時(shí)我買(mǎi)了 iPhone4，終于能消費(fèi)圖片內(nèi)容，手機(jī)也有攝像頭了。再后來(lái)到了大學(xué)，我們才有更多視頻內(nèi)容。等到我工作時(shí)，短視頻才真正開(kāi)始流行。

Koji

除了遇到問(wèn)題時(shí)，你會(huì)想到用 Google，而你弟會(huì)想到用 ChatGPT。你覺(jué)得你們之間還有哪些顯著區(qū)別？

宋亞宸

比如我很習(xí)慣看公眾號(hào)，他就不習(xí)慣。他更習(xí)慣去 YouTube、B 站找答案。對(duì)他來(lái)說(shuō)，視頻是信息密度更高的形式，更符合他成長(zhǎng)的環(huán)境。

Koji

「Born with 3D」的用戶，你們已經(jīng)在用戶群里看到了嗎？

宋亞宸

是的，年紀(jì)更小的用戶中已經(jīng)有這樣的趨勢(shì)。比如我弟的學(xué)弟在 B 站做 Up 主，作品是一些我很難看懂的 3D 創(chuàng)作，比如「馬桶人」「監(jiān)控人」，但能有幾十萬(wàn)粉絲，有時(shí)視頻甚至上百萬(wàn)播放。你都不知道是誰(shuí)在消費(fèi)，但確實(shí)有人喜歡。不同代際差異非常明顯。信息載體從文字到圖片、視頻再到 3D，社會(huì)形態(tài)從工業(yè)社會(huì)到數(shù)字社會(huì)再到智能社會(huì)，不是一兩年能看出來(lái)，但以十年為跨度，變化很大。

Ronghui

那我們具體聊聊你們的 3D 大模型。8 月 20 號(hào)發(fā)布的 Tripo 3.0，前面提到了對(duì)新一代用戶的關(guān)注。你能說(shuō)說(shuō)這次是為誰(shuí)設(shè)計(jì)的嗎？和之前的產(chǎn)品相比，最大的迭代在哪里？

宋亞宸

其實(shí) Tripo 我們已經(jīng)做了挺久，2024 年初上線，到現(xiàn)在一年半了，也積累了很多用戶。目前全球有三四百萬(wàn)專業(yè)創(chuàng)作者，超過(guò) 4 萬(wàn)家企業(yè)客戶，其中 700 多家是大型客戶。大家在用 AI 3D，但之前產(chǎn)品并不算真正的 pipeline-ready，只能在流程的一環(huán)里起作用，還需要專業(yè)人員修改和精修。

Tripo 3.0 的跨時(shí)代意義在于，它第一次達(dá)到了可以直接在大多數(shù)行業(yè)和場(chǎng)景中使用的狀態(tài)。比如你買(mǎi)一臺(tái) 3D 打印機(jī)，放在家里給孩子用，在 Tripo 上生成一個(gè) 3D 模型，放進(jìn)打印機(jī)，打印效果就很好，不需要二次操作或修改。你甚至不用關(guān)心模型的結(jié)構(gòu)、格式，不需要知道如何修 3D，也不用學(xué)習(xí)各種 DCC 建模軟件。這些都不是用戶需要關(guān)心的。

Koji

2.0 到 3.0 的過(guò)程中，你們背后做了哪些工作？

宋亞宸

工作量非常大，涵蓋了更多數(shù)據(jù)、更優(yōu)算法以及模塊優(yōu)化。這是一個(gè)系統(tǒng)性工程，而不是解決單點(diǎn)問(wèn)題。整體上在可控性、成功率、精細(xì)度和性能等方面都有顯著提升，尤其是在幾何精細(xì)度上的進(jìn)步尤為關(guān)鍵。

Ronghui

Simon 能否給聽(tīng)眾一些更具象的分析？比如我沒(méi)有技術(shù)背景，但在錄制前我和 Gemini 討論過(guò)你們的資料。以 Tripo 2.0 為例，公開(kāi)信息提到你們采用了融合 DiT 和 U-Net 模型的復(fù)合架構(gòu)。Gemini 指出這本身就很有挑戰(zhàn)。我想問(wèn) 3.0 是否仍在使用這一架構(gòu)？如果是，它的挑戰(zhàn)性體現(xiàn)在哪里？

宋亞宸

3.0 并不是依靠某個(gè)單點(diǎn)突破，而是多方面的系統(tǒng)優(yōu)化。我們研發(fā)了一種新的表達(dá)形式——SparseFlex（SF）。今年 4 月份我們已開(kāi)源 Tripo SF，效果相當(dāng)出色。它顯著降低了生成 3D 模型的成本，提升了生成速度，因?yàn)樗^(guò)水密性環(huán)節(jié)，同時(shí)支持在上千空間維度下生成，精細(xì)度更高。

你可以把它理解為一種 3D 的 token 表達(dá)形式。表達(dá)形式越好，壓縮率、還原率和保真度就越高。這樣不僅能支撐更多數(shù)據(jù)訓(xùn)練，還能提升生成質(zhì)量和精度。近期也有類似的表達(dá)形式，比如 Mesh、NeRF、近期很火的高斯等，SparseFlex 在 AI3D 訓(xùn)練中同樣表現(xiàn)突出。

Koji

3.0 發(fā)布后，有沒(méi)有數(shù)據(jù)能顯示它給用戶帶來(lái)的價(jià)值？比如使用量、付費(fèi)率或使用頻率？

宋亞宸

用戶用量和反饋都顯著提升。我們目前發(fā)布的是 Standard 版本，后續(xù)還會(huì)推出 Ultra 版本，生成效果更好，但生成時(shí)間也會(huì)更長(zhǎng)。

Koji

有沒(méi)有 2.5 無(wú)法實(shí)現(xiàn)，而 3.0 解鎖的應(yīng)用場(chǎng)景？

宋亞宸

可以這樣理解。我們有一款產(chǎn)品 Tripo Studio，它集合了大量 AI 算法，目標(biāo)是通過(guò) AI 原生的工作流替代傳統(tǒng)復(fù)雜的 3D 制作管線。Tripo Studio 在 5 月 31 日上線后，收入增長(zhǎng)超過(guò)兩倍。

Koji

我記得你曾在「十字路口」線下活動(dòng) 「AI 開(kāi)放麥」現(xiàn)場(chǎng)分享過(guò)，有人在歐洲基于 Tripo 3D 的 API 做了「套殼」應(yīng)用并賺了不少錢(qián)。Tripo Studio 是否類似這種模式？

宋亞宸

不完全是。我們希望將其做得更具 agent 化。后續(xù)會(huì)在系統(tǒng)中增加更多對(duì)話框，以及簡(jiǎn)單的語(yǔ)言交互和拖拽交互?？梢园阉斫鉃?3D 內(nèi)容生成后的后續(xù)處理：例如，當(dāng)我生成了一個(gè)「80 分」的成果，以前通常在傳統(tǒng)管線中進(jìn)行二次編輯；現(xiàn)在我們?cè)?Tripo Studio 上完成二次編輯，從而大幅降低編輯的成本、門(mén)檻與時(shí)間，這正是 Tripo Studio 的意義。

Tripo Studio 帶來(lái)了許多全球獨(dú)有的新功能。首先是「萬(wàn)物自動(dòng)語(yǔ)義分割」（segmentation）。以往生成的 3D 模型往往是一體化的「整體」，無(wú)法做二次編輯——類似紋身圖或紋身視頻，生成后沒(méi)有源文件，不能在 Photoshop 中分層（layers）編輯。同理，早期的 3D 輸出是一整塊，難以分層處理；而現(xiàn)在，生成的 3D 模型可以自動(dòng)進(jìn)行語(yǔ)義分割：系統(tǒng)理解模型的語(yǔ)義后，將其各個(gè)部件切分為獨(dú)立的塊，并對(duì)每個(gè)部件自動(dòng)補(bǔ)全與完善。

舉例來(lái)說(shuō)，若生成一只手拿著一瓶水，系統(tǒng)能自動(dòng)把水與手分離，水與手各自成為完整獨(dú)立的 3D 資產(chǎn)，并被存入資產(chǎn)庫(kù)以便替換和復(fù)用。這體現(xiàn)了 Tripo Studio 的能力。換言之，Tripo Studio 上線了一整套 AI 算法，定義了 AI 時(shí)代 3D 編輯與交互的形態(tài)與范式。其中，segmentation 與 part completion 是非常經(jīng)典的功能，未來(lái)也可能出現(xiàn)競(jìng)品實(shí)現(xiàn)類似功能。

Koji

可以把它理解為類似 Canva 推出 AI 時(shí)的重要賣(mài)點(diǎn)——生成的圖片可以分層（layer）編輯，逐層調(diào)整；Lovart 也在強(qiáng)調(diào)這一點(diǎn)。

宋亞宸

這確實(shí)是一項(xiàng)創(chuàng)新——此前無(wú)人做到，我們率先實(shí)現(xiàn)。我們還開(kāi)發(fā)了「萬(wàn)物骨骼綁定」功能。其含義是：生成的 3D 模型原本是靜態(tài)的「雕塑」，現(xiàn)在可以自動(dòng)進(jìn)行骨骼綁定和蒙皮。除人類模型以外（人類較易處理），系統(tǒng)也支持貓、狗、牛、蛇、魚(yú)、龍，甚至章魚(yú)、蜘蛛等的自動(dòng)骨骼綁定與動(dòng)作生成。例如，生成一條龍后，系統(tǒng)可以在爪子或手指級(jí)別完成綁定，從而使其能夠運(yùn)動(dòng)。這項(xiàng)能力顯著節(jié)省創(chuàng)作時(shí)間并降低門(mén)檻。

此外，我們還做了低模生成。傳統(tǒng)生成模型面數(shù)常達(dá)幾十萬(wàn)乃至數(shù)百萬(wàn)，這在實(shí)時(shí)渲染場(chǎng)景（如游戲、XR、元宇宙）中對(duì)本地性能消耗巨大；而當(dāng)面數(shù)降至幾百或幾千時(shí)，計(jì)算量顯著減小，能實(shí)現(xiàn)實(shí)時(shí)渲染。為此，我們自研了一套基于自回歸路線的低模生成方法，使輸出模型天然面數(shù)較低、實(shí)用性更強(qiáng)。

類似功能還包括 Magic Brush 智能筆刷等一系列能力，這些共同構(gòu)成了完整的工作流。

Koji

我理解這其實(shí)是一個(gè)戰(zhàn)略性的選擇。因?yàn)楹芏鄨F(tuán)隊(duì)可能會(huì)選擇把精力 all in 在基模上，而你們卻花了大量產(chǎn)研時(shí)間做 Studio。為什么？

宋亞宸

我們判斷，未來(lái)每一個(gè)有專業(yè)能力的垂直領(lǐng)域大群體，都會(huì)擁有一個(gè)屬于自己的 AI 工作臺(tái)，它要滿足幾個(gè)條件：

1. 端到端：能一站式完成完整的創(chuàng)作流程。

2. 高可控性：可編輯的顆粒度要足夠細(xì)，才能真正體現(xiàn)創(chuàng)意。

3. 交互形態(tài)創(chuàng)新：不再局限于傳統(tǒng)模式。

去年底我們意識(shí)到這一點(diǎn)，就投入半年研發(fā)，到 5 月 31 日上線了 Tripo Studio 的第一個(gè)版本。早期還是雛形，但經(jīng)過(guò)幾次迭代，效果已經(jīng)越來(lái)越好。

模型vs. 工作臺(tái)：為什么我們既要造發(fā)動(dòng)機(jī)，也要造F1賽車？

Koji

所以你覺(jué)得只做基模是不夠的？因?yàn)橐灿腥丝赡軙?huì)選擇說(shuō)，我就專注做基模，把類似 Tripo Studio 這樣的工作開(kāi)放給生態(tài)合作伙伴去做。

宋亞宸

嗯，這是個(gè)很好的問(wèn)題。我認(rèn)為未來(lái)一定是基模和 agent （或者叫 workstation）——這兩方面都會(huì)做。舉個(gè)例子，比如 Cursor，它很可能會(huì)做自己的基模。

Koji

所以你覺(jué)得這是一個(gè)戰(zhàn)略上用作防守的 agent？

宋亞宸

它不是防守，而是一種邏輯。你可以理解為：在做底層大模型的時(shí)候，你是在起「新墻」；而在做工程和產(chǎn)品功能的時(shí)候，你是在糊「舊墻」。因?yàn)槟阋鉀Q的，恰恰是上一代模型里存在的缺陷。

比如說(shuō)，上一版模型在人臉生成上的效果不夠好，那如果我要基于這版模型做 agent，我就會(huì)重點(diǎn)解決「臉部?jī)?yōu)化」的問(wèn)題。但當(dāng)新一代模型發(fā)布，它順帶把人臉問(wèn)題和其他一百個(gè)問(wèn)題一起解決了，那你之前的努力可能就失效了。

所以，從底層角度看，AI1.0 和 AI2.0 的區(qū)別就在這里。AI1.0 時(shí)代的核心是很多天才的算法科學(xué)家，通過(guò)手工調(diào)參的方式訓(xùn)練出一個(gè)個(gè)小模型，然后用這些小模型去解決各種長(zhǎng)尾問(wèn)題。舉個(gè)例子，在計(jì)算機(jī)視覺(jué)時(shí)代，我們做智慧城市時(shí)，會(huì)有一個(gè)小模型專門(mén)識(shí)別垃圾是否被倒在外面，另一個(gè)小模型識(shí)別監(jiān)獄里是否有人打架——非常具體、細(xì)節(jié)的問(wèn)題。

而在 AI2.0 時(shí)代，核心變成了數(shù)據(jù)驅(qū)動(dòng)。通過(guò)海量數(shù)據(jù)訓(xùn)練出一個(gè)通用的大模型，希望它能泛化地解決所有常規(guī)問(wèn)題。

回到剛才的問(wèn)題——做底層模型的優(yōu)勢(shì)是一次性解決大部分常規(guī)問(wèn)題。但為什么現(xiàn)在有人在上面做工具、agent、workstation 或者應(yīng)用？核心原因就是：他們認(rèn)為 AI2.0 時(shí)代死了，所以還是在做 AI1.0 時(shí)代的事情。

AI2.0時(shí)代的生存法則：語(yǔ)言模型撞墻了，但3D沒(méi)有

Koji

你覺(jué)得 AI2.0已經(jīng)「死了」？

宋亞宸

不是我覺(jué)得，而是那些在做的人面臨的問(wèn)題。你仔細(xì)想一想，如果AI2.0 還在快速發(fā)展，比如GPT-5、GPT-6、GPT-7一路迭代，那么Cursor根本沒(méi)有生存空間，因?yàn)樗蕾嚱鉀Q的那些問(wèn)題都會(huì)被新模型覆蓋掉。很多agent也是這樣，原來(lái)填補(bǔ)的是通用模型的缺陷，但隨著大模型升級(jí)，它們的價(jià)值就消失了。

Koji

所以你認(rèn)為模型遇到了發(fā)展瓶頸？

宋亞宸

不是所有模型，而是語(yǔ)言模型撞墻了。也正因?yàn)槿绱?，才?huì)基于語(yǔ)言模型出現(xiàn)了很多垂類應(yīng)用和agent，因?yàn)檎Z(yǔ)言模型的發(fā)展速度相對(duì)放緩。

但在3D領(lǐng)域，情況完全不同。你很少看到只做應(yīng)用的人，因?yàn)槿绻麤](méi)有自己的大模型，一旦下一代模型發(fā)布，你的應(yīng)用幾乎立刻失效。就像你糊了半天的舊墻，人家直接給你起了個(gè)新墻，你的努力就被覆蓋了。

Koji

我理解在大模型還在瘋狂迭代的時(shí)候，如果應(yīng)用公司在上面「雕花」，很可能會(huì)被下一次升級(jí)直接淹沒(méi)。但我想知道，從你們的角度看，作為一家本來(lái)做基模的公司，為什么在這個(gè)時(shí)候你們也要做應(yīng)用？

宋亞宸

核心在于：我們比別人更清楚下一版模型會(huì)往哪里迭代。我們知道哪些地方值得糊舊墻，哪些地方不用護(hù)，因?yàn)樾履Ｐ蜁?huì)解決。

這就是我們最大的優(yōu)勢(shì)：一方面，通過(guò)做工具或agent，我們能離用戶更近，拿到一線反饋，指導(dǎo)大模型迭代；另一方面，我們又有大模型的積累，清楚模型下一步的方向。兩者結(jié)合，就形成了非常好的循環(huán)。

Koji

DeepSeek堅(jiān)決不做任何商業(yè)化，即便外界愿意送錢(qián)，他們也拒絕，因?yàn)榱何匿h認(rèn)為這會(huì)稀釋團(tuán)隊(duì)在追求模型智能邊界上的專注。所以他們的 ToC產(chǎn)品做得很簡(jiǎn)單，爆火之后也沒(méi)維護(hù)，甚至不調(diào)機(jī)器擴(kuò)容。他們把所有精力都放在基模上。

而你們的選擇是既做基模，又做Tripo Studio，但你們的「糧倉(cāng)」沒(méi)有 DeepSeek那么充足。在資源有限的情況下，這種戰(zhàn)略選擇的考慮是什么？

宋亞宸

我不覺(jué)得這是注意力稀釋。相反，如果只做基模，就會(huì)變成一種學(xué)術(shù)化的「自嗨」。很多東西在論文里可能很火，但和真實(shí)用戶的需求并不完全對(duì)應(yīng)。

我們做 AI 不是「拿著錘子找釘子」，而是要從真實(shí)問(wèn)題出發(fā)。這也是我們公司的特別之處。上次分享時(shí)我提到過(guò)，我們最早做的是一個(gè)3D的 TikTok。但我們遇到了一個(gè)「墻」：想做3D UGC的生態(tài)和社區(qū)，但發(fā)現(xiàn)現(xiàn)實(shí)里根本沒(méi)有3D的 UGC，只有PGC。為什么？因?yàn)槿鄙俅蟊娂?jí)的創(chuàng)作者工具。

就像如果沒(méi)有輸入法，就很難有文字的 UGC；如果沒(méi)有手機(jī)攝像頭，就很難有圖片和視頻的 UGC。那在 3D 里，缺的就是一個(gè)大眾級(jí)的創(chuàng)作工具。所以我們才去做 AI 3D 大模型，目標(biāo)是降低創(chuàng)作門(mén)檻和成本。這個(gè)初心很重要，我們做這件事是為了解決真實(shí)存在的問(wèn)題，和用戶、創(chuàng)作者在一起，看看我們的方案是否真的奏效。

換句話說(shuō)，從第一天開(kāi)始，我們就不是一家「拿著錘子找釘子」的公司。很多大模型公司是先有技術(shù)，再去找應(yīng)用場(chǎng)景；而我們是一開(kāi)始就看到了用戶的需求和痛點(diǎn)，所以才決定做大模型。

Koji

所以一開(kāi)始你們真正的「釘子」，就是要做一個(gè)3D UGC的社區(qū)。

宋亞宸

沒(méi)錯(cuò)。我們的目標(biāo)就是做一個(gè)大眾級(jí)的創(chuàng)作者工具，讓每個(gè)人都能零門(mén)檻、零成本、實(shí)時(shí)地創(chuàng)作3D內(nèi)容。

Koji

所以現(xiàn)在其實(shí) Tripo Studio 也是服務(wù)這個(gè)人群的嘛？

宋亞宸

現(xiàn)在暫時(shí)不是。你可以理解為 Tripo Studio 目前還是服務(wù)于專業(yè)用戶，面向的是 PUGC 或者 PGC。我們希望下一步逐步去犧牲一部分創(chuàng)作的可控性和編輯的顆粒度，但換來(lái)的是大量的內(nèi)容范式和模板。有了這些范式和模板，每個(gè)人都能參與到創(chuàng)作當(dāng)中。

比如大學(xué)生用 Tripo Studio 沒(méi)問(wèn)題，但如果是小學(xué)生，或者讓我外婆來(lái)用，難度還是比較大。我們真正希望實(shí)現(xiàn)的是零門(mén)檻、零成本的實(shí)時(shí) 3D 創(chuàng)作。一旦做到這一點(diǎn)，就有機(jī)會(huì)出現(xiàn) UGC 群體。

Koji

是什么原因讓你認(rèn)為未來(lái)會(huì)是人人都要做 3D 呢？這是不是有點(diǎn)非共識(shí)？因?yàn)榕恼掌?、拍視頻很自然，但 3D 是更高維度的藝術(shù)創(chuàng)作，好像不是每個(gè)人都會(huì)主動(dòng)想去做的事。

宋亞宸

其實(shí)你剛說(shuō)的「自然」也就存在不到十年。拍視頻、拍照片成為日常也只是近十年的事情。在短視頻出來(lái)之前，我們一年能看幾部電影？在小紅書(shū)和 Pinterest 之前，一年能逛幾次畫(huà)廊？在微博、貼吧、Twitter 出現(xiàn)之前，一輩子能讀幾本書(shū)？

回到 3D，在 3D 的 UGC 內(nèi)容平臺(tái)出現(xiàn)之前，其實(shí)每個(gè)人都在打游戲了。王者榮耀 2015 年發(fā)布第一年就有 1 億 DAU，十年后依舊保持 1 億 DAU，這就是全民級(jí)產(chǎn)品。今天游戲的全球市場(chǎng)規(guī)模大約 2600 億美金，已經(jīng)是出版社、畫(huà)廊、電影市場(chǎng)加起來(lái)的兩到三倍。

同理，我認(rèn)為未來(lái)的 3D UGC 內(nèi)容平臺(tái)會(huì)是 Twitter、微博、小紅書(shū)、抖音、快手、TikTok、Snapchat、Instagram 所有平臺(tái)總和的兩到三倍。

Koji

你暢想的未來(lái) 3D UGC 這個(gè)平臺(tái)上面消費(fèi)的內(nèi)容主要是什么呢？游戲？

宋亞宸

這是個(gè)好問(wèn)題。就像短視頻剛出現(xiàn)時(shí)，你問(wèn)大家會(huì)消費(fèi)什么？當(dāng)時(shí)沒(méi)有短視頻的概念，只有電影和視頻，所以當(dāng)我們說(shuō)要做一個(gè) UGC 視頻平臺(tái)的時(shí)候，大家一般只能想到電影。

同樣，現(xiàn)在大家提到 3D 可交互內(nèi)容平臺(tái)時(shí)，只能想到游戲。但其實(shí)未來(lái)的形態(tài)一定更豐富。就像現(xiàn)在在 B 站，電影在所有視頻里只是很小的一部分，短劇的市場(chǎng)已經(jīng)超過(guò)電影。

所以我相信，今天我們玩的所有游戲——不論是咸魚(yú)之王、三消、原神、王者榮耀還是刺激戰(zhàn)場(chǎng)——未來(lái)都會(huì)只是「3D 可交互內(nèi)容」大品類下面的一個(gè)小分支，屬于精英級(jí)的藝術(shù)形式。

Ronghui

你剛才講到這里，我想請(qǐng)你幫大家科普一下：訓(xùn)練一個(gè) 3D 大模型和訓(xùn)練常規(guī)大語(yǔ)言模型相比，挑戰(zhàn)主要在哪里？

宋亞宸

我們常用「AI 三要素」來(lái)說(shuō)明問(wèn)題：如果把 AI 比作養(yǎng)一匹馬，需要三個(gè)條件。

第一，馬要吃草——草料對(duì)應(yīng)數(shù)據(jù)；

第二，馬要有優(yōu)秀的馴馬師——這對(duì)應(yīng)人才和算法；

第三，馬要有跑馬場(chǎng)——這對(duì)應(yīng)算力。只有同時(shí)具備數(shù)據(jù)、算力和優(yōu)秀的算法（或科學(xué)家），才能訓(xùn)練出高水平的 AI。

在 3D 領(lǐng)域，這三要素與語(yǔ)言大模型存在顯著差異。首先是數(shù)據(jù)?；ヂ?lián)網(wǎng)早期只能支撐低信息密度的內(nèi)容，因此網(wǎng)絡(luò)上積累了海量可供爬取的文字?jǐn)?shù)據(jù)。但 3D 領(lǐng)域的互聯(lián)網(wǎng)尚未成熟，缺乏公開(kāi)的大規(guī)模數(shù)據(jù)集，這帶來(lái)了天然的瓶頸：數(shù)據(jù)從何而來(lái)？

目前我們擁有全球最大規(guī)模的高質(zhì)量 3D 原生數(shù)據(jù)集，大約 4,000 多萬(wàn)個(gè)樣本，接近《黑神話：悟空》中「猴子」那類 3G 模型的級(jí)別，作為訓(xùn)練基礎(chǔ)。這一點(diǎn)極為重要。相比之下，其他大廠或競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)量級(jí)大多停留在百萬(wàn)級(jí)，而我們是全球唯一達(dá)到千萬(wàn)級(jí)乃至數(shù)千萬(wàn)級(jí)的團(tuán)隊(duì)。

Koji

這是為什么呢？是不是有些數(shù)據(jù)即使有錢(qián)也買(mǎi)不到？

宋亞宸

這是個(gè)好問(wèn)題，這屬于我們的核心機(jī)密（笑）。

第一在「草料」層面，我們確實(shí)比別人更充足，這一點(diǎn)非常關(guān)鍵。

第二是「人才」。我們團(tuán)隊(duì)有五六十位來(lái)自清華的博士，都是極為頂尖的科學(xué)家。要組建這樣的團(tuán)隊(duì)并不容易。語(yǔ)言模型在過(guò)去幾年相對(duì)是顯學(xué)，聚集了大量做 NLP 的研究者，OpenAI 也長(zhǎng)期深耕這一領(lǐng)域。但 3D 是一個(gè)全新的交叉學(xué)科，結(jié)合了 AI 與圖形學(xué)，本身缺乏長(zhǎng)期積累。很多研究者進(jìn)入該領(lǐng)域不過(guò)一兩年。

舉例來(lái)說(shuō)，兩年前在圖形學(xué)頂會(huì) SIGGRAPH 上，仍能看到大量計(jì)算機(jī)視覺(jué)（CV）相關(guān)的論文；但如今在計(jì)算機(jī)視覺(jué)頂會(huì) CVPR 上，已有 Best Paper 與 3D 強(qiáng)相關(guān)。說(shuō)明 3D 正逐漸成為前沿方向，也導(dǎo)致早期人才嚴(yán)重不足。

因此，在人才方面尤為重要。正是憑借這幾十位優(yōu)秀的算法科學(xué)家，我們才能持續(xù)迭代出全球領(lǐng)先的算法。這是一件極為難得和寶貴的事情。能否做到這一點(diǎn)，取決于是否足夠早地進(jìn)入賽道，并且下定決心去投入。早期進(jìn)入意味著能夠更早發(fā)現(xiàn)并吸引人才，把他們凝聚為團(tuán)隊(duì)，從而快速推進(jìn)。數(shù)據(jù)的積累也與時(shí)間早晚相關(guān)，但并非完全決定性。

第三是「跑馬場(chǎng)」，即算力與資金。我們目前是賽道中融資規(guī)模最大的公司之一，估值也在最高的行列。擁有充足資金儲(chǔ)備、大規(guī)模數(shù)據(jù)集以及頂尖科學(xué)家，理論上就能產(chǎn)出優(yōu)秀的大模型。但其中依然存在運(yùn)氣因素。正如我之前提到的，要找到「綠洲」，并不是商隊(duì)越大就越容易。

Ronghui

如果回顧過(guò)去兩年的歷程，你會(huì)如何劃分關(guān)鍵節(jié)點(diǎn)或階段？比如在什么時(shí)間點(diǎn)決定要做 Tripo Studio，并且要盡快做好？這個(gè)過(guò)程中是否也包含了一些關(guān)鍵人物或關(guān)鍵判斷？

宋亞宸

這件事可以這樣理解：我們過(guò)去兩年只做了一件事。公司在 2023 年成立，2023 到 2024 年唯一的目標(biāo)就是把技術(shù)做到全球最前沿的水平。我們確實(shí)有競(jìng)爭(zhēng)對(duì)手，但觀察下來(lái)，許多對(duì)手在早期投入大量精力在產(chǎn)品層面。而我認(rèn)為，早期產(chǎn)品的本質(zhì)其實(shí)是技術(shù)，而不是表層的功能。

舉個(gè)例子：如果你的手機(jī)攝像頭是 720P，而我的已經(jīng)是 1080P，那么你在 720P 上疊加各種人像、全景、紅外等功能其實(shí)沒(méi)有意義。你真正該做的，是盡快提升到 1080P 甚至 4K，而不是糾結(jié)那些附加功能。增加功能不是產(chǎn)品的本質(zhì)，技術(shù)才是。

因此，在過(guò)去兩年里，我們公司很長(zhǎng)一段時(shí)間甚至沒(méi)有產(chǎn)品經(jīng)理，大部分代碼都是 CTO 親自編寫(xiě)的。

Koji

但現(xiàn)在你們做 Tripo Studio，是暗含著你判斷 3D 大模型做到 「1080P」 已經(jīng)撞墻了？但這個(gè)時(shí)候你們稀釋精力去做應(yīng)用、而不是深耕基模，你會(huì)不會(huì)擔(dān)心有一天競(jìng)爭(zhēng)對(duì)手卻搞了個(gè) 「4K」 的基模出來(lái)？

宋亞宸

這與撞墻無(wú)關(guān)。我們計(jì)劃同時(shí)推進(jìn)所有方向。

Tripo Studio 最初的設(shè)想是先做 UGC 版本，即零門(mén)檻、零成本、實(shí)時(shí)創(chuàng)作 3D 內(nèi)容的產(chǎn)品，面向真正的UGC。

但為何先做 PGC？原因在于早期階段 UGC 與 PGC 在生成質(zhì)量（例如從 10 分到 80 分）上都有需求；當(dāng)模型達(dá)到 90 分或更高時(shí)，UGC 與 PGC 的需求會(huì)出現(xiàn)分化：UGC 更關(guān)注速度與能否快速動(dòng)起來(lái)，而 PGC 更看重精細(xì)度，例如拓?fù)浣Y(jié)構(gòu)與布線等。

因此早期的目標(biāo)是確保至少能生成可簡(jiǎn)單調(diào)整的內(nèi)容，于是我們先推出面向 PGC 的 Studio，優(yōu)先服務(wù)現(xiàn)有用戶，再逐步覆蓋原生用戶（即此前未進(jìn)入生產(chǎn)管線但因 AI 得以參與生產(chǎn)的人群，例如無(wú) 3D 能力的 AI 原生用戶也能參與生產(chǎn)）。我們的策略是先服務(wù)現(xiàn)有 PGC 用戶，將整體能力提升至八九十分水平，然后再考慮如何服務(wù) UGC 與 PUGC（半專業(yè)用戶）。

為此，去年年底至今年，我們組建了約二十余人的產(chǎn)研團(tuán)隊(duì)，專門(mén)解決產(chǎn)品與工程問(wèn)題，支持用戶做調(diào)整與預(yù)設(shè)。例如支持模型風(fēng)格化（可上傳圖片提取風(fēng)格）、對(duì)稱性設(shè)置、T-pose 與 A-pose 等多項(xiàng)功能。

我們認(rèn)為首要任務(wù)是先把現(xiàn)有的 PGC 用戶服務(wù)好，隨后逐步泛化至 PUGC 與 UGC。在泛化階段，除了工程與產(chǎn)品外，運(yùn)營(yíng)與增長(zhǎng)同樣重要。目前我們尚未大規(guī)模開(kāi)展運(yùn)營(yíng)與增長(zhǎng)工作，原因是現(xiàn)有專業(yè)用戶高度關(guān)注我們的產(chǎn)品改進(jìn)，且產(chǎn)品差異明顯、信息較為透明；因此用戶會(huì)在效果提升時(shí)自發(fā)使用。

但 PUGC 與 UGC 用戶不會(huì)持續(xù)關(guān)注大模型性能的細(xì)微提升，此時(shí)需要通過(guò)增長(zhǎng)、BD（商業(yè)拓展）或運(yùn)營(yíng)來(lái)傳達(dá)產(chǎn)品價(jià)值。增長(zhǎng)的關(guān)鍵情形包括：一是存在信息差，需要主動(dòng)告知用戶；二是產(chǎn)品逐漸同質(zhì)化，需要通過(guò)品牌與運(yùn)營(yíng)建立差異化。鑒于當(dāng)前我們?nèi)跃卟町惢瘍?yōu)勢(shì)且專業(yè)用戶無(wú)信息差，運(yùn)營(yíng)與增長(zhǎng)將成為下一階段的重點(diǎn)工作。

Koji

你會(huì)不會(huì)擔(dān)心，做一個(gè) Tripo Studio 這樣的復(fù)雜產(chǎn)品，目標(biāo)只是去了解用戶，這條路徑其實(shí)有點(diǎn)太費(fèi)勁了？畢竟為了實(shí)現(xiàn)「更了解用戶」的目標(biāo)，你們可以通過(guò)用戶調(diào)研，還可以通過(guò)與基模上面的應(yīng)用開(kāi)發(fā)者們合作。

宋亞宸

當(dāng)你在做底層大模型的時(shí)候，幾乎沒(méi)有直接意義上的用戶。你的用戶是 ToB 企業(yè)，你必須和這些 B 端客戶溝通，需要依靠他們?nèi)カ@取用戶反饋。

Koji

但理論上來(lái)說(shuō)，你也可以直接去找到他們的用戶，雖然可能不會(huì)那么直接方便，但花一些精力也并非不可能拿到聯(lián)系方式。

宋亞宸

我還是那句話，關(guān)鍵在于初心的不同。我不了解 DeepSeek 的初心是什么，也不清楚 Kimi 的初心是什么。每家公司的目標(biāo)可能都不一樣。我們之所以做這件事，并不是為了什么 AI、3D、AGI，而是出于一個(gè)明確的初心：我們希望推動(dòng) 3D 內(nèi)容的 UGC 。

我們觀察到創(chuàng)作者群體，尤其是大眾創(chuàng)作者，缺乏一款大眾級(jí)的 3D 創(chuàng)作工具，所以我們希望去打造這樣一個(gè)平臺(tái)。這是我們最核心的出發(fā)點(diǎn)。

正是因?yàn)檫@個(gè)初心，我才去做這件事。不能「因?yàn)橛辛孙溩铀圆虐住?，而是反過(guò)來(lái)，我們是因?yàn)檫@件事本身有價(jià)值，才出發(fā)去做。

Koji

確實(shí)，一個(gè)公司的愿景選擇，以及在這條路上的戰(zhàn)略定力，都非常重要。

Koji

聽(tīng)起來(lái) Tripo Studio 上線后數(shù)據(jù)表現(xiàn)不錯(cuò)？剛才你提到它已經(jīng)貢獻(xiàn)了超過(guò)一半的收入。前面提到，你們做 Tripo Studio 的目標(biāo)是拿到更多用戶反饋。那么到目前為止，你有沒(méi)有通過(guò)它獲得一些新洞察？

宋亞宸

我們其實(shí)有一個(gè)叫「CEO Program」的項(xiàng)目，即 Chief Experience Officer Program。

Ronghui

你們?cè)L談了很多用戶？

宋亞宸

對(duì)，目前大概有一兩千位用戶被訪談，他們來(lái)自各種不同的領(lǐng)域，使用場(chǎng)景也非常多元。讓我意外的是，很多真實(shí)的應(yīng)用場(chǎng)景在我做產(chǎn)品之前完全沒(méi)想到。最初我們?cè)O(shè)想的使用方向是游戲、動(dòng)畫(huà)和 3D 內(nèi)容創(chuàng)作。但后來(lái)發(fā)現(xiàn)，很多人把它用在設(shè)計(jì)上，例如 3D 打印、工業(yè)設(shè)計(jì)。于是我們逐漸把定位擴(kuò)展為 3D 內(nèi)容、3D 體驗(yàn)、3D 設(shè)計(jì)。

除此之外，還有大量用戶來(lái)自藝術(shù)領(lǐng)域，尤其是藝術(shù)院校的畢業(yè)生。他們用它來(lái)做畢設(shè)，涉及當(dāng)代藝術(shù)、裝置藝術(shù)、景觀藝術(shù)、新媒體藝術(shù)等。過(guò)去他們不具備 3D 創(chuàng)作能力，現(xiàn)在通過(guò)生成式 3D 工具就能實(shí)現(xiàn)。

還有一些殘障用戶，他們借助 Tripo Studio 表達(dá)自我、進(jìn)行創(chuàng)作。再比如 XR 應(yīng)用群體，這類用戶非常活躍，但過(guò)去我們關(guān)注更多集中在 XR 硬件，而較少注意到軟件和應(yīng)用層面。實(shí)際訪談才發(fā)現(xiàn)，全球有很多活躍的 XR 開(kāi)發(fā)者，他們每天都在創(chuàng)造各種有趣的東西：3D PPT、3D AI 繪本、小游戲等等。

因此我們意識(shí)到，3D 生成不僅僅是 UGC，更可能催生新的玩法。在游戲行業(yè)里，已經(jīng)很久沒(méi)有新的玩法出現(xiàn)了，近十年可能只有《自走棋》算是一個(gè)新玩法。而 3D 生成卻提供了大量新的交互和玩法可能，這是我之前沒(méi)有想到的。

科技的終極形態(tài)，是一場(chǎng)「解壓縮」

Koji

這些都是 Tripo Studio 上線之后你才發(fā)現(xiàn)的嗎？

宋亞宸

上線后，大家開(kāi)始廣泛使用，有人通過(guò) API，有人通過(guò) SaaS。但本質(zhì)上，這背后反映的是 AI3D 已經(jīng)成為理所當(dāng)然的能力。

過(guò)去大家覺(jué)得文生文、文生圖、文生視頻理所當(dāng)然，如今同樣覺(jué)得文生 3D 也是自然的。但仔細(xì)想想，從「空無(wú)」到「憑空生成一個(gè)東西」，這件事本身就像魔法一樣。

第二點(diǎn)是技術(shù)迭代太快。新奇觀感層出不窮，人們來(lái)不及細(xì)想，這其實(shí)是人類兩三年前才剛發(fā)明的技術(shù)，如今已能在產(chǎn)業(yè)里規(guī)模化應(yīng)用。要知道，電燈、冰箱等發(fā)明出來(lái)三年時(shí)，遠(yuǎn)沒(méi)這么快進(jìn)入大規(guī)模落地。而今天，AI3D 已有幾百萬(wàn)用戶、四萬(wàn)多家企業(yè)在使用。這在我看來(lái)非常了不起。

更重要的是，它拓展了大眾的能力邊界。拍照、拍視頻、寫(xiě)文字，這些大眾原本就能做到，而 3D 建模過(guò)去只有專業(yè)人才可以完成?，F(xiàn)在每個(gè)人都能「憑空造物」，這不是小事。

舉個(gè)例子：菜單的演變。

• 在打字機(jī)之前，全是手寫(xiě)菜單。

• 有了打字機(jī)，才有了印刷菜單。

• 有了手機(jī)攝像頭，菜單上開(kāi)始配圖。

• 現(xiàn)在掃碼點(diǎn)餐，甚至直接在 iPad 上操作。

那為什么菜單不能是 3D 的？如果餐廳能直接展示 10 個(gè)人點(diǎn)的 50 道菜，以 3D 模型呈現(xiàn)份量和擺盤(pán)，就能立刻判斷夠不夠吃。但傳統(tǒng)3D建模成本太高，不現(xiàn)實(shí)。今天如果只要每年付幾十塊，就能擁有一個(gè)3D點(diǎn)餐系統(tǒng)，餐廳當(dāng)然愿意買(mǎi)單。

同樣，廣告牌、名片也完全可以變成 3D。過(guò)去互聯(lián)網(wǎng)形態(tài)是文字、圖片、視頻，但本質(zhì)上這是對(duì)世界的降維抽象，是科技不夠成熟的權(quán)宜之計(jì)。當(dāng)科技足夠發(fā)達(dá)，交流和表達(dá)自然會(huì)回歸到最接近真實(shí)的 3D 形態(tài)。

Koji

我覺(jué)得這描繪了一個(gè)很有想象力的未來(lái)。今天我們看短視頻而不是 3D 內(nèi)容，只是因?yàn)榧夹g(shù)、帶寬和設(shè)備算力的限制，本質(zhì)上還是在對(duì)世界做「壓縮」。

宋亞宸

對(duì)，「壓縮世界」這個(gè)說(shuō)法特別準(zhǔn)確。

Koji

回到我之前的問(wèn)題。你提到做 Tripo Studio 是為了獲得用戶認(rèn)知，幫助模型更好迭代。那經(jīng)過(guò)幾個(gè)月運(yùn)營(yíng)，你們拿到了哪些以前沒(méi)有、必須通過(guò) Tripo Studio 才能得到的認(rèn)知？

宋亞宸

其實(shí)有很多。我們內(nèi)部有一個(gè)需求池，上面有上百條需求，分 P1、P2、P3 等優(yōu)先級(jí)。

舉幾個(gè)例子：

• 有用戶希望能編輯貼圖，于是我們研發(fā)了智能筆刷。

• 有用戶想改幾何，卻不知道如何下手，于是我們探索能否用自然語(yǔ)言直接編輯幾何。

• 有人希望模型有更好的拓?fù)浣Y(jié)構(gòu)，于是我們開(kāi)發(fā)了重拓?fù)涔δ堋?/p>

• 有人追求更好的硬表面、更清晰的拐角，我們針對(duì)性優(yōu)化了算法。

• 有人希望保留貼圖筆觸、改善 UV 完整性，我們也在做專項(xiàng)研發(fā)。

這些細(xì)碎的需求，推動(dòng)了我們快速迭代。另一方面，大模型的更新也自然解決了很多問(wèn)題，比如人臉精細(xì)度、硬表面表現(xiàn)、PBR 支持、貼圖質(zhì)量等。

所以最終還是一句話：一切都是為了服務(wù)用戶和創(chuàng)作者，而不是服務(wù)我們自己。

Ronghui

這個(gè)世界其實(shí)是在壓縮的過(guò)程中，而你們?cè)谧龅氖虑槭亲屗干S」。聽(tīng)起來(lái)是一條比較挑戰(zhàn)的路。你相信當(dāng)工具越來(lái)越簡(jiǎn)單時(shí)，人們真的會(huì)選擇去做升維的創(chuàng)作嗎？

宋亞宸

我更愿意稱它為「解壓縮」。人類之所以一直在壓縮，是因?yàn)槭苤朴趲挕⑺懔Φ燃夹g(shù)條件。舉個(gè)例子，早期的游戲只能做低模，因?yàn)楫?huà)面更精細(xì)的高模跑不動(dòng)，所以大家只能玩《傳奇》那種畫(huà)質(zhì)很糙的游戲。但隨著技術(shù)發(fā)展，我們能做出《黑神話：悟空》，面數(shù)比以前高幾十倍甚至上百倍，本質(zhì)上就是「解壓縮」帶來(lái)的返璞歸真。

社交平臺(tái)的演變也是這樣：從推特、微博到小紅書(shū)，再到抖音、TikTok，其實(shí)是信息表達(dá)逐漸解壓縮的過(guò)程。人類最初就是以 3D 的方式表達(dá)自己，比如雕像、圖騰，然后才有壁畫(huà)，再到文字。雕像的信息密度最高，但不便于攜帶；文字密度低，卻能更好地傳播，這是科技條件決定的。互聯(lián)網(wǎng)其實(shí)也遇到同樣的問(wèn)題——幾個(gè) B 的數(shù)據(jù)容易傳播，幾個(gè) G 的就困難，3D 可能要幾個(gè) T，就更難了。

所以我認(rèn)為科技的發(fā)展方向不是繼續(xù)壓縮，而是讓我們逐步解壓縮，直到最終能直接處理「源文件」。那源文件是什么？就是 3D。視頻本質(zhì)上只是從 3D 世界里取一個(gè)角度、一段時(shí)間，但 3D 才是完整的源文件。所以我相信，互聯(lián)網(wǎng)最終會(huì)走向一個(gè)人人都能享受源文件的時(shí)代。

Koji

你平時(shí)最關(guān)注哪家競(jìng)爭(zhēng)對(duì)手的新聞？

宋亞宸

最近混元3D做得挺好，我們也在關(guān)注。

Koji

有沒(méi)有哪些競(jìng)爭(zhēng)對(duì)手是你們比較尊敬的？

宋亞宸

我們當(dāng)然尊敬所有競(jìng)爭(zhēng)對(duì)手。

長(zhǎng)遠(yuǎn)來(lái)看，彼此可能并非單純競(jìng)爭(zhēng)，而是競(jìng)合關(guān)系。因?yàn)槌跣牟煌河械膱F(tuán)隊(duì)希望做到最前沿的技術(shù)，有的則希望通過(guò)技術(shù)影響行業(yè)，還有的專注于工具本身。比如某些大家熟悉的公司，他們目標(biāo)與我們并不一致。以我所知，目前所有競(jìng)爭(zhēng)對(duì)手當(dāng)中，沒(méi)有人真正想做我們正在做的事情。所以最終，大家還是會(huì)走向不同的道路。

Koji

你們想做的，就是一個(gè)面向 UGC 的 3D 創(chuàng)作者社區(qū)。

宋亞宸

是的。我們定位很明確，就是服務(wù)創(chuàng)作者。創(chuàng)作者需要社區(qū)，我們就通過(guò)社區(qū)來(lái)服務(wù)；他們需要平臺(tái)，我們就通過(guò)平臺(tái)來(lái)支持。換句話說(shuō)，我們的目標(biāo)是建立一個(gè)完整的網(wǎng)絡(luò)，而不僅僅是提供某種單點(diǎn)工具。你剛才提到「解壓縮解到底」，這形容得很貼切，我們正在做的正是這樣一件事情。

Koji

難道其他友商不是也在服務(wù)創(chuàng)作者嗎？

宋亞宸

不太一樣。比如有些公司主要服務(wù)游戲公司，他們會(huì)根據(jù)游戲公司的需求去提供定制化的解決方案。還有的專注于工具本身。但我們希望構(gòu)建的是一個(gè)社區(qū)和平臺(tái)，這是完全不同的路徑。這件事的難度極大，投入也需要長(zhǎng)期堅(jiān)持，不可能短期內(nèi)完成。

Ronghui

那你怎么看待商業(yè)化？聽(tīng)起來(lái)，服務(wù)游戲公司似乎是更接近收入的模式。

宋亞宸

我并不認(rèn)為服務(wù)游戲公司就更接近商業(yè)化。觀察下來(lái)，全球范圍內(nèi)長(zhǎng)期服務(wù)游戲公司的公司，其實(shí)過(guò)得并不算特別好。你可以試著舉反例：是否有哪家公司因?yàn)閷Ｗ⒂诜?wù)游戲公司而發(fā)展得特別成功？幾乎很難找到。換句話說(shuō)，toB 的路徑在這個(gè)行業(yè)里并不算最理想。

Ronghui

那你們自己的商業(yè)化路徑是什么樣的？過(guò)去兩年是否按計(jì)劃推進(jìn)，還是有一些意外？

宋亞宸

我認(rèn)為在早期，商業(yè)化的本質(zhì)并不是「商業(yè)化」本身，而是產(chǎn)品。就像之前談到的，早期產(chǎn)品的本質(zhì)不是功能，而是技術(shù)。只有當(dāng)產(chǎn)品真正具備足夠的差異化，商業(yè)化才有堅(jiān)實(shí)的基礎(chǔ)。

具體來(lái)說(shuō)，增長(zhǎng)和 BD 在兩種情況下最有價(jià)值：第一，當(dāng)產(chǎn)品高度同質(zhì)化；第二，當(dāng)用戶之間存在巨大的信息差。如果這兩點(diǎn)都不成立，那么最核心的任務(wù)就是把產(chǎn)品打磨得更好。對(duì)我們來(lái)說(shuō)，現(xiàn)在更重要的不是多招 BD、陪客戶吃飯，或者通過(guò)買(mǎi)廣告來(lái)做增長(zhǎng)，而是讓產(chǎn)品本身更強(qiáng)。等進(jìn)入下一個(gè)階段，再討論商業(yè)化的方式更為合適。

Koji

所以可以理解為，你們覺(jué)得現(xiàn)在的產(chǎn)品還不夠好，不值得大規(guī)模推廣？

宋亞宸

這不是「產(chǎn)品不夠好，所以不能推廣」，而是「讓產(chǎn)品更好，比推廣更關(guān)鍵」。比如英偉達(dá)，他們的產(chǎn)品非常強(qiáng)大，但并不依賴銷售團(tuán)隊(duì)去推動(dòng)商業(yè)化，也不需要天天往字節(jié)、百度去推銷。對(duì)他們來(lái)說(shuō)，持續(xù)把產(chǎn)品做得更好，比額外的推廣方式更合理。我們也是一樣：當(dāng)客戶沒(méi)有明顯的信息差，而產(chǎn)品又足夠差異化時(shí)，最優(yōu)解就是繼續(xù)強(qiáng)化產(chǎn)品，而不是優(yōu)先做 BD 或買(mǎi)流量。

Ronghui

我注意到你在幾次采訪中都提到，每年年底會(huì)和團(tuán)隊(duì)分享愿景。你說(shuō)每年講的內(nèi)容其實(shí)差別不大。能不能具體談?wù)劊趧?chuàng)業(yè)兩年多以來(lái)，哪些東西一直沒(méi)變，哪些又發(fā)生了變化？

宋亞宸

我們每年大約在三月中旬會(huì)做一次全員分享。我通常只需要把去年的 PPT 截圖放到新的版本里，再稍作更新，就能繼續(xù)講。這是因?yàn)樵妇昂秃诵穆窂綆缀鯖](méi)有變化，只是往前推進(jìn)了一年，完成了更多目標(biāo)。

Koji

所以，你們的天使輪BP和現(xiàn)在相比，變化并不大？

宋亞宸

嚴(yán)格說(shuō)，我們天使輪階段并沒(méi)有正式的 BP，但內(nèi)部分享時(shí)用的 PPT 與現(xiàn)在相比，并沒(méi)有太大差別。

Koji

很有意思。我最近聽(tīng)到一個(gè)故事：王慧文去見(jiàn)某位創(chuàng)業(yè)者，讓他拿出四五年前的天使輪 BP，再對(duì)比今天，看哪些改變了，哪些沒(méi)變。結(jié)果發(fā)現(xiàn)轉(zhuǎn)型之后變化不少。

宋亞宸

我們這方面很簡(jiǎn)單，因?yàn)閹缀鯖](méi)有變化。每當(dāng)我想調(diào)整愿景時(shí)，團(tuán)隊(duì)往往會(huì)反對(duì)。所以愿景和路徑一直保持穩(wěn)定。團(tuán)隊(duì)成員對(duì)愿景和路徑有強(qiáng)烈的認(rèn)知和認(rèn)同感，這也是我們凝聚力的來(lái)源。我們幾乎沒(méi)有人才流失，原因就在于大家對(duì)這條長(zhǎng)期主義的道路充滿信心和熱愛(ài)。半年后，我會(huì)做第四次分享，我希望那時(shí)仍然在講同樣的內(nèi)容。

Koji

那這種持續(xù)的認(rèn)同感從何而來(lái)？是因?yàn)榇蠹冶旧砭褪钱a(chǎn)品的潛在用戶，期待用上這樣的產(chǎn)品？還是因?yàn)槠渌颍?/p>

宋亞宸

部分同事確實(shí)是潛在用戶，另外一部分則是因?yàn)橛H眼見(jiàn)證了愿景逐步實(shí)現(xiàn)。很多事情的發(fā)展速度甚至比我們當(dāng)初設(shè)想的還要快。這種「故事逐漸成為現(xiàn)實(shí)」的過(guò)程本身就非常有力量。五年前我們講的愿景，如今每年都有新的進(jìn)展能印證它，這讓團(tuán)隊(duì)深受鼓舞，也進(jìn)一步堅(jiān)定了大家的信心。

歡迎來(lái)到第四產(chǎn)業(yè)：當(dāng)價(jià)值的唯一衡量標(biāo)準(zhǔn)是「體驗(yàn)」

Koji

能不能描述一下，如果你的愿景真的實(shí)現(xiàn)了，那會(huì)是怎樣的一幅畫(huà)面？

宋亞宸

我們通常說(shuō)人類社會(huì)經(jīng)歷了農(nóng)業(yè)時(shí)代、工業(yè)時(shí)代，再到服務(wù)業(yè)，形成了所謂的三大產(chǎn)業(yè)。但我認(rèn)為，其實(shí)還存在「第四產(chǎn)業(yè)」——內(nèi)容產(chǎn)業(yè)。它的核心在于創(chuàng)造內(nèi)容與體驗(yàn)。

未來(lái)，人類在物理世界中能夠創(chuàng)造的價(jià)值會(huì)越來(lái)越有限。因?yàn)閹缀跛形锢韮r(jià)值（physical value）都將由機(jī)器人完成。換句話說(shuō)，很難再找到「人能做而機(jī)器人不能做」的事情。既然如此，人類的價(jià)值從何而來(lái)？我認(rèn)為答案在于「創(chuàng)意」。

如何衡量創(chuàng)意的價(jià)值？可以用一個(gè)指標(biāo)來(lái)定義：所有人在我創(chuàng)造的內(nèi)容和體驗(yàn)中停留的時(shí)間總和，就是我在這個(gè)世界上創(chuàng)造的價(jià)值。

Koji

這聽(tīng)起來(lái)很像你小時(shí)候在學(xué)校設(shè)計(jì)的那些游戲，吸引同學(xué)們課間來(lái)找你玩。

宋亞宸

這里的「內(nèi)容和體驗(yàn)」不一定是游戲，它可以是任何形式。可能是一起對(duì)戰(zhàn)、狂歡，可能是冥想和探索。我無(wú)法預(yù)測(cè)未來(lái)人們具體會(huì)選擇什么，但可以確定的是，人類天性追求「極致的體驗(yàn)（optimal experience）」。當(dāng)人們擁有足夠多的選擇、甚至無(wú)限的選擇時(shí)，他們就能憑借「用腳投票」的自由，找到屬于自己的極致體驗(yàn)。

那如何實(shí)現(xiàn)無(wú)限的體驗(yàn)？答案是 UGC 與 AIGC 工具。UGC 提供源源不斷的創(chuàng)作，而 AIGC 工具則使創(chuàng)作效率成倍提升。以抖音為例，短視頻內(nèi)容接近于無(wú)限，加上推薦算法的加持，用戶體驗(yàn)自然更佳。這種機(jī)制本質(zhì)上也非常公平——人們用「時(shí)間與注意力」投票，決定了哪些內(nèi)容更有價(jià)值。

因此，未來(lái)最富有的人，很可能不是掌握最多土地或資本的人，而是最具創(chuàng)意的人。他們能創(chuàng)造出一個(gè)世界，讓所有人都愿意在其中停留。甚至可能只是一個(gè)看似簡(jiǎn)單的「小偷模擬器」，卻因?yàn)閹?lái)獨(dú)特的體驗(yàn)，吸引無(wú)數(shù)人沉浸其中。

這種價(jià)值的核心依然是「體驗(yàn)」。推薦算法如果更優(yōu)，就能更精準(zhǔn)地將用戶與內(nèi)容匹配；算力如果更強(qiáng)，就能提供更流暢的使用感受。美劇《上傳人生》（Upload）里就有一個(gè)場(chǎng)景：在虛擬世界里，充值少的人體驗(yàn)會(huì)卡頓，而充值多的人則享受極致流暢。未來(lái)的世界，很可能也會(huì)是類似的邏輯。

當(dāng)算力、推薦算法和內(nèi)容創(chuàng)作工具（比如 Tripo、Midjourney 等）結(jié)合在一起時(shí)，人們就能源源不斷地產(chǎn)生新的內(nèi)容，并在其中沉浸。那些擁有更強(qiáng)創(chuàng)意、掌握更好工具和更多算力的人，就會(huì)創(chuàng)造出真正讓大眾快樂(lè)的體驗(yàn)。而這，也將成為未來(lái)新的財(cái)富與價(jià)值來(lái)源。

Ronghui

你這兩年 AI 創(chuàng)業(yè)的個(gè)人體感是什么？

宋亞宸

我覺(jué)得非常幸運(yùn)。我們有一些資源可以冷啟動(dòng)，但又不是過(guò)多，不至于被資本的「資源詛咒」困住。歷史上沒(méi)有哪家偉大的公司誕生在資本市場(chǎng)極度繁榮的時(shí)候。今天的環(huán)境剛好能保持合理的饑餓感，這是值得感恩的。

Ronghui

那如果你能對(duì)兩年前剛決定創(chuàng)業(yè)的自己說(shuō)一句話，你會(huì)說(shuō)什么？

宋亞宸

我會(huì)說(shuō)：「你真牛，真有勇氣。創(chuàng)業(yè)是對(duì)的，選擇得很正確。」

Koji

所以你在創(chuàng)業(yè)過(guò)程中受過(guò)什么苦嗎？

宋亞宸

當(dāng)然。創(chuàng)業(yè)每天都有各種問(wèn)題要解決，這是必然的。

Ronghui

那你是怎么化解這些痛苦的？

宋亞宸

我會(huì)玩游戲，比如《龍與地下城》。

當(dāng)物理世界是你全部的世界時(shí)，痛苦就會(huì)占據(jù)全部人生。但如果物理世界只占 50%，另一半由虛擬世界填充，那么痛苦的比例就會(huì)減少。

如果你如此注重神創(chuàng)造的世界，那神創(chuàng)造的世界就會(huì)左右你所有的心情。但當(dāng)你還有很多人創(chuàng)造的世界的時(shí)候，那么神創(chuàng)造的世界只是你人生中的一部分。

Ronghui

我記得你在另一場(chǎng)采訪中提到過(guò)，你是一個(gè)非常需要虛擬世界的人。

宋亞宸

對(duì)，必須的。我覺(jué)得其實(shí)每個(gè)人都需要，只是很多人現(xiàn)在沒(méi)有意識(shí)到。

Ronghui

感謝 Simon 跟我們分享了關(guān)于 3D 大模型、工具與創(chuàng)業(yè)的思考，非常精彩。

Koji

謝謝，期待下次再來(lái)。

宋亞宸

好，拜拜。

今天，混沌APP播客功能正式上線！

國(guó)慶假期來(lái)咯！

不知道此時(shí)的你，正身處何方？

是踏上旅途，在飛馳的高鐵上望向窗外掠過(guò)的風(fēng)景；

是回到故鄉(xiāng)，沉浸在熟悉的鄉(xiāng)音與團(tuán)圓的飯菜香里；

還是選擇一處安靜的角落，終于讓自己慢下來(lái)，好好休息。

無(wú)論你怎樣度過(guò)假期，我想告訴你：混沌為你準(zhǔn)備了一份特別的禮物。

10 月 1 日，播客功能正式上線，我們精心策劃了8大免費(fèi)播單，陪伴你度過(guò)這個(gè)假期。

也許你正需要安頓內(nèi)心，那么《內(nèi)在覺(jué)醒——從焦慮中長(zhǎng)出心力》會(huì)讓你重新找到秩序感；

也許你偏愛(ài)宏大的歷史與思想，《文明的坐標(biāo)——理解東西方思想的源流》會(huì)帶你穿越千年；

又或者你正在思考未來(lái)，《超級(jí)個(gè)體之路——打造你的個(gè)人品牌力》會(huì)幫你把經(jīng)驗(yàn)變成影響力。

我們常常覺(jué)得，聲音有一種獨(dú)特的力量。

它不占用你的眼睛和雙手，卻能在走路、旅行、做家務(wù)或臨睡前的片刻，為你打開(kāi)一個(gè)獨(dú)立而充實(shí)的世界。

這個(gè)假期，或許不足以行萬(wàn)里路，但一定足夠讓你通過(guò)這些播單，體驗(yàn)不同的人生，收獲一份真正的“獲得感”。

現(xiàn)在起，進(jìn)入混沌 App 首頁(yè)，點(diǎn)擊專屬活動(dòng)入口，即可免費(fèi)解鎖全部 8大播單。

除此之外我們?yōu)樾掠脩魷?zhǔn)備特享福利：即刻加入混沌，暢享15天VIP特權(quán)，解鎖700+精選好課，覆蓋商業(yè)、心理、科技等多個(gè)領(lǐng)域；享受專屬學(xué)習(xí)福利，收獲實(shí)用知識(shí)與成長(zhǎng)靈感。

祝你假期愉快！

精選限免好內(nèi)容，查看下方長(zhǎng)圖↓↓↓