# “语言模型撞墙了，3D大模型刚开始”｜和VAST创始人宋亚宸聊3D大模型创业“狂飙”的两年 十字路口Crossing · 2025-09-14 · 79 min · https://www.xiaoyuzhoufm.com/episode/68c6ceb1a56ca3e0c45da0bb?utm_source=rss ## 逐字稿 欢迎收听十字路口，我们关注新一代AI技术浪潮带来的行业新变化和创业新机会。十字路口是乔布斯对苹果公司的一个比喻，形容他站在科技与人文的十字路口，伟大的产品往往诞生在这里。AI正在给各行各业带来改变，我们寻找、访谈和凝聚新一代AI创业者和AI时代的积极行动者，和他们一起探索和拥抱新变化，新的可能性。我是十字路口的科技，联合创办了街旁、新世相和唐导，发起了AI Hacker House这个新一代AI创业者的社群空间。我相信科技，尤其是AI，是我们这一代人最大的价值创造机遇。欢迎大家找我聊天，碰撞想法，链接下一个可能性。我是十字路口的融汇，在美元VC工作过，也做过五年的硅谷驻站记者，关注科技发展和商业故事，也欢迎大家找我聊天和我交流。大家好，欢迎来到这一期的十字路口，本期我们的嘉宾是一位年轻的创业者，三D大模型研发公司Vast的创始人宋亚晨Simon。八月底呢，Vast发布了他们的最新的三D大模型Triple三点零，今天我们会邀请Simon来和我们聊一聊三D大模型研发的故事和他创业这两年来的一些思考。那。那我们先来进行快问快答。 Ronghui 我们先来进行快问快答。请你回答一下：年龄？ 宋亚宸 28岁。 毕业院校？ 宋亚宸 约翰·霍普金斯大学本科。 MBTI和星座？ 宋亚宸 我是ESTP，好像是双鱼座。 用一句话介绍现在的公司和产品。 宋亚宸 公司叫VAST，是一家做AI 3D大模型的公司。我们有一个产品叫Tripo，能力非常简单：可以用文字、图片、多图等多模态方式输入，输出一个你想要的完整3D内容。 融资情况？ 宋亚宸 之前融了3轮，每一轮大概都在几千万美元左右。 目前的收入和利润？ 宋亚宸 这个问题非常尖锐，不知道让不让说。 团队规模？ 宋亚宸 我们加在一起有110多号人。 创业之前你在做什么？ 宋亚宸 创业之前也在创业。最早在商汤，做了一段时间AI加动画，还有AI加游戏。2021年的时候参与创立了MiniMax，2023年的时候做了VAST。 我们有一个社交破冰的方式，是用“我是XXX”来造句。上一期我们用这个方式，觉得还挺好玩的，今天也请你来体验一下。请以“我是什么什么”开头，介绍关于自己的10件事。 宋亚宸 我是宋亚宸，28岁，是一个创业者。第二，我是VAST的创始人，也是CEO。 第三，我是一个addictive gamer，也就是一个非常非常容易对游戏上瘾的人。上瘾到什么程度？我上大学的时候，席梦思上被我睡出了一个坑，因为我喜欢躺在床上打游戏。 第四，我是一个非常喜欢旅游的人，去过格鲁吉亚、百慕大、古巴、土耳其、摩洛哥等各种各样的地方，基本上各大洲都去过。 我是一个跨行业者。我原来其实偏文科，后来去做了AI，所以也有一些交叉行业的意味在里面。 我记得你是学神学的？ 宋亚宸 我学的是希伯来语和阿拉伯语，所以最早其实是想往这个方向去发展的。 你之前学的东西，对现在的工作有直接或间接的帮助吗？ 宋亚宸 我觉得，之所以自己做了很多决定和决策，其实来自于之前接触到了什么样的人和信息，所以肯定是有帮助的。 已经五个了。 宋亚宸 第五，我是一个特别喜欢读书的人，当然也包括听东西。我通过读书和听东西可以学很多。目前我还不是一个特别喜欢听播客的人。 你最近读的一本书是什么？ 宋亚宸 最近读了一本很薄的书，金建送了我一本叫《种树的人》的书，我读完也挺有收获。前段时间也在听王东岳讲《道德经》。 第六，我是一个特别特别在意有趣的人。不管是选择我们公司的候选人、交朋友，还是和投资人打交道，我都会在意对方是不是一个有趣的人，是不是有自己热爱的东西，是不是两眼绽放着一点小光。我觉得这对我来说很有意义。 所以你的投资人里面谁最有趣？ 宋亚宸 这得得罪太多人了。有趣或者不有趣，很多人也不在意自己有不有趣。他们会觉得，我就是要严肃认真、逻辑严密，对吧？这可能是他们的职场人设。 首先，投资我们的大部分投资人都是非常年轻的投资人。年轻的投资人本身愿意投资我们，我觉得就是一个相对有趣的选择。 你这个端水大师。 宋亚宸 第七，我是一个不擅长写字的人。 写字是指敲字，还是every字？ 宋亚宸 就是跟字相关的都不是我擅长的。我英语一直不太好，又在美国待了8年，所以慢慢就不太擅长用文字输出了。 我学文科的时候也很痛苦。比如回微信消息，或者你看我们公司，从来没有我写的那种公司全员邮件，也没有写过什么给投资人的小作文。你可以理解为，跟字相关的都不是我擅长的。但是我擅长跟人聊天，这件事情对我来说是OK的。 我以前非常坚持：我这个东西不行，所以我要克服它。以前在商汤做了一段时间战略，那个时候非常痛苦，因为战略要画PPT，得写很多东西。我说不行，我这方面差，我就是要补上，我就往死里搞。后来我放弃了，确实不擅长。 那你用AI工具写prompt的时候怎么办呢？ 宋亚宸 也会很痛苦，这不是我特别喜欢的交互形态。但是我觉得，在3D的时空里面，未来可能不需要打字，应该是言出法随。 你很难想象，我在一个3D的时空中，突然冒出来一个键盘，然后开始打字，这是一件非常突兀的事情。理论上应该像《原神》里面飘着一个小的mini，你跟那个小精灵对话，说“我要一个什么什么东西”，它就给你实现了；或者你对一个小助手说“我要怎么怎么样”，它就把这些东西给你。言出法随，心想事成，理论上应该是这么一种交互形态。 它一定不是打字的，所以我还挺希望3D赶紧实现。 第八，我是一个特别特别喜欢内容和做内容的人。我从小学的时候就读各种各样的玄幻小说，比如唐家三少、我吃西红柿、苍天白鹤、天蚕土豆等。后来读各种各样的漫画，包括民工漫、硬核二次元漫画，也看番剧，当然还打游戏。这些内容都是我最爱的，包括传统电影和音乐。 你在起点小说里面上传过自己写的玄幻小说吗？ 宋亚宸 上传过，可以搜到。 用什么名字可以搜到？ 宋亚宸 确实可以搜到，只是只有200个人看过。但我在商汤的时候做过一些动画IP，做过几个百万粉丝的IP。我觉得这些事情都挺有意思的。 我特别喜欢做内容，包括在半次元做一些KOL，或者自己做KOL，自己做IP。 所以你的粉丝有多少？ 宋亚宸 我们当时叫OC什么的，有几万粉丝。 第九，我自己很想做游戏。小学的时候我有一个非常破的本子，我家现在还有。上面有好几种游戏，其中一种是RPG角色扮演游戏：你会有不同的等级、不同的装备，背包里有不同的东西，还要去探险。每个人还会互相战斗，因为很多男生下课以后会来找我玩，真的可以互相打、互相杀，就跟RPG一样。 感觉你在学校里面的地位非常高。 宋亚宸 不不不。当你拥有了这样一个系统，成为自己创造的小世界里的神，你就拥有最终解释权。大家就会来充值，比如香菇肥牛、辣条，或者北京烤鸭那种5毛钱的豆腐干制品，他们会送给我，然后我就可以把角色画得稍微强一点，特别逗。 这个事情对你现在做VAST有直接关系吗？ 宋亚宸 当时这种快乐、创造一个虚拟世界的正反馈，我觉得是有关系的。我是一个特别喜欢创造和创作的人。我会写故事，会造一个世界，也会消费别人的故事，这是我特别特别喜欢的事情。 物理世界其实是有限制的，更大的世界来自人的大脑、想象和发散。创意的部分，我觉得是一个更大的、无限的世界。 第十，我也是个哥哥。 对，你有一个亲弟弟。 宋亚宸 我有一个亲弟弟，我觉得这也是我挺重要的一个身份。而且因为我们差很多岁，所以我也更好地了解到他们那一代人喜欢什么。 我们做的东西，无论如何都是下一代人的事情。对我弟来说，AI就是非常正常的事情。我不会什么东西，还是会下意识地用Google或者百度，很难做到下意识地打开GPT或者DeepSeek。但我弟对这些非常熟悉，不管是搜索还是做项目，他都非常习惯使用AI，觉得这是一件很正常的事情。 他从小就开始消费有AI参与的内容，接触的时代也不一样。我小时候最早接触的是大量文字内容，因为那时候互联网还没有那么成熟，除了文字以外，信息密度更高的载体无法被当时的上下行带宽和硬件处理能力支撑。 虽然3D可能是信息密度最高、也最自然的东西。把一个水平推过去，一个孩子会自然的给你推回来，这是一个非常natural的事情，我们生活在一个3D的时空中，但对于早期互联网来说，它没有办法支撑这么高的信息密度，所以只能做更抽象、更降维的东西，这样才能跑得通。 我们最早看到的就是文字。我小时候拿MP3看小说，拿着手电筒躲在被窝里，怕老师发现。一个MP3屏幕一次显示10个字符，要看一部500万字的小说，就得按50万下。 后来移动互联网出现了。上初中的时候，我记得自己为了装酷买了一台iPhone 4，终于有图片了，手机还有摄像头，觉得特别厉害。那时候开始慢慢消费图片内容。直到大学的时候，才开始有更多视频内容，后来又习惯了短视频。 除了遇到问题之后，你第一时间想到的是用Google还是ChatGPT，也就是你和你弟弟的区别，除此之外还有哪些特别显著的区别？ 宋亚宸 我很习惯看公众号，他不是很习惯看公众号。他习惯去YouTube、B站找答案，因为对他来说，视频本身就是信息密度更高的东西，更符合他born with的环境。 那种born with 3D的用户，你们已经在用户群里面看到了吗？ 宋亚宸 看到了。他们可能年纪更小。我们看到我弟弟的学弟做B站UP主，做的是一些我完全看不懂的3D作品，比如“马桶人”和“监控人”。但他在B站有几十万、甚至上百万播放的视频。你都不知道是谁在消费它，但确实有人在消费。 所以不同年龄段身处的环境，确实不一样。不管是文字、图片、视频、3D这些信息载体和内容媒介的区别，还是工业社会、数字化社会和智能社会的区别，都是实实在在的。可能一两年看不出来，但以10年为跨度，还是挺明显的。 我们来具体聊一聊你们在做的3D大模型。你们应该是在8月20日发布了Tripo 3.0，前面也提到了对新一代用户的关注。你可以说一说，Tripo 3.0是给谁设计的？和前面的产品相比，你觉得最大、最重要的迭代在哪里？ 宋亚宸 我们做Tripo已经挺久了。从2024年初上线到现在已经有一年半时间，也有很多用户。目前全球范围内有三四百万专业创作者，包括4万多家企业客户，其中可能有700多家非常大的客户。 大家都在这里把AI 3D用起来了，但是它一直不能算是pipeline ready。或者说，在实际的3D管线中，它只是在其中一环产生了一定作用，可能还需要专业的人去修改、精修。 Tripo 3.0的跨时代意义在于，AI 3D第一次达到了一个在大部分行业和场景中可以被直接使用的状态，我觉得这件事情非常本质。 比如现在如果你买了一台3D打印机，不管是什么品牌，放在家里面给孩子用，你在Tripo上随便生成一个3D模型，把它放到3D打印机里面，打印出来的效果会非常好。你不需要做二次操作，也不需要做各种修改，它直接就可以使用，而且生成效果也很好。 你根本不知道里面发生了什么，甚至不需要知道里面有什么结构、什么格式，也不需要知道怎么修3D、有哪些DCC建模软件。这些都不是你需要关心的事情。 从2.0到3.0，你们背后做了什么工作，才让它达到3.0？ 宋亚宸 工作很多，包括更多的数据、更好的算法、对算法模块的优化。本质上来说，这是一个系统性工程，不是只解决某一个点。它是在每个环节都变得更好：可控性更强，成功率更高，更精细，性能也更优化。 其中，精细度提升，尤其是几何结构变得更精细，这一点尤为重要。 可不可以给听众一些比较具象的分析？我没有技术背景，但在录制之前，我和Gemini一直在讨论你们的资料。比如公开信息里提到，Tripo 2.0采用了融合DiT和U-Net模型的复合架构。Gemini分析说，这个复合架构本身就非常有挑战。 我想问一下，3.0是不是还在使用这个架构？如果是，你怎么解释Gemini提出的“这个架构本身就很有挑战”，具体体现在哪里？ 宋亚宸 Tripo 3.0还是那句话，我实事求是地讲，它不是一招鲜吃遍天的东西。不是说我用了MOE就牛，或者用了某个东西就牛。我们经常看一些大模型，不管是什么类型的，大家会说“因为这个东西我就牛了”，然后把这个标题一放，觉得特别厉害。 首先我觉得科学不是这么做的。它肯定不是只有一个点是变革性的，不是这么一回事。 值得讲的是，我们研发了一种新的表达形式，叫SparseFlex，我们把它叫作SF。今年4月，我们最早开源了TripoSF，它的效果本身确实比较好。 SparseFlex有不少特点。首先，生成一个3D模型的成本大幅下降，生成速度大幅提升，因为它跳过了水密性这个环节。同时，它的精细度也提升了，可以支持在上千乘上千乘上千的空间中生成。空间更大，生成颗粒度自然就可以更细，能够呈现更多细节。 大家可能对文生视频比较了解。我们在做DiT的时候，很重要的一件事就是token或者tokenization。Tokenization里面的token非常重要，关键是怎么定义它。 你可以把SparseFlex理解为一种3D表达形式，而3D表达形式就是一种token。越好的表达形式，它的压缩率、还原率和保真率就越好。这样一方面能够支撑更多数据进行训练，另一方面生成效果也会更好，精度更高。 之前也有很多新的表达形式被提出来，比如早期的mesh、nerf，最近很火的高斯，SparseFlex也是一种表达形式。这种表达形式对AI 3D的训练有非常好的效果。 3.0发布之后，有没有一些数据能够显示，这种提升带给用户的价值提高了？比如用量、付费，或者使用频率有没有变化？ 宋亚宸 用户用量有非常大的提升，大家对3.0的反馈也非常好。 而且3.0目前可以理解为只发布了一半。现在发布的是Standard，之后还会再发布一个Ultra。Ultra生成的效果会更好，但生成时间可能会更长一些。 有没有什么事情是2.5不能做，但3.0解锁了的场景？ 宋亚宸 我们其实有一个产品叫Tripo Studio，它包含了大量AI算法的集合，上面有一系列功能。Tripo Studio的定义，就是我们希望用一个AI-native的工作流，去替代整个非常复杂、冗余的传统3D制作管线。 Tripo Studio上线之后，收入翻了两倍多，这是非常大的提升。它是在5月31日上线的。 我记得你有一次在十字路口线下的开放课上分享，说你们在欧洲有一个套壳的小哥，套的是Tripo的API，而且赚了很多钱。现在Tripo Studio就是类似那个小哥做的套壳工具吗？ 宋亚宸 不完全是。我们希望把它做得更加agent化。之后会在里面加入更多对话框，也会加入一些简单的语言交互，以及拖拽交互。 你可以理解为，过去生成一个3D模型，比如生成了一个80分的东西，传统管线还要做二次编辑。现在可以在Tripo Studio上做二次编辑，而且编辑的成本、门槛和时间都会大幅下降。这就是Tripo Studio的意义。 Tripo Studio其实给我们带来了很多新的功能，而且这些功能都是全世界独有的。我可以举几个例子。 第一是万物的自动语义分割，我们把它叫作segmentation。你生成一个3D模型，原来它可能是一整坨，这很好理解。就像文生图、文生视频刚生成出来的时候，没有源文件，没办法做二次编辑。 比如你生成一张文生图，放到Photoshop里面，会发现它是不分层的，没有layers，所以没办法编辑。3D过去也是生成一整坨，但现在生成出来的3D模型可以自动进行处理：理解这个模型是什么，然后把每个部件变成一块一块的，再把每一块自动分割开来，每个部件还可以自动补全。 比如我拿着一瓶水，水会和我的手自动分开。水是一个单独、完整的3D模型，我的手也是一个单独、完整的3D模型。这样一来，它们都在资产库里，可以进行替换。这就是3.0做到的事情。 不是3.0，而是Tripo Studio的能力？ 宋亚宸 对，这是Tripo Studio的能力。这也是为什么我要讲Tripo Studio。Tripo Studio上线了一整套AI算法，定义了很多AI时代3D编辑和交互的形态、交互方式和范式。 我们把segmentation和part completion结合起来，这是一个非常经典的能力。当然，之后也会有竞争对手做类似的功能。就像Canva推出AI时，一个很大的卖点就是生成的图片可以分成图层，一点一点地编辑，Labart也在讲这个点。 这就是一个创新，之前没有人能做到，我们先把它做到了。 我们还做了一个叫“万物骨骼绑定”的功能。什么意思呢？你生成了一个3D模型，原来它不能动，像雕塑一样。但现在它可以自动做骨骼绑定和蒙皮。 人就不说了，这已经比较好做了。猫、狗、牛、蛇、鱼、龙，甚至八爪鱼、蜘蛛，都可以自动做骨骼绑定和动作。 比如你生成了一只龙，它可以自动把骨骼绑定到手指级别，这样它就可以动起来。这是一件非常重要的事情，大大节省了创作时间，也降低了门槛。 我们还做了低模生成。原来生成一个模型，几百万面、几十万面很正常。但如果要进入实时渲染管线，比如游戏、XR、元宇宙，你会发现它很吃本地性能。几十万面、上百万面，打过去一束光，计算量就很大。 但当它只有几百面、几千面时，计算量自然就变小了，也就没有那么吃本地性能，可以实时渲染。对于这样的场景，我们自研了一套基于自回归路线的低模生成能力。生成的模型天然面数很低，实用性会更强。 还有很多类似的功能，比如Magic Brush智能笔刷等。我们认为这些能力形成了一个工作流。 我觉得你们做Tripo Studio是一个非常重要的战略决策。很多人可能会觉得，现在应该集中力量，把模型基座全部投入进去，all in基模。 但你刚才非常热情地讲了很多Tripo Studio的功能。我理解这背后需要大量产研时间和精力，也包括你自己的投入。能不能讲一讲，为什么要在做基模的同时又做Studio？ 宋亚宸 我们认为，未来每一个有专业能力的垂类大人群，都会拥有一个属于自己的AI工作台。这个AI工作台可以承载他想要的几乎所有创作，它需要符合几个条件。 第一个是真正能够端到端、一站式地完成他想要的完整内容创作结果。 第二是可控性足够强，可编辑的颗粒度足够细。否则很多专业的人，或者对内容有要求的人，就很难体现自己的创意。 第三是交互形态会发生本质变化。 去年年底我们大概有了这样的认知，于是花了半年时间，到5月31日才正式做出Tripo Studio的第一版。早期肯定不完美，还是一个原型状态，但最近经过几轮迭代之后，效果已经越来越好。 所以我们还是觉得，只做基模是不够的。也有人可能会选择只做基模，把类似Tripo Studio这样的工作开放给生态合作伙伴去做。 所以你认为，未来应该是基模和agent，或者说workstation一起做？ 宋亚宸 我认为未来基模和所谓的agent，或者workstation，大家都会去做。比如Cursor应该会做自己的基模。 所以这是在防守自己的agent？ 宋亚宸 我不觉得这是防守。我觉得可以这样理解：做底层大模型的时候，你是在起新墙，不断起新墙；做工程、做产品功能的时候，你是在护旧墙，因为你要解决的恰恰是新墙或者旧墙的缺陷。 比如上一版模型的人脸效果不够好，如果要基于上一版模型做agent，最需要解决的就是脸部优化。于是你会做一些交互，让用户更好地改变AI生成的人脸。 但如果新墙出来了，说“我解决了100个问题，顺便也解决了脸部问题”，那你之前做的事情可能就白做了。 从底层角度思考，这就是AI 1.0时代和AI 2.0时代的本质区别。AI 1.0时代的核心，是有很多非常天才的算法科学家，基于这些科学家的聪明才智，用大量手工调参的方式训练很多小模型，再基于每个小模型解决所有场景里的长尾问题。 以前在计算机视觉时代做智慧城市，会专门有一个小模型负责识别垃圾有没有倒到外面，也会有模型识别监狱里面有没有人打架。它们都是非常细节、非常长尾的问题。 AI 2.0时代的核心，是通过data-driven的方式训练一个大模型，希望通过训练通用大模型，泛化地解决所有长尾问题。 回到刚才的问题，做底层模型的优势，就是一下子解决所有长尾问题。那为什么还会有人在上面做工具、agent、workstation或者应用？ 核心在于，我认为AI 2.0时代已经死了。但这和我没有关系，是和那些正在做AI 2.0的人有关系了。你仔细想想，其实就是这个逻辑。 如果AI 2.0时代还在快速发展，比如GPT-5、GPT-6、GPT-7、GPT-8、GPT-9不断出现，那Cursor就无处遁形了，几乎没有活着的意义。因为它每次解决一个问题，基础模型这个“大哥”就不断迭代新的版本。 我们之前看到的很多ComfyUI节点，可能也会逐渐失去作用。很多agent是为了补偿原有模型的问题，但如果通用模型把这些垂类问题都解决了，那些工具也就没有必要了。 所以你觉得是模型撞墙了？ 宋亚宸 不是所有模型都撞墙了，是语言撞墙了。大家才会基于语言模型出现很多垂类工程和产品，也才会出现很多agent，因为它的发展速度相对没有那么快了。 但在3D领域，你很少能看到只做应用的人。因为只做应用的时候，你会发现下一个大模型到来，你就会死。 当一个大模型还属于AI 2.0时代，每3到5个月就发布一个全新的大版本时，很难出现一家没有自己的大模型、纯做应用的公司。你护旧墙护了半天，它突然起了一堵新墙，你会很难受。而且你护旧墙做的那些工程，新模型可能都已经解决了。 我理解，应用公司在模型疯狂迭代的时候，不应该在这个时候雕花，因为模型一升级，很可能就把你淹没。 但我比较想知道，从VAST的角度，你们本来就是基模公司，淹没的是那些应用。为什么在这个时候自己还要做应用？ 宋亚宸 因为你知道下一版模型会往哪些地方迭代，所以你护的旧墙就很有意义。你知道哪些地方它应该护旧墙，也知道哪些地方它不应该护，因为下个版本会解决。 这就是我们的最大优势：通过做工具、做agent，离用户更近，能够拿到一线用户反馈，知道大模型应该怎么迭代；同时，你又知道大模型下一步应该怎么走，也就知道产品该怎么迭代。这样就形成了非常好的配合。 DeepSeek坚决不做任何商业化的事情，哪怕有人把钱送到门口也不要，因为他们认为这会稀释团队在追求模型智能边界上的投入，所以一点都不要。 他们的用户产品也做得很简单。爆火之后，其实也没有持续维护，没有调机器去服务To C产品，而是把所有能量、时间和精力都拿去做基模。 但我比较好奇，你在这个时候做的战略选择，是既做基模，又做Tripo Studio。看上去你们现在的粮仓应该没有梁文锋的粮仓那么丰厚。在这个时候，这样的注意力稀释，背后的思考是什么？ 宋亚宸 反而我不觉得这是注意力稀释。如果只做大模型，就有点像学术圈自嗨：学术圈怎么走，你就怎么走。 在一个大家都发论文的时代，有些东西可能很火，但你需要有一个窗口和实际用户接触，让用户告诉你什么才是大家真正需要的。 还是那句话，我们做AI不是拿着锤子找钉子。这也是我们公司特别的地方。 公司最早期的时候，我上次分享也讲过，我们做过一个3D TikTok。后来发现3D TikTok遇到了一堵墙，这堵墙缺少一个前提条件：我们想做UGC生态和社区，但这个世界里还没有3D UGC。 为什么没有3D UGC，只有3D PGC？核心是缺乏一个大众级别的创作工具，就像缺乏文字的输入法、图片和视频的手机摄像头一样。 所以我们才去做AI 3D大模型，希望降低用户创作的门槛和成本。这就是一个很重要的初心：我们做这件事情，是为了解决用户遇到的问题，所以需要和用户、创作者在一起，看看我们到底解决得怎么样。 我们从公司成立第一天开始，就不是一个拿着锤子找钉子的公司。很多大模型公司可能看到了很多场景，每个地方都可以敲一敲，因为它本身做了一个大模型技术，可能有一点价值，于是大家再看看在哪些地方可以产生价值。 但我们不是这样。我们一开始就有那个钉子：做一个3D UGC社区。我们想做一个大众级别的创作者工具，让每个人都可以零门槛、零成本、实时地创作3D内容。 所以现在Tripo Studio也是服务这个人群的吗？ 宋亚宸 现在暂时不是。你可以理解为，Tripo Studio目前还是服务专业用户，面向Pro C或者PGC。 下一步我们会逐步牺牲创作本身的可控性和可编辑颗粒度，但带来大量内容范式和模板。有了这些内容范式和模板，才能让每个人参与到创作中。 比如一个大学生使用Tripo Studio没有问题，但让一个小学生，或者让我外婆使用Tripo Studio，难度还是比较大。我希望真正实现零门槛、零成本、实时创作3D内容。实现这件事情之后，才有机会出现UGC群体。 是什么原因让你认为，未来会人人都做3D？这是不是一个蛮非共识的判断？ 我可能会觉得，拍照片、拍视频比较自然，但3D其实是更高维的艺术创作，好像不是每个人都需要做，也不是每个人都会原生地想做、会做的事情。 宋亚宸 你刚才说的东西，其实也只存在了10年，可能还不到。你说拍视频、拍照片很自然，但这种“自然”也没有超过10年。 你现在觉得3D市场小，或者大家了解得不多，其实是一个非常错位的思考。在短视频出现之前，你一年会看几部电影？在小红书和Pinterest出现之前，我们一年会逛几次画廊？在微博、贴吧、Twitter出现之前，我们一辈子会读几本书？ 但回到3D，在3D UGC内容平台出现之前，我们已经看到每个人都在打游戏了。王者荣耀10年前发布，第一年就有1亿DAU，10年后的今天依旧有1亿DAU。这是什么意思？在一个13亿人口的国家里，一个产品能保持10年1亿DAU，就是全民级产品。 现在全球游戏市场大概是2600亿美元，它应该是出版社、画廊和电影所有市场总和的至少2到3倍，我一点都没有夸张。 同样的道理，我认为未来3D平台，应该是Twitter、微博、小红书、抖音、快手、TikTok、Snapchat、Instagram这些平台加在一起的2到3倍。 你觉得这个平台会是什么样的平台？大家在上面消费的是什么内容？是游戏，还是像Jenny Three那样的内容？ 宋亚宸 这是一个很好的问题。我们做短视频的时候，如果你问我“大家消费的是什么，是电影吗”，因为当时还没有短视频的概念，只有电影和视频，而电影等于视频。所以那时候如果要做UGC视频平台，我们可能只能想到电影，想不到电影以外的东西。 同样的道理，在做3D可交互内容平台时，确实只能想到游戏。但今天我们实际看到，B站的20个type的倒数第二个的二级菜单里面的第二个还能找到电影，电影已经只是所有视频里很小的一部分了，短剧市场也已经超过电影。 所以我相信，未来我们今天玩到的所有游戏，不管是《咸鱼之王》、三消、《原神》、《王者荣耀》还是吃鸡，都会成为所谓3D可交互内容这个大品类下面很小的一部分、很小的一类基因。 我还想补充一个背景问题。你前面提到，3D大模型和常规大语言模型处在不同阶段。训练一个3D大模型，和训练常规大语言模型相比，挑战在哪里？ 比如你提到过，3D数据的维度更高，数据更难。能不能给听众科普一下这个难点？ 宋亚宸 我们还是用“AI三要素”来讲。要养一匹马，有3个东西。第一，马要吃草，所以草料就是数据。第二，马要有好的驯马师，这就是人才，也就是算法。第三，要让马跑起来，总得有一个空间，也就是跑马场，这其实就是算力。 当你有数据、算力和好的算法，或者好的科学家，自然就能训练出比较好的AI。3D在这3件事情上，确实和语言大模型有很大的区别。 第一，就像我们最开始讨论的，互联网早期只能支撑信息密度很低的信息。社交网络和各种网络上有大量文字内容可以爬取，但3D因为互联网成熟度还没到这一步，没有公开的大量数据可供爬取。这是一个非常天然的问题：你的数据从哪里来？ 我们目前拥有全世界最大的高质量3D原生数据集，大概有4000多万个类似《黑神话：悟空》里面孙悟空那种级别的3D模型，作为我们的训练数据。这一点非常重要。 其他大厂或者竞争对手，大概是在百万级。我们应该是全世界唯一一个千万级、数千万级的数据集。 这是因为你们有别人没有的钱，还是有些钱也买不到的数据？ 宋亚宸 这是我们的核心机密。核心机密。 宋亚宸 所以在草料层面，我们确实吃得比别人好，这很重要。 第二是科学家。我们团队大概有五六十位清华博士，他们是非常顶尖的科学家。这件事情很不容易，因为语言相对来说是显学，有大量做NLP的人，OpenAI之前也沉淀了很久，去做大语言模型。 但做3D是一个非常新的东西。AI 3D很新，因为它是AI和图形学的交叉学科，所以没有所谓的“老的人”，大部分都是新的人，可能接触这个东西也就一两年。 两年以前，图形学顶会SIGGRAPH上还能看到大量计算机视觉相关的论文。但今年，计算机视觉顶会CVPR的一些best paper已经和3D相关了。3D正在逐渐成为前沿方向，这会导致前期人才非常不足。 所以人才非常重要。我们这几十位优秀的算法科学家，才能够迭代出全世界领先的算法。这非常难得，也非常珍贵，取决于你做这件事情是不是足够早。 做得早，又愿意下决心投入，自然就能更早地发现这些talent，发现这些天才，形成团队并跑起来。 数据其实也和早有关系，但不完全是。 第三是跑马场，也就是资金。我们现在应该是这个赛道融资额最高的一家公司，估值可能也算最高的公司。 当你有足够多的资金储备、足够大的数据集和足够好的算法科学家，理论上就会有非常好的AI 3D大模型。当然还需要很多运气。刚才说要找绿洲，不是商队越大就越容易找到绿洲。 前面谈到了Tripo Studio的作用。如果回过头看过去两年的路程，你会怎么划分一些关键节点或阶段？ 做Tripo Studio是在什么时候决定的？也许不只是你，也包括其他关键的人。你们是在什么时间节点认为，要做这件事情，而且要赶快做好？ 宋亚宸 过去两年我们其实只做了一件事情。公司2023年成立，从2023年到2024年，我们就做了一件事：把技术做到全世界最SOTA的水平。 我们也有竞争对手，但很多竞争对手早期会做很多产品的事情。我认为，早期产品的本质是技术，不是产品。 举个例子，当你的手机摄像头是720P，我的是1080P时，你增加各种人像、全景、红外功能都没有意义。你最应该做的，是尽快从720P做到1080P，甚至4K，而不是纠结那些视觉功能。 那些东西不是产品的本质，产品的本质其实是技术。所以过去两年，你会发现我们公司很长一段时间里连一个产品经理都没有，这很正常。我们大量代码都是CTO亲自写的。 感觉现在你的想法变化了，因为你也开始做Tripo Studio。好像你觉得大家都到1080P撞墙了，但不会担心有一天竞争对手搞出一个4K吗？ 宋亚宸 它和撞墙没有关系。其实我们原来就打算做所有这些事情。 原来我们想一上来做一个UGC版，也就是零门槛、零成本、实时创作3D内容，面向真正的UGC。 那为什么先做一个PGC的东西？我们认为早期从10分到20分、50分、60分、70分、80分，UGC和PGC对它都有需求。直到90分、98分、99分的过程中，UGC和PGC的需求才会不一样。 比如UGC要求速度快，PGC可能要求更精细；UGC更关注模型能简单动起来，PGC可能关注拓扑结构和布线。我只是随便举例，但核心是，早期至少生成的得是一个东西，而且这个东西至少能简单调整。 所以我们先做Tripo Studio，把现有用户服务好，再去服务原生用户。原生用户是指原来没有进入生产管线、没有参与生产，但因为有了AI可以参与生产的人。 像我就是AI原生用户，没有3D能力，原来不在这个生产关系当中，但有了AI之后，我可以参与生产。 我们先服务现有的PGC用户，把整体实力提升到八九十分，再开始关注怎么服务UGC人群。于是从去年年底到今年，我们大概招了20多人的完整产研团队，也就是产品和工程团队，专门解决产品和工程问题。 允许用户做调整、预设，比如让3D模型风格化；上传一张图片，提取里面的风格；做对称；支持T-pose、Z-pose；还有很多类似功能。 我们认为，第一步是先把现有的PGC服务好，下一步再泛化，逐渐走向PUGC和UGC。 那时候除了工程和产品，还很重要的是运营和增长。我们现在基本没怎么做运营和增长，因为现有用户都关注我们的东西，效果好了大家自然会用。 但PUGC和UGC不是这样。像我这样的人，不会天天关注一个3D生成大模型的效果有没有提升。这时候你需要告诉他。 增长很重要的第一种情况，是存在信息差，需要通过增长、BD或者运营告诉大家。第二种情况，是产品逐渐同质化，需要通过增长和运营告诉用户，我是有品牌的，你应该用我。 但现在我们的产品有差异化，专业用户也没有信息差，所以还没有做纯运营和增长。这是下一步要做的事情。 你会不会觉得，做一个产品来获得用户想要什么，有点太费劲了？也可以通过用户调研或者其他手段。我只是这么想。 宋亚宸 用户调研？当你在做底层大模型的时候，你是没有用户的。你的用户是To B的，所以只能做客户访谈，访谈很多B端客户，问他们的客户想要什么。 理论上，你也可以找到他们的客户。这个职业对话当然没有那么容易，好像不一定马上就有联系方式，但花一点精力也能搞到。 宋亚宸 我觉得还是那句话，初心是不一样的。 我不知道DeepSeek的初心是什么，也不太了解哈，我也不知道什么Timi啊大家的初心。每家公司到底想干什么是不一样的。 我们就是想做这件事情。我们不是想做一个AI 3D AGI，我也不知道那是什么。我不觉得我们公司的初心是这个。 我们公司的初心是，希望诞生一个UGC的3D内容平台。我们看到UGC这个群体、用户群体、创作群体，尤其缺乏一个大众级别的创作工具，所以希望给他们打造这么一件事情。 这件事情非常核心，也是公司愿景和战略选择中很重要的一点。因为它，我才做这件事，不能为了吃醋包饺子。核心就是，我们是为了这件事出发的。 现在Tripo Studio上线之后，数据应该不错。刚才也提到，它已经贡献了超过一半的收入。 你从Tripo Studio的用户那里看到了哪些有价值的反馈？有哪些是你做这个产品之前没有得到的insight？ 宋亚宸 我们有一个program，叫CEO program，也就是Chief Experience Officer。现在大概有一两千个被访谈的真实用户，来自各种各样的地方，做各种各样的事情。 特别超出我预期的是，很多用户实际使用的场景是我根本没想到的。 最开始我们想的是，大家可以做游戏、做动画、做3D内容。我们把3D内容做好之后，发现很多人在做设计，比如3D打印、工业设计。 于是我们发现，这不只是3D内容，也包括3D体验和3D设计。 后来又发现很多人在搞艺术。有很多用户是艺术院校的应届毕业生，用来做毕业设计，比如当代艺术、装置艺术、景观艺术、新媒体艺术等各种艺术。他们本来不会做3D，但可以用3D生成来做。 还有很多残障伙伴，用我们的工具表达自己，创作3D工业设计和内容。 我们也有很多XR应用用户。我原来对XR的关注主要在硬件上，对软件和应用关注比较少。大家更多关注的是，今天硬件迭代了，明天硬件又迭代了。 但世界上其实有非常活跃的XR应用群体，每天都在开发很有意思的东西。可能是一个3D PPT、一个3D AI绘本，也可能是一个3D小游戏，各种各样好玩的东西。 我们原来想的是，大家可以做UGC，但后来发现，大家还可以把它用来做玩法，做成言出法随的一种新玩法。 游戏行业已经很久没有看到新玩法诞生了。过去10年里，真正算得上新玩法的，可能也就一个自走棋，我不知道算不算。但3D生成带来了很多新的玩法和交互可能，这也是我之前没有充分想到的。 这些都是Tripo Studio做了之后才发现的吗？ 宋亚宸 Tripo上线之后，大家都在使用。有些人用API，有些人用SaaS，但本质上都是AI 3D编程的可能性。 这件事情很关键。AI 3D这件事，大家有点take for granted，觉得文生文、文生图、文生视频，当然应该能生成3D，所以没有觉得特别神奇。 但仔细想想，原来你什么都没有，现在按一下就出来一个东西。这不管叫“马良的神笔”、叫“言出法随”、叫“新价值”还是什么，都像魔法一样。 第二，我觉得现在技术发展速度太快，大家天天看奇观，视觉和精力都被刺激，已经没有那么多时间思考：这是人类刚刚发明的技术，发明还不到3年，结果短短3年就已经成熟到可以在产业里应用。 冰箱、电灯、电力这些东西发明之后，3年时可能还没有安装到什么地方。但现在这个技术已经有几百万人在使用，已经有4万多家企业在使用，这是非常厉害的事情。 但大家不这么觉得，因为最近发明的东西太多了。 当然，我不是说我们的发明最重要，而是我自己每次静下来仔细想，都会觉得3D生成拓展了人类大众能力的边界。 文生图、文生视频，包括文生文，这些其实是人类，尤其是大众，本来就有能力做的。拿手机摄像头不能拍照吗？我也可以拍照，也可以拍视频。用输入法也可以打字。这些不算一个bonus，可能只是多了一个选项，确实也挺好。 但3D不一样。它一定是原来你做不了，现在能做了，这件事非常夸张。现在每个人都可以创造一个万物，这不是一件小事。 当大众能力边界每次得到拓展，就像一个圆的直径变长一小段，它会和周围所有东西交叉、打结。 我经常举例说，输入法出现之前，菜单都是手写的，没有打印的菜单。输入法出现以后，有了打印的菜单。手机摄像头出现以后，很多菜单上开始有图片。 现在每个人手里拿着iPad，点一下、扫一下二维码就能点菜。那为什么菜单不能是3D的？ 我们出去经常要点10个人的菜，多少凉菜、多少热菜，鱼肉和素菜点多少，有哪些主食和甜点。你一看，点了50道菜，但这50道菜够不够吃，完全不知道。你打开购物车看，还是不知道够不够，最后还要让服务员看一下，说“差不多”，那就差不多。 理论上可以有一张桌子，每次把3D菜品放在上面，转一圈就能看清楚。拿下来一看，就知道10个人够不够吃。 为什么不是这样？因为3D建模成本太贵。你找一个餐厅说“我给你100万，给我做一个3D点菜系统”，对方会觉得你脑子有问题。 但如果你告诉他，“每年交15万块钱，就可以获得一个3D点菜系统”，他说那我就交。菜单还可以变化，那什么东西不能变化？ 广告牌当然可以变化，名片当然可以变化。为什么名片上就只能有文字？为什么名片现在可以带头像？你会发现，所有东西都可以是3D的，只是互联网还没有成熟到那一步。 我们经常说文字、图片、视频、3D是一个升维过程。其实思维方式应该反过来：3D、视频、图片、文字，是不断降维和抽象的过程。 因为科技不够发达，我们被迫用极其抽象、信息密度低的方式交流、沟通、展示和分享。如果科技足够发达，随着科技越来越快地发展，等它到达完成体，最终会还璞归真，回到3D。 你应该用3D去表达、分享和展示，甚至用它装个、吐槽一下，发泄自己的不满。这才是我们应该做的事情。 这描述了一个非常让人向往的未来。我们现在之所以看短视频，而不是看3D内容，还是因为技术、带宽和设备运算能力受限，所以我们仍然在压缩这个世界。 宋亚宸 “压缩这个世界”这个词非常好，就是在压缩这个世界，exactly。 回到我前面的问题。你刚才说，希望通过用户认知更好地迭代模型。没有这些认知，好像模型继续往前走，也不知道4K应该往哪条路走。 我想知道，做了这几个月之后，你拿到了哪些来自用户的、之前得不到的认知？哪些是一定要靠Tripo Studio这个产品才能拿到的？ 你确实讲了访谈几千个用户，但听起来，这些用户似乎不一定非要通过Tripo Studio才能访谈到，也不一定非要通过这个产品才能拿到刚才那些认知。 宋亚宸 其实有很多。 我们有一个需求池，里面有上百条需求。当然有些需求的优先级比较低，P1、P2、P3、P4，可能P5之后就来不及做了，因为要先解决前面的问题。 你会发现，这些需求都来自用户。比如有用户说想编辑贴图，所以我们做了智能笔刷。有人想编辑几何，但不知道怎么编辑，我们就研发能不能用自然语言编辑几何。 有人说“我想要更好的拓扑结构和布线”，那我们就要给他重拓扑的能力。有人说“我希望有更好的几何”，但很难表达什么叫更好的几何，我们就去问。最后发现，他想要的是更好的硬表面和更好的拐角。 还有人希望保留贴图的笔触，有人希望UV的完整性提升。你会发现有很多各种各样的需求，我们已经解决了很大一部分，当然也还有很多细碎的问题没有解决。 很多问题在迭代大模型版本时自然就解决了，比如人脸精细度、硬表面，以及原来需要PBR的地方，现在也有了。还有贴图不够好等问题，接入一个大模型版本后，很多都会被解决。 但有些问题需要专门的AI算法去解决，我们也在做。 所以还是那句话，最终还是服务于用户，服务于创作者，而不是服务于我们自己。 这个世界在压缩过程中，而你们做的是给它升维。 宋亚宸 我觉得也不能说是相反，但它确实是一条很有挑战的路。 你相信工具越来越简单之后，人会选择去做升维的创作吗？ 宋亚宸 它其实是一个解压缩的过程。人类之所以压缩，是因为带宽太小、跑不动，或者有各种各样的问题。 举个很简单的例子，我们说游戏，你刚才提到低模和高模。人类不是天生喜欢低模，因为低模精度很差，看起来糊里糊涂的。人也不是天生喜欢玩《传奇》，不是因为它画面好。 为什么有人玩《传奇》？因为那个时候互联网只能支持这个东西，画质高一点就跑不动了。但为什么现在大家喜欢玩《黑神话：悟空》？它的面数肯定比《传奇》高很多很多倍，因为我们解压缩了，人终于可以还璞归真了。 同样的道理，大家从Twitter、微博，到小红书，再到抖音、快手、TikTok，其实也是一个逐渐解压缩的过程。 3D本来就是最贴近大家的。我们看看文物，最早出现的永远是雕像。比如良渚，或者史前文明。史前文明就是文字出现之前，已经有很多雕像，雕成小龙或者某种崇拜对象、图腾。 然后才是绘画。洞穴里会发现捕猎的画。再往后才是文字。文字已经是很后面的事情，在龟壳上刻字更是后面的事情。 人原来是天然的3D动物，通过信息密度最高的方式表达自己。后来发明了信息密度更低的东西，因为信息密度低，所以更方便传递。科技不够发达，不能总带着一坨雕塑，但可以带一堆龟甲，一篇篇发过去，大概就能了解情况。 互联网当然比那个时代先进，但遇到的是相同的问题：几个字节的东西好传，几个GB的东西就不好传，3D可能是几个TB，那就更难。 这不是永远压缩，而是科技越来越发达，允许我们越来越解压缩。当解压缩到极致，拿到原文件时，原文件是什么？就是3D。 你仔细思考一下，视频是什么？视频就是在3D世界里面找一个位置、一个角度，拍摄一段时间，叫视频。 那什么是3D？就是不限定位置、角度和时间，你直接待在这个空间里面。这是最本质的，也就是回归本源。 所以我相信，互联网逐渐走向最终成熟，就是解压缩到极致，最终还璞归真，让每个人都能享受原文件的时代。 现在做3D大模型的人也越来越多了。你能不能讲一讲，在你看来比较有实力的几个竞争对手，以及他们分别选择了什么路线，和你们有什么差异？ 宋亚宸 这个问题很难回答。实话实说，怕显得在黑他们；不实话实说，又显得我比较虚伪。 那就回答一些简单的问题。所有对手里面，你日常看谁的新闻最多？最近谁的新闻一出来，你会比较关注？ 宋亚宸 最近混元3D做得挺好，我们也在关注他们。 有没有哪个竞争对手，是你觉得稍微有点尊敬、佩服的？ 宋亚宸 我们都很尊敬这些竞争对手，怎么能不尊敬呢？但长期来看，大家可能不是竞争对手，而是竞合关系。 还是那句话，大家初心不一样。有些人想做最厉害的技术，有些人想做技术影响力，比如混元；有些人想好好做工具。你们可能了解一些竞争对手，但我们最终想做的东西，和他们不一样。 据我所知，现在所有竞争对手里面，没有人想做我们想做的事情。所以最终大家还是会走向不同的道路。 你们想做的是一个UGC的3D社区。 宋亚宸 对，我们服务创作者。创作者需要社区，我们就通过社区服务他们；他们需要平台，我们就通过平台服务他们。 我们希望把刚才说的“解压缩解到底”做出来。 难道其他友商不是想服务创作者吗？ 宋亚宸 不太一样。比如有些人服务游戏公司，游戏公司需要什么，他们就提供什么。有人可能希望做工具，但我们希望提供的是一个网络、一个社区、一个平台。 这不是一个短期能做完的事情。 那你怎么看商业化？听起来，服务游戏公司是一个离收入比较近的方式。 宋亚宸 我没有觉得服务游戏公司是一个离商业化比较近的事情。你看这个世界上服务游戏公司的公司，好像日子都没有过得特别好。 你可以举个反例。比如你说不对，我觉得那家公司服务游戏公司，日子过得特别好。 宋亚宸 你很难举出一个反例。To B、服务游戏公司的公司，好像很难找到过得特别好的。 那你怎么看你们的商业化？规划是什么样的？过去两年有没有按照规划走，或者有什么意外？ 宋亚宸 还是那句话，早期产品的本质不是产品，而是技术。商业化的本质，真的只是商业化吗？这也是一个问题。 刚才我们讨论过，增长和BD的作用在于：第一，产品同质化严重；第二，用户存在很大的信息差。如果这两件事情同时出现，BD和增长就有很大的意义。 但当这两件事情都没有出现时，核心是不是应该进一步把产品做好？商业化在这个阶段的本质，我觉得是产品。下个阶段是什么，我们可以再看。 很多东西的本质，不是它在当前阶段表面上看起来的东西。 你简单说，是不是觉得产品还不够好，还不值得拿去推广？ 宋亚宸 这是两件事情。就像你说，技术还不够好，所以产品不能做，我觉得不是这个意思。 把产品做得更好，比陪别人吃饭更关键。你不能说英伟达的产品做得不够好，所以没办法商业化。不是这个意思。 但英伟达确实没有传统意义上的销售，不是天天往字节、百度卖。因为产品足够好，对它来说，把产品做得更好，比陪别人吃饭更合理。 对我们也是一样：第一，如果客户没有很大的信息差；第二，产品有足够多的差异化，那就应该把产品做得更好，而不是招更多BD请别人吃饭，或者买更多广告做增长。 我觉得逻辑就是这样。 我看你在几个采访里都讲过同一句话：每年年底或者年初，你会和公司分享愿景。你说去年是第三次分享，每年讲的内容都类似。 创业两年多来，哪些东西没有变，哪些东西变了？ 宋亚宸 每年年初，大概3月十几号，都会有一个全员分享会。我基本上会把之前的PPT截图放到现在来讲，再稍微调整一下，因为又往前做了一年，里程碑又完成了一些。 但你会发现，最终的愿景和中间的路径其实没有怎么变化。 所以你的天使轮BP和现在的BP变化不大？ 宋亚宸 天使轮没有BP，但内部分享用的PPT和现在的PPT确实没有变化。 有趣。有一个小故事，王慧文最近去见一个创业者，请他把天使轮BP拿出来。那个BP大概是4、5年前的，他们后来做过一些转型，于是请他再讲一讲，天使轮BP和现在相比，什么变了，什么没变。 宋亚宸 我们其实很好讲，因为真的没有什么变化。每次我想做一些变化，团队都很反对，所以也很难变化。 大家对于愿景和路径已经有非常强的认知和认同感。我觉得这也是我们团队非常强的地方。团队几乎没有人才流失，很大的原因是，我们是一个长期主义且有信仰的团队。 大家真的对我们的愿景和路径保持着强烈的热爱和认同。 半年后我可能又要做分享了。我希望到时候第四次分享，还是讲一样的事情。 大家对愿景强烈、持续的认同，是因为他们本身也是用户，期待用上那样的产品，还是因为别的什么原因？ 宋亚宸 肯定有一部分同学是用户，另外一部分同学是真的看到这件事情在像我们当时说的那样发展，而且一步一步发展，甚至比我们想象中还快一点。 这件事情很打动人。比如你5年前讲了一个故事，当时它只是一个故事，但现在回头看，这5年每一年发生的事情都像你说的那样发生了。这件事情非常有力量。 如果这个愿景真的有一天发生了，它会是怎样的一幅画面？ 宋亚宸 我们说一件事情。农业时代之后是工业时代，再到服务业，现在我们说三大产业。其实我们认为，还有第四大产业，就是内容行业，也就是做内容和体验。 未来人可能不再产生物理价值，因为所有physical value都被机器人做掉了。人在物理世界里能产生的价值会极其有限。你很难想象，机器人有什么事情不能做。 但人总是要有价值。为什么你比我厉害、我比你厉害，为什么你是贵族、我是农民，总得有点原因。 我觉得这个点就是，人的内容和创意是本质。谁的创意更厉害，怎么判断？就是看我制作的内容和体验，或者说所有人在我的内容和体验中停留的时间。 所有人在所有时间里，在我的内容、我的世界中停留的总量，就是我为这个世界创造的价值。我不知道能不能讲清楚。 这听起来，和你小学、初中时做的事情很类似。你做了一个游戏，同学们跑到你这里来玩。 宋亚宸 当然可能不只是游戏，也可能是something。它不一定是游戏，可以是anything。可以是在里面一起“狂扁小朋友”，也可以是大家一起冥想。我也不知道大家会干什么，这是另外一回事。 但我相信一点，人是注重自身体验的生物，希望获得optimal experience，也就是极致体验。 什么时候会有最极致的体验？当他有足够多选项的时候。当他拥有无限选项，又可以用脚投票，就可以选择自己最极致的体验。 怎么拥有无限体验？用UGC、AIGC工具去创作，就可以无限前进。 比如抖音里的视频接近无限，而不是无限。接近无限，再加上推荐算法，体验当然会更好。 这件事情非常fair，因为大家投票投得非常公平，投的是自己的时间和注意力。 所以未来你是不是最有钱、最富有的人，很可能取决于你是不是非常有创意，是不是创造了一个所有人都喜欢来的世界，大家都愿意在你的世界里花时间。 大家可能也不知道为什么来。你做了一个《小偷模拟器》，里面有一堆偷窃币，大家觉得特别爽，但你不一定知道大家为什么来玩。 那个时候你会获得很多钱。钱是干什么的？就是算力。你的推荐算法比别人好，体验就会比别人好一点。 我不知道你看没看过美剧《Upload》，里面有一句特别有意思：现实中要给它充钱，充的钱少，它就很卡，不太好动；如果疯狂给它钱，它就变成5G，特别流畅。 未来也是这样。你给大众创造了绝对的欢乐，那你就会特别爽。推荐算法会给你推荐最喜欢的内容，你有各种工具可以用，可以用Tripo、Midjourney，还有各种工具。你可以创作更厉害的东西，还有各种Agent陪着你。 创意强的人可能有很多Agent，创意弱的人可能只用一两个，API也不好用，创作不出什么好东西。未来可能就是这样。 我想补充两个问题，问你对行业的个人感知。这两年来，你对AI创业行业的体感是怎么样的？ 宋亚宸 我觉得很幸运，生在这个时代很幸运。 当你有一些钱可以启动，有一些资源，但又不是资源过多，不至于成为资源诅咒，这其实是一个很好的状态。没有一个伟大的公司诞生在资本市场极度好的时候，所以这是一个合理、能够保持饥饿的环境，我觉得非常值得感恩。 如果现在可以对两年前决定创业的自己说一句话，你想说什么？ 宋亚宸 我觉得，牛逼。我操，创对了，真牛，真有勇气。我真觉得我是个人物。 我觉得创对了，真应该创业。 你受过什么苦吗？ 宋亚宸 肯定受过。我觉得创业有很多困难，每天要解决很多很多问题，这是肯定的。 有什么化解痛苦的方法吗？ 宋亚宸 我玩游戏。我玩《龙与地下城》。 当你的物理世界是你所有的世界时，物理世界是痛苦的，你的人生就全部是痛苦。当物理世界只是你人生的40%到50%时，至少还有一半是不痛苦的，所以会得到缓解。 无非就是占比问题。你如此注重神创造的世界，神创造的世界就可以左右你所有的心情。但当你还有很多其他人创造的世界时，神创造的世界只是你人生中的一部分。 我在另外一个采访里说过，我是一个非常需要虚拟世界的人。那肯定，必须。我觉得每个人都需要，只是现在大家还没有。 好，今天谢谢你和我们聊了很多。不管是关于3D大模型的科普，还是做工具，以及整个创业过程中的想法，都非常精彩。谢谢你今天和我们聊这么多。 宋亚宸 谢谢，期待下次再来。 感谢，好，拜拜拜拜。 如果你认为有朋友也会喜欢本期十字路口的内容，请转发微信推荐给他们。最后，欢迎你加入十字路口的会员群，我们鼓励大家在群里聊天互动、交朋友，寻找未来的同路人。