胡渊鸣：Meshy AI，太极，MIT，清华姚班，图形学，物理仿真模拟，开源，商业化，勇气 ，智慧 ｜ WhynotTV Podcast #2

用自己的编程语言去实现自己的程序，然后发现还比库更好用的时候，我觉得那时候真的牛逼坏了。那确实开源是不挣钱的，但是你有一个好的开源项目，它能够帮助你吸引到最好的人才。如果你自己把自己关在办公室，把门关着，每天做自己的事情，那短时间之内你当然能产出更多，但是五年以后你一定不知道我该做什么。所有的 data 都是 synthetic data，或者大部分 data 是 synthetic data，一定不会 work，不一定需要我们人。我们人类自以为对这个物理世界的那么多认知，他可以自己发现自己的牛顿定律啊。或者说我在当 CEO 之前，我是个 intern。其实我在做公司的这个过程中，每三到六个月就要把自己开除一次。你坐在 CEO 的位置上，你就要为整个公司的利益去负责，而不是让自己被所有人都喜欢。和平年代没有什么比创业更能锻炼一个人了。

以下内容是我和 Meshy AI CEO 胡渊鸣的对话。胡渊鸣从小编写物理仿真程序和游戏开发，本科就读于清华姚班，后赴 MIT 攻读博士。他是世界上最优秀的计算机图形学专家之一。2021 年胡渊鸣博士毕业后创业成立太极图形，历经 18 个月的商业化探索后转型推出 3D 生成式 AI 平台 Meshy。Meshy 现服务用户超 400 万，年营收增长超 10 倍。本次对话涵盖胡渊鸣对科技和世界本质的思考，博士期间的自我颠覆，创业的生死转型，以及每三个月杀死过去自己的智慧和勇气的进化哲学。这里是 One More TV Podcast，现在请与我一起进入胡渊鸣的世界。

胡渊鸣，你好。

你好，泰然。

你身上有很多亮眼的标签，比如清华姚班、MIT、“99 行代码写《冰雪奇缘》”，包括从太极图形到 Meshy 的 CEO。我相信你已经对这些标签祛魅了，而且我也知道，它们完全不能展示真实的你。

所以我很好奇，开场的第一个问题想问你：胡渊鸣是谁？你会如何认知、定义和介绍自己？

最简单的回答就是，我是我自己。I am myself。

我是一个被自己的兴趣和使命感驱动着去做事的人，好像也就是这么简单的一个定义了。

说到你的兴趣，我看到你的经历是，你很小的时候就开始写代码。从小你就对代码、对编程，甚至对图形学感兴趣吗？

我从小就是在玩游戏当中长大的。你看我现在的近视度数，应该也能猜到我玩了多少电子游戏。

在很小的时候，我对图形学的兴趣，可能在我知道这个东西叫“图形学”之前就已经产生了。最小的时候，我可能看亲戚朋友玩《仙剑奇侠传》、《红色警戒》，还有最早的《帝国时代 2》。当然，那时候还没有高清重置版，都是很早的版本。

那个时候我就觉得，用计算机里面的加减乘除去创建出一个世界，是非常有意思的一件事。

那个时候你几岁？

很小吧，可能在上小学之前，幼儿园的时候。

因为我父母从事计算机方面的教学工作，他们在大学里面做老师，所以我很小的时候就接触了计算机。

我印象中，很早的时候我就问过父母一些非常奇怪的问题。有一个问题到现在我还没有想清楚答案到底是什么，我觉得它和你今天想问的这些事情有很大的关系。

我记得小时候，家里住在学校宿舍。楼下有一棵树，可能是桃树还是什么。每到春天的时候，这棵桃树就会开花。

我当时就在思考一个问题：当我在睡觉、当我不再观测这棵桃树的时候，这棵桃树到底是在默默地生长，还是在偷懒、保持原样，直到我看到它的一瞬间，它才突然长成它应该呈现的那个样子？

那个时候我就开始想，这个世界到底是如何运行的。

后来我发现，我作为这个世界中的一员，没有办法区分这两件事。假设桃树在我没有观测它的时候保持静止，等我看到它的时候，它突然快进到现在这个样子，那意味着这个世界背后要做很多计算，对不对？

这也就意味着，如果我在这个世界里很快地观察很多东西，这个世界应该会变慢，我应该能观测到它变慢。

后来我想，为什么我观测不到？因为我自己也是被这个世界所模拟的。所以，作为一个在这个世界里面被模拟的一员，你其实没有办法区分这个世界到底是如何被计算或者被模拟的。

那时候我就在想，我们其实可以构建一套系统，去模拟这个世界里面发生的所有事情。然而在这个系统当中，被模拟的所有客体，其实没有办法意识到自己处在一个被模拟的世界里。

真正开始写代码，尝试模拟一个世界，可能是上小学以后了。

你上小学之后就开始自己写模拟代码了？

对，很早的时候。最早是用 Visual Basic 6.0。我记得当时是一个 6 MB 的安装包，从什么天空软件站或者其他地方下载下来，然后就开始写一些最基本的物理仿真代码。

所以你小学正常的课程还不会教牛顿定律。

对。我当时自己发现了一件事：如果我按键盘上的上下左右键，只让这个物体朝前移动，就会非常不真实。

所以我得给它定义一个东西：我用上下左右操作的，应该是这个物体移动的增量。后来我才知道，这叫做牛顿第二定律。

在这个过程中，你能知道很多非常有意思的事情，也可以锻炼很多逻辑思维能力。

你小学写的那个 simulator，里面可以模拟什么东西？

最早当然有很宏大的愿景。我想的是，我是不是能写一个游戏，在这个游戏里，你可以把所有组件通过排列组合，得到一些能够实现各种功能的神奇机器。

当时有一个游戏叫《Crazy Machines》，中文可能叫《疯狂机器》之类的。大概就是，你有一个网球，希望这个网球经过一系列操作，通过杠杆、滑轮、台阶、电风扇、面包机，最后砸到屏幕上的一只猫。

我当时觉得这个游戏非常有意思。这里面最早的一些物理仿真原理，就在驱动这个游戏，所以我自己一直对这件事特别感兴趣。

我最早写的游戏，印象中是一个宇宙飞船。你可以操作上下左右键，让它在空间里面移动，还可以发射子弹。

后来我还尝试给它加一些引擎。你可以定制这艘飞船，给它加两个推进器，也可以升级其中一些组件。

但是后来电脑好像硬盘坏了，代码也丢了。后来有一段时间，我的兴趣变成了用 RPG Maker XP 做 RPG 游戏。

RPG Maker XP 是一个 2D 游戏引擎吧？

对。后来我接触到 Ruby，就开始学着写 Ruby。

这些都发生在你小学的时候？

对，这个是很早的时候。当时除了玩游戏，做游戏就是我最感兴趣的事情。

你刚刚谈到，你小时候就有一个想法：这个世界在你没有观测的时候，是怎么进行计算的。

现在十多年过去了，你还是觉得我们生活的世界是一个 simulator 吗？

我觉得，作为一个被模拟的客体，你可能没有办法知道答案。

也许我们整个世界就是被一个更高级的文明模拟出来的。它闲着无聊，于是写了一个程序来模拟我们这个世界，就像现在大家制造超级计算机，最终可能变成 100 万个 H100，然后去模拟人工智能。

在这个过程中，如果你只是一个被 Transformer、被 attention model 模拟的 object，你可能很难意识到自己处在这样的容器里面。

所以对我们来说，我觉得很有可能我们是一个被模拟的世界。你可以看到一些痕迹。比如，为什么会有普朗克常数？它会不会就是这个模拟系统的浮点数误差？系统最多只能达到这样的精度，所以在我们观察看来就变成了普朗克常数。

为什么会有光速限制？为什么一个物体只能和未来光锥里面的东西发生 interaction？可能是因为它没有办法让世界上所有粒子之间都发生 interaction，所以干脆给你限制一个光速。

宇宙为什么会大爆炸？可能只是它设置的一个初始条件。

比我们更高级的物种或文明，做这件事的动机，可能就是想看看：如果我给这个 simulation 一个 initial condition，再给它一个最基本的 physical law，这个世界能演化成什么样？会不会演化出人类这样的物种？

甚至，这个物种自己又会去做新的 simulation，通过这种 simulation 满足自己的好奇心，或者训练 robotics，或者创造一个和自己一样聪明的生物或文明。

这种可能性完全存在，而且现在就有可能正在发生。

但我们没有办法说它是真的还是假的，因为你处在这个系统当中，所以可能没有办法突破“自己也是被模拟的”这个极限。

你小学写代码、玩游戏，自己做游戏。那初高中呢？是在写更好的游戏吗？

初高中很多时间被计算机竞赛占用了。很多时候就是做算法题，参加 NOI 这样的比赛。

在这个过程中，其实锻炼了很多 competitive programming 的能力：给你有限的时间，在很大的压力之下，你得把代码写出来、写正确。

我觉得这件事到现在仍然让我非常受益。

初中的时候可能写得更多。我记得当时写了一个弹簧质点系统，你可以构建一个 soft body。

当时有一个游戏也很火，叫《World of Goo》。里面有很多球，你可以把它们连接起来，搭成一个建筑物。

有点像以前一堆磁铁和一堆钢珠，可以把它们搭得很高。

对。在计算机里面，它表现出来就是一个 mass-spring system：一堆球，再加上一些弹簧。我应该还有相关的视频。

到了高中，很多时间当然还是在上课和做竞赛。后来我也不记得是高几了，当时就在研究，我是不是可以模拟一些 rigid body。

我觉得多米诺骨牌是很好玩的事情，于是就想在电脑里面做多米诺骨牌。现实世界中，我堆好一个东西，没有场地，一不小心碰一下就全部倒了。我觉得在电脑里面做可能更有意思。

所以我就在计算机里面做 rigid body simulation，也就是刚体动力学。

在这个过程中，我发现大家对于很多事情的建模其实非常不准确。比如两个刚体之间的 collision，或者它们之间的 friction，很多 model 都只是近似 model。

但我还是对这件事非常感兴趣。后来上大学以后就开始研究流体，到了 PhD 的时候，还是在做 deformable object，也就是弹塑性体、elasto-plastic objects，以及一些气体仿真。

所以你高中做多米诺骨牌的时候，就意识到哪怕是 rigid body 的 contact 和 friction，也不太准确？

对。

高中之后你到了清华。当时是姚班，应该还是比较早期的姚班，是吗？

应该也有十年了吧，我应该不算最早的学生。

现在回忆起来，你觉得那四年最大的收获是什么？

我觉得收获非常大。

昨天我们还在同学聚会。我有一个朋友过生日，大家在湾区一起参加他的生日聚会。到现在我们的关系都非常好，我们已经毕业快十年了。一七年毕业，到今年应该是 8 年，但每年还有聚会。

我觉得在这个过程中，收获最多的可能是一帮非常厉害的同学。

这些同学里面，有人平时好像也不怎么学习，但每次考试都能考 100 分；有人以前参加竞赛，可以轻轻松松拿到 ACM World Finals 的金牌。

在这个过程中，我意识到一件事：这个世界上有很多厉害的人。我觉得光是意识到这一点，就足以说明这四年是非常有价值的四年。

所以在姚班之前，你应该一直是特别突出的那一个。突然到了姚班，你意识到还有这么多厉害的人。

其实不是。大概初中参加竞赛的时候，我就在江苏省队里面认识了很多厉害的人。

我觉得，更早地知道一些厉害的人，对一个人的成长有很大帮助。它会让你知道，原来天外有天、人外有人，原来自己也没有自己想的那么厉害，原来自己还有很多可以提升的地方。

所以无论是参加竞赛、进入姚班，还是后来来到 MIT，在这个过程中不断遇到一些人，你会发现：“原来还有人这么厉害。”这对我自己的成长帮助很大。

正向的是成长。那有没有某个瞬间让你觉得非常挫败？

这样的瞬间很多。

我记得在清华，印象最深刻的是我们上的第一门课，叫《计算机应用数学》。第一次考试考得很难，因为这门课和一般学院的课不太一样。

一般到了清华，会先学微积分、线性代数、概率论这些东西。但我印象中，这门课好像直接 assume 你会了这些内容，然后开始讲后面的东西。

最离谱的是，老师当时说：“这个知识点我上课没来得及讲，所以我把它出成考试题，希望你们在考试的时候能够掌握这个知识点。”

Anyway，这是一个很 intense 的环境。

有一次比较挫败，是第一次考试。考完以后大家都觉得题目特别难。有一个同学说：“哎呀，我要挂科了，好难好难。”

最后发现，他考了 98.5 分。

我好像在知乎上看到过这个故事。

对。当然，我和他现在还是很好的朋友。他自己也在国内做 robotics 方面的一些公司。

我觉得这对一个人来说是非常开眼界的事情，very eye-opening。

你本科的时候就开始做科研了，而且是图形学的科研？

对。

最早的时候，图形学在中国有一个困境：要在中国做图形学，机会好像不太多，所以我基本上都是自己在宿舍里面捣鼓。

在这个过程中，我会看看 SIGGRAPH 的 paper，然后想：“这个效果好炫酷，我能不能自己实现一下？”

于是我实现了很多 SIGGRAPH paper。在这个过程中，也积累了很多对于物理仿真、rendering、渲染等技术底层的理解。

当然，我也发现很多 paper 并没有把所有事情都写出来。这让我比较早地意识到，科研其实有很多局限性，不能太迷信 paper 里面说的事情。

为什么当时你觉得在中国做图形学没有那么好的土壤？

因为最优秀的同学都去做 AI 了。

哪怕是 2013 年到 2017 年那段时间，正是神经网络很火的时候。2012 年 AlexNet 出来了，后来是 ResNet，再后来是 AlphaGo。

整个 graphics 不算是最好的方向。最优秀的人，或者说没有想清楚自己真正喜欢什么事情的人，很多都会去做 AI，而且很多人做得非常不错。

我有很多同学后来做出了影响力非常大的工作。

你当时考虑过去做 AI 吗？

考虑过，我也做过一段时间 AI。

当时我去了微软亚洲研究院 MSRA，在 Steve Lin 老师那边实习。他们组叫 Internet Graphics，网络图形组。去了以后发现所有人都在做 AI，那我也只能去做 AI。

最早大概是大三下学期，我开始做一篇 CVPR paper，是关于用神经网络预测 white balance 的，后来发表在 CVPR 2017。

后来看到 AlphaGo，我觉得 reinforcement learning，也就是 RL，很有意思，于是又想办法用 reinforcement learning 做图片后处理。

当时 GAN 也很火，我就想试试 GAN，于是把 GAN 和 RL 两个东西结合到一起。最后训练了 1000 多个 model，才训练出一个勉强可以的 model。

最后我发现，这两个技术当时好像也没有那么成熟。这就是我对 AI 最早的一些印象。

那个时候 RL 还停留在 A3C？

对，PPO 好像刚刚出现，或者还没有 PPO。那时候还是 actor-critic，好像加了一个 advantage。

DDPG 那个时候也有了？

对。

各种稳定性问题当时也没有解决。其实我觉得到今天，sparse reward 的问题都没有解决，还是靠 pre-train，再加上 RL 去 fine-tune 来解决。

但当时没有这个认知。我当时觉得，通过 RL，理论上应该能把这些东西吹好。

今天也没有解决。我们过去一周捏了一周的 reward function。

所以你本科做了不少 AI 研究。它占你本科研究的多少？

最后能够发表论文的，全部都是 AI 研究，graphics 一篇都没有发表。

第二篇是 AI 加 graphics，最后发表在 Transactions on Graphics，也就是 SIGGRAPH 上面。不过那篇文章本科时没有做完，后来我到了 MIT 以后才被接收、发表。

所以你到了 MIT 之后，想过自己要做什么吗？还是非常坚定地要做 graphics？

当时非常坚定地想做 graphics，哪怕那时应该是 2017 年，我觉得当时的氛围应该是 MIT 很多人都在做 AI。

但我觉得，MIT 并没有很多人在做 AI。整个 MIT 和 Stanford 这种靠近产业中心的学校相比，对于 AI 的接受程度其实要低很多。

这和整个 Boston 地区的创业氛围有很大关系。由于没有产业驱动，Boston 这边做得更多的还是 bio。你看 Boston 的初创公司，基本上是 bio 领域的，AI 领域的初创公司比较少。

我对 Boston 的印象很深，感觉全是 biotech 公司。

对。这可能导致 MIT 在整个 AI 时代跟得没有特别紧。

我觉得这可以是好事，也可以是坏事，需要辩证地看。

2017 年的时候，很多同学还在做很传统的东西，比如各种 compiler for simulation、3D printing。大家会尝试把 AI 结合进去，但 fundamental AI research 从 MIT 出来的并不多。

我在 MIT 很幸运的一点是，读完 master 以后，换到了我后来的两位导师的组里。一位是 Frédo Durand，另一位是 Bill Freeman。

在他们两位导师的指导下，他们都比较 hands-off，没有对我的研究加太多约束，所以我可以比较自由地做自己的 research。

我非常享受那段时间。

但你跳过了第一年。你第一年其实不太 enjoy，对不对？因为我看到你在很多地方说过，第一年差点在 MIT 退学。

对，当时差点退学。

原因是我和第一年的导师研究兴趣并不是特别一致。一方面，我有自己的 research interest；另一方面，我还要满足他那边的一些固定约束。

所以很多时间，我都要做自己不那么 enjoy 的事情。而我恰恰是这样一个人：如果让我做自己 enjoy 的事情，我可以付出 1000% 的努力；但如果让我做不那么 enjoy 的事情，我会非常痛苦。

在这个过程中，我大概学会了一件事：我只能做自己 enjoy 的事情。如果一个事情我没有那么 enjoy，I would rather not do it。我宁愿不做它，也不会开始一段痛苦的经历。

我觉得你有一个很强的天赋，就是很清楚地知道自己 enjoy 什么。

很多人可能没有这个认知。在早年求学时期，他们可能是“你让我做什么我就做什么”。

你是什么时候意识到自己喜欢什么、enjoy 什么的？很早就有这样的认知吗？

我觉得很小的时候就有。

我很早就知道自己喜欢写程序。可能上小学的时候，我就知道：“我一天不写程序，浑身就难受。”

那时候我就知道，我很喜欢创造一些东西。恰好 C++ 和 Python 又是非常灵活的 building block，就像玩泥巴一样，只不过泥巴可能没有 C++ 和 Python 用起来顺手，能让你构建出一些东西。

所以我相对来说比较早就知道自己到底 enjoy 做什么。

很多人哪怕读完 PhD，也可能不知道自己喜欢什么。你觉得这是天资、运气，还是各种因素综合的结果？

我觉得天资就是运气。

你 genetically 抽中了一个比较好的基因，恰好在这个时代又需要你这个基因能够做的事情。

所以我觉得，可能 99% 都是运气。甚至你的努力也是运气的一部分。

因为你有这个运气，所以知道自己喜欢什么，所以可以努力。我觉得运气是非常重要的一件事。

第一年你和导师研究兴趣不一致，又有 funding project 的压力。后来是什么契机，或者谁的帮助，让你走出了当时想退学的状态？

一个原因是，当时我还是发了不少论文，算是比较 productive。虽然很痛苦，但比较 productive。

另外，我也和几位清华的学长聊了聊。他们当时正在相关组里做 postdoc，或者是比较 senior 的 PhD。

聊完以后，我觉得也许可以在 MIT 内部换其他组、换导师。后来换了导师，日子就好过了很多。

具体有谁？他们告诉了你什么？

主要是家俊和俊彦。

和他们聊，一方面是聊科研到底有什么可以做的。家俊跟我说：“你要不要试试把 simulator 做成 differentiable 的？你可以求 simulator 的导数。”

后来这就变成了 ChainQueen 和 DiffTaichi 两篇 paper。它们都是很有意思的工作，把 simulation 和 robotics 结合了起来。

俊彦跟我说了做有 impact 的 research 的重要性。

当然，后来我自己也想明白了：在 MIT 其实还有很多事情可以做，这是一个非常好的平台，那里有很多优秀的人。

对世俗来说，从 MIT 博士毕业，本身就是一种 certification。在别人对你没有任何了解的情况下，这个 certification 是有用的。

当然，最重要的是，我仍然认为留在 MIT 可以做出很多有意思的工作。

如果现在让你成为那个开解 MIT 一年级胡渊鸣的学长，你会对当时的他说什么？

特别好的问题。

我觉得还是要打开眼界，先花更多时间想什么样的工作是重要的工作，然后再去执行计划。

Spend your time on a good strategy before you execute it。

你在知乎那篇文章里也谈了很多。我记得你引用了爱因斯坦的一句话：“我愿意花 95% 的时间思考问题，然后花 5% 的时间解决问题。”

所以你觉得，博士一年级的时候，你花在思考什么问题重要这件事上的时间不够？

对。一方面是时间不够；另一方面，客观上来说，当你没有发足够多的论文、灌足够多的水之前，你可能不知道什么样的问题是重要问题，甚至没有这个认知。

你可能发了一篇论文，觉得自己做得很好，但和别人聊起来，他们一点也不 exciting。你会想，为什么我的文章只有这么少的人关注？

经过足够多的挫败和反思以后，你才会知道，一个好的方向应该是什么样的。这需要经验。

你在那篇知乎文章里说，你会问每一位麦克阿瑟奖学金得主：“你做的事情重要吗？”

我特别好奇，你最近做的最重要的一件事是什么？为什么重要？

特别好的问题，我可能得想一想。

如果从公司层面来说，最重要的事情就是招聘。因为一个公司的核心竞争力永远是人才。

只要有最好的人才，就能做出最好的产品；有最好的产品，就可以有最多的用户；有最多用户，就可以有最多的 revenue；revenue 又可以投入 R&D，继续寻找更好的人。

所以我觉得 talent acquisition 一直是 CEO 最重要的事情之一。

你现在作为 CEO，最重要的事情就是 recruiting，找更好的人。没有比这个更重要的事情？

哪怕是公司的战略方向、我们要做什么 product，我觉得也同等重要。

一个是思考公司的 roadmap 和 strategy，另一个是 recruiting。当然，还有一个同等重要的事情，就是比较 hands-on 地参与公司的日常事务。

我觉得这三件事可能是：recruiting 占 40%，思考未来占 30%，紧密参与业务占 30%。

这个问题本来应该待会儿再问，但我迫不及待想问了。

你现在作为 CEO，想招最好的人才。什么样的特质会让你觉得：“我好想招他，我特别想让他来我的公司”？

很多时候是凭感觉判断，但普遍看下来，这样的人都有一些共同特质。我总结下来，可能有四点。

第一点是 hungry。一个 hungry 的人，往往还没有证明自己，但特别想成为更好的自己，特别想去一个成长快速的地方，开创自己的一番事业。

这种对做出 impact 的饥渴感非常重要。

如果你去找一个已经功成名就、well established 的人，他可能就不愿意 take the risk，去做一些让职业发展更上一层楼的事情。

第二点是 humble，也就是谦虚。

我招聘时很重要的一件事，是看这个人是不是 open，能不能意识到自己还有很多事情没有做好。

一个人最可怕的事情，就是已经无视事实，不断扭曲现实来安慰自己，觉得自己做得还不错。历史上很多灾难发生的原因，就是因为没有直面现实。

当你直面现实以后，就会发现：“原来我还有这么多地方没有做好，那我得采取什么行动。”

所以 humble 是我非常看重的一点。如果一个人不 humble、不 open，即使现在很厉害，未来也不会继续向前进。

用一个术语来说，就是 growth mindset。这个人是不是能够不断改变自己、不断否定自己、不断成长。

第三点是 smart。你当然希望和聪明的人在一起。Smart 的人可以很 resourceful，想尽一切办法解决问题。

比如，计算资源很有限，但他能想到一个很好的 optimizer，让训练效率变成原来的 2 倍；或者使用更精确、更低的 floating-point precision 去训练 model；或者通过一些 hack，用更少的资源做更多的事情。

他们是最好的 problem solver。

在创业公司里，很多时候你并不需要特别好的 manager。你需要一定程度的 management，但更需要的是每一个 individual contributor 都是很好的 problem solver，能够解决问题。

第四点是 clarity。他的表达应该是清楚的，他说的话你应该能听懂。

很多时候，你去面试一个人，或者和一个水平比你高的人聊天，当你发现他说的话完全听不懂时，十有八九不是你有问题，也不是你的认知水平太差，而是他没有把事情讲清楚。

清楚的表达，对于团队协作、团队凝聚力，以及一个人的思维方式，都有很大帮助。

很多时候表达不清楚，不是口才不好，而是头脑里没有想清楚。头脑里想不清楚的人，往往也不会具备 humble、hungry 和 smart 这些属性。

所以总结下来，就是 hungry、humble、smart 和 clarity。

你有没有犯过错误？有没有在人生某个阶段不 hungry、不 humble、不 smart，或者没有 clarity？

非常好的问题。我经常犯这样的错误。

我每时每刻都在想，刚才讲的事情能不能让听众听懂。这其实就是 clarity 的问题。

即使我们在录这个 podcast，我也要确保表达的所有观点都清晰地传达给你和所有听众。

以前我觉得，clarity 是我比较早克服的一个问题。当然，clarity 有很多不同表现。

最常见的一种表现，就是一个人会说很多。在和别人相处的过程中，他会想办法 dominate 这个对话，而不去听别人在讲什么。

他说了很多，但其中可能只有 10% 的内容是对方能够接收的。我在很多新管理者身上看到过这个问题，自己刚成为管理者时也有。

直到后来我发现，不重要的是说，最重要的是听。听比说很多重要得多。

Hungry 的反面，我觉得就是躺平。我有没有躺平过？可能一直也没有。我一直是比较努力的人。

当然，底层还是运气。我的身体状况可能支撑我一直 hard work，所以 hungry 底层也是运气。

Humble 方面，我觉得我每时每刻都在被社会毒打，总是发现：“原来还有这么厉害的人。”

每次觉得自己还可以时，去看看做得最好的人是什么样，就会发现还有很多提升空间。Humble 这个问题可能一直在犯，但我知道自己有这个问题，所以能够 correct myself，纠正自己。

Smart 方面，最大的错误可能是 be smart about the solution，却忽略了 being smart about strategy。

你花太多时间想 how，却没有花足够多时间想 why。就像你刚刚说的 PhD 第一年的时候。

做公司也是一样。公司已经做了 4 年左右，和很多创业公司一样，最早也经历过几次转型。每次转型都不是我们不够 hard work，而是没有 figure out why。

这个部分等会儿会着重讲。

我想先回到你那篇文章。你说如果重读 PhD，会做出四个改变。第一个是，你可能不会选择去 NVIDIA 写太极，而是接受凯明的 offer 去 FAIR，做 AI 研究。

当时对你来说，去 NVIDIA 写太极可能是在舒适区里。为什么你会觉得那个选择可能犯了刚才说的四个错误之一？

首先，NVIDIA 是非常不错的公司，去那里也是不错的选择。

但如果更早参与到 AI 更 exciting 的 frontier，对我的帮助可能会更大。

当时是 2020 年的夏天？COVID 期间？

对，2020 年暑假。

第二点，你说你还是会 work hard，还是会做太极，但不会把太极局限在 physical simulation 上。

对。我觉得这可能会让它变得更好。

但 as of today，你去看太极在 simulation 里是一个相对小众的使用场景。当然，随着 embodied AI、具身智能不断演进，能够使用 simulation 的地方应该会越来越多。

所以未来可能会不一样。我觉得太极的使命可能也只完成了一半，后面我还想和大家一起做 Taichi 2.0，有很多 exciting 的事情可以基于太极的框架去做。

但这里有一个顺序问题。如果更早地把太极朝着优化 Transformer 这样的架构去做，现在太极可能处在 train-time 的位置，使用场景会更多，impact 也可能比现在大很多。

太极我们等会儿着重讲。

第三点，你说你还是会以一年 PhD 为目标，即使这个目标根本不可能完成，但这样可以让你尽快开始下一个更有意思的事情。

对。我觉得设立高目标非常重要。

我还是会以一年毕业作为目标。永远都是“求上而得中，求中而得下，求下而不得”的过程。

所以尽早毕业，会是一个 PhD 很好的目标吗？很多人也说，不要急，慢慢做。

不同人有不同选择。

关键还是看你读博士时，所处的环境是不是最适合你做内心想做的事情。

如果你想在学术界继续做研究，也能接受学校里可能没有足够计算资源，能接受做出的工作距离用户有一定距离，但在学术界影响力可能很大，那多花一些时间读 PhD 当然也很好。

但我当时读到后面，已经不知道再读博士应该做什么了。可能当时也没有看到 AI 方面更前沿的东西，所以坦率说比较迷茫。

你是博士第几年意识到，好像没有什么可做了？

大概第三年，快毕业的时候。

不过当时 paper 也已经有足够影响力了，所以两位导师就让我提前毕业了。

第四点，你说如果重读 PhD，会花更多时间和不同领域的厉害的人交流，而不是天天把自己关在宿舍写太极。

是。

这个事情我从小到大都没有做得很好，因为我性格实在太内向了，和别人交流会觉得很累，所以很倾向于坐在电脑前，和 NVCC、LLVM 打交道。

所以对外沟通确实少了很多。

我记得 Richard Hamming 讲过一个观点：如果你把自己关在办公室里，每天做自己的事情，短时间内当然能产出更多，但 5 年以后，你一定不知道自己该做什么。

所以他的 argument 是，办公室的门应该开着，多听听其他人在做什么，让别人更容易找到你，告诉你：“这里有一个很严重的问题我们解决不了，但你的技术也许可以解决。”

我觉得这是一个很好的建议。

现在做创业公司也一样。很多时候多和客户聊一聊，听听他们的反馈，对整个团队都很有帮助。

但因为我性格内向，所以我得逼着自己做这件事。

我觉得你已经很外向了。我是一个和别人聊天就会消耗很多能量的人。

我也是。最后就变成用写代码来恢复能量。

刚刚你提到 Richard Hamming，我很高兴可以用它引出下一个 chapter：太极图形和 physical simulation。

第一个问题是一个 Richard Hamming style 的问题：什么是 computer graphics？这个计算机图形学领域最重要的问题是什么？

这是一个很好的问题，但不同的人应该有不同答案。

我的答案是，computer graphics 就是用加减乘除创造一个虚拟世界。

因为不管是 CPU 还是 GPU，它们都只能做加减乘除、开方、三角函数。但你却要用这些最基本的 building blocks，创造出一个栩栩如生的世界，也许是《赛博朋克 2077》或者《巫师 3》这样的游戏画面。

我觉得这是非常吸引人的事情。

当然，computer graphics 这个行业在产业和商业上有一些困难，所以可能不像 AI 或者 data 那么火热。但依然有很多热爱它的人继续做创业、做研究。

我觉得 computer graphics 的发展非常有意义。现在 AI 使用的硬件，也是从最早的 graphics 演变出来的，对吧？Graphics 为很多学科铺平了道路。

那 graphics 领域最重要的问题是什么？

要看不同的时代。

最早的时候，graphics 局限在可视化和真实感渲染，可能是 21 世纪之前，尤其是 1995 年之前。

到了 1995 年以后，大家发现可以用 graphics 做物理仿真。我觉得最早可能是 Ron Fedkiw 这一代人做的烟雾模拟等 simulation 工作。

那篇 paper 好像叫《Visual Simulation of Smoke》，大概是 1995 年或 1996 年。那时候大家发现，流体好像也可以做，于是开启了直到今天还在进行的各种 simulation 话题。

重要目标就是，在计算机中还原真实世界的物理效果。

当然，graphics 有一个特点，它可能更面向视觉特效行业。随着技术溢出，有些也被用到了 robotics 领域。

每项技术一开始可能只想解决一个问题，后来做着做着发现，其他问题也可以解决。这就是技术 diffusion 的过程。

Simulation 是其中一个方向，此外还有一些 computer graphics 的其他 branches，比如 computational photography，计算摄影学。

你用过很多相机应该知道，整个成像和后处理里面有很多学问，比如如何用 super resolution 提高照片分辨率。

但因为这里面经常使用卷积神经网络，很多时候大家也会把它和 CV，也就是 computer vision，放在一起。所以 vision 和 graphics 一直是不分家的两个学科。

我们了解了什么是 graphics。我想知道什么是太极，为什么要做太极？太极在 graphics 里面解决了什么重要问题？

最早的时候，太极的主要应用场景就是 simulation。我们希望用一套好的基础设施，让仿真能够被推到非常大的 scale。

我整个 PhD 最终实现的一个目标，就是可以在一块 GPU 上运行 10 亿粒子的仿真。

你用 Taichi 做了 one billion particles。在太极之前，这完全不可能。

对，完全不可能。

为什么不可能？因为你要实现 10 亿个粒子，而当时我记得是在一块 RTX 3090 GPU 上。那块 GPU 有 24 GB 的显存，也就是说每个 particle 占用的内存空间不能超过 24 bytes。

只有这样，乘上 10⁹ 以后，才能塞进一块显存。

为了实现这个事情，我在 compiler 里做了很多事情。当时 16 位浮点数我都舍不得用。一个 particle 的 x、y、z，我想把它们压进一个 32 位整数里：x 用 11 位，y 用 11 位，z 只能给 10 位，11 加 11 加 10 正好是 32。

但如果没有 compiler，自己去写这个东西会非常痛苦。所以当时做了一个叫 quantized fields 的工作，可以把太极里的 data structure 全部 quantization，变成 low-bit 的数据结构。

这样才能让一块 GPU fit 10 亿个粒子。

所以你可以看到，太极要解决的是 infrastructure 层面的问题：让 simulation 更容易开发，运行速度更快，更省内存，和周围的生态环境更加友好，而且还变成 differentiable、可微的，这样它就可以在很多 robotics 场景中使用。

为什么前几十年 graphics community 没有这样的努力？

其实早期就有。我觉得 CUDA 就是这样的努力。

CUDA 在 C++ 之上沿用了 C++ 的语法，让每个 C 或 C++ programmer 都可以编写 GPU 程序，编写并行程序。它用尽可能接近 C 或 C++ 的语法实现了这件事。

但随着时间发展，大家发现 C++ 逐渐被更高级、更容易开发的语言取代，比如 Python。

甚至出现了很多在 Python 里面写高性能程序的方法，最典型的 case 就是 PyTorch。

PyTorch 相当于 abuse 了 Python 的很多语法，让你可以在 Python 里面实现高性能计算框架。

太极也是一样。

在 Python 这样的高级语言还没有成熟之前，在 LLVM 这样的 compiler infrastructure 没有成熟之前，在 MPM，也就是 material point method，这样的 simulation approach 没有成熟之前，在 GPU programming 没有成熟之前，做这样的事情其实很难 make a splash，很难产生 impact。

我觉得当时是一个比较好的时机。对我来说，我自己也喜欢捣鼓这些东西。

当然，你还需要一个初生牛犊不怕虎、觉得自己可以造一个 compiler 的年轻人开始做这件事。这个勇气也很重要。

你在 MIT 写太极，相当于一个人 solo 做这个 project。那是什么样的体验？

很爽。

我找到了一个点：我可以做自己喜欢的事情，可以发 paper，可以开源，可以让很多人来用这个东西；还可以把自己关在一个小房间里，不用和任何人打交道；还可以让导师觉得我干得不错；还可以用自己造的轮子造轮子。

从底层开始造轮子，是我很喜欢的事情。

做太极让我从汇编、PTX，一路写写写，写到知乎文章去宣传这个工作，把整个 full stack 都做了一遍。我觉得这是对自己能力很大的锻炼。

现在回过头看，我当时其实扮演了一个产品经理的角色：分析用户需求，思考 simulation 的人到底需要什么样的 infrastructure。

因为我自己就是用户，所以可以成为一个很好的 product manager。在这个过程中，我学习了产品经理应该具备的能力。

我也扮演了 scientist 的角色，了解最新技术，思考如何把它转化成一个大家能够使用的好产品。

我还扮演了工程师的角色，包括给 GitHub project 设置 CI/CD，设计软件架构，做 C++ 层面的性能优化，多线程并行编译、编译 cache，以及整个中间表示的设计。

这些都是工程师做的事情。

我还做了 CEO 要做的事情：如何把这三个角色的成果整合起来，让更多人用上。

所以它相当于一种叠加态，或者一种雌雄同体的状态，自己闭环把事情做出来了。

我能想象，这是一个非常浪漫的个人英雄主义 PhD 故事。尤其是在波士顿，可能有三四个月处在 COVID 期间，外面下着大雪，你在房间里既当工程师，又当产品经理，又当科学家。

现在回看那几年，有没有什么瞬间让你特别感动，或者觉得太极会改变世界？

首先，我不需要靠那种时间和环境来驱动自己继续做这件事。

当然，可能有几个时刻让我觉得特别有意思。

比如第一次用自己的编程语言实现自己的程序，发现它还比库更好用的时候，我觉得那时候真的牛逼坏了。

你看 NVIDIA 花那么多人力去造这样的 programming language，居然还没有一个 PhD student 做出来的东西好用。当然，只是在某个细分领域更好用，但那一刻我觉得非常有意思。

还有一个瞬间，是我给太极加上 autodiff 的时候。

我大概花了三四天时间，把太极的程序从只有 forward 变成能够 backward。当时我在 Adobe 实习，就在旧金山附近。

我实现了第一个 end-to-end differentiable 的 soft-body simulator，一个 MPM simulator。

我把当时用 CUDA 写的 ChainQueen 代码加上 autodiff，两行代码就把它变成了 differentiable code。

这个时刻也特别有意思。我觉得只有自己造了一个 compiler，才能做到这件事。

刚刚谈到一个关键词：太极其实是一个开源项目。

对。

我特别想知道你现在对开源的看法。太极是一个很好的开源 physical simulation 编程语言，现在也有 Llama 这样的开源 LLM，它们好像有一个共性，就是不挣钱。

你现在觉得创业公司应不应该做开源？

我对这个问题的看法反复过几次，一直在反思自己之前的 judgment 是不是正确。

最早当然觉得“开源大法好”。当时很多 graphics paper 没有开源，甚至没有附代码。

我做的事情是，所有 paper 的所有实验结果都可以通过一个命令行全部复现出来。你去看当时太极的代码，会发现每一个实验结果都有一个 command line，运行以后就可以端到端复现结果。

那是在我读博士时，当时觉得开源非常棒。

博士毕业以后做公司，最早也觉得成熟的开源项目可以做得很大，比如 Databricks，它就是从一个开源项目开始做起来的，现在也是没有上市的最大独角兽之一。

刚开始做公司时，我们想继续做太极，也做了文档，建立了丰富的社区，越来越多人来使用。

但后来在商业化上遇到了一些挑战。有一段时间我觉得，商业公司做开源可能是九死一生，因为你把最好的东西都给别人了，那怎么赚钱？这是很现实的问题。

所以有一段时间，太极研发的投入比较小。那段时间我们也把很多精力投入到了 Meshy 这个新项目，所以太极团队的一些同学就调过来做 Meshy。

但现在情况又不一样了。Meshy 商业化已经做得相当不错，有不错的营收，我自己也有一些额外精力重新思考开源。

开源确实不挣钱，但一个好的开源项目能够帮助你吸引最好的人才和最好的客户。它相当于一种 marketing 手段。

做技术的同学可能对 marketing 这个词比较抵触，但在很多行业里，研发和 marketing 是同等重要的事情。比如一个游戏花 1 亿人民币研发，再花 1 亿人民币做市场，是很正常的。

大家可能会觉得，一个产品投入 1 亿，花 100 万做 marketing 就够了。但很多时候市场和渠道就是要花很多钱。

如果你能通过研发的形式做市场和渠道，that’s great。

而且作为技术出身的创始人，我不擅长传统意义上的营销。我还不如做一个好的产品，做技术上的营销，通过把代码给你来建立信任，让你知道我是谁。

所以，开源在初创公司里有它的位置，但必须非常 strategic。你要想清楚一个好的商业化方式，和开源互补，这样整个事情才能闭环。

否则很快大家会问：“为什么要有一个部门做开源？”这也会影响公司的竞争力。

但如果用得好，它能够增强整个公司的竞争力。最根本的是，我仍然很热爱开源。

很多人创业，是希望和一帮人一起做一个理想中的事情。如果开源在我的理想里，那它一定会以各种形式存在，甩不掉，迟早还会走回这条路。

太极有两个标签，一个是开源，另一个是它最大的 application——physical simulation。

如果我们想让 physical simulation 对 robotics 更有用，还有什么需要做？哪些方向是最高 priority？

我觉得现在的 simulator，某种意义上需要变得更加 data-driven，并和 neural 的方法结合。

这不意味着牛顿第二定律不准确。牛顿第二定律是准确的，相对论也是准确的。

但很多 boundary condition 可能不准确。很多像 Hooke’s law、摩擦定律这样的 model 可能不准确，因为世界上有太多种不同的摩擦。

光滑表面和光滑表面的摩擦机制，和把一块玻璃放在湿漉漉表面上的摩擦机制，完全不一样。这些建模都不准确。

所以 simulation 和 reality 之间的 gap，需要用 data-driven 的方式 close 上。

另一方面，虽然现在大家都讲究 end-to-end，但你仍然会看到，大家会给 end-to-end neural network 加入很多所谓的 inductive bias。

最经典的例子，就是 Transformer 里常用的 RoPE，也就是 rotary positional embedding。它通过复数实现了一种 relative positional embedding。

如果抛弃这些 inductive bias，连 Transformer 都不要，直接全部用 MLP，从头到尾都是 dense connection，行不行？

如果有足够的 compute、足够的 data，可能可以。但事实上你没有，所以只能通过从现实三维世界、物理世界中得到的 inductive bias，inject into your learning system。

我觉得这正是 physical simulation 和 neural networks、AI 能结合的一个特别好的地方。

Simulation 里面需要更多 AI，AI 里面也需要更多 3D inductive bias。要找到一个恰到好处的平衡点：不要越俎代庖，不要低估模型的学习能力，但也不要真的把所有事情都交给 learning。

很多底层 insight 非常有助于系统学习。

如果我们想把现在基于牛顿第二定律的 rule-based simulator 变成 learnable 的，哪个部分应该 train？用什么样的 data？

我们先说一个使用场景，可能更容易举例。

比如做 video generation，可能需要一个 camera model。如果能把世界里的 object 不用 pixel 表示，而用一种 3D representation 表示，然后把 camera projection 这件事 hard code 住，是不是就能省掉很多需要学习的参数？

Camera projection 在 traditional graphics 里，可能 50 FLOPs 以内就能完成。但如果用 AI 做，可能要加上 1 billion 个参数。

所以 inductive bias 在这里非常有效。

或者现在做 video model 经常遇到的问题是，camera 转 360 度回来以后，看到的是一个完全不一样的世界。

如果你对世界有一些基本的 3D modeling，用 particle 也好，用 voxel 也好，至少可以把 physical persistency 的问题解决掉。

如果让你看待现在市面上能用的 simulator，从 Isaac、MuJoCo、Drake、PyBullet 到 Genesis，它们有哪些共同的问题？

共同的问题就是 sim-to-real gap。

这些 simulation 当然有一定的预测性，但实际上每一个做 robotics、用 simulator 的人都知道，你要把参数调对，把 boundary condition 设对，让 solver 发挥到最好的状态，是相当难的一件事。

那未来的 simulator 里面当然会有牛顿第二定律。没有意义用 Transformer 重新学一遍牛顿第二定律，用更多 FLOPs 去预测下一帧的位置，而本来用很少的 FLOPs 就能做好的事情。

对，那当然不 make sense。

但你也要考虑整个物理世界的复杂性。你没有办法直接用牛顿定律、Euler–Lagrange 方程，或者 Navier–Stokes 去 model，因为它们本身都是近似。

你可能需要很多 learnable system，帮助你 capture 真空环境下有效、但现实中有空气阻力、物体表面不是刚体的物理规律。

或者边界条件和你想的完全不一样，你也没有办法测量这些边界条件。在这种情况下，系统如何尽可能真实地对 training 提供帮助？

这是 physical simulator 和 neural deep learning 结合的一个很有意思的地方。

如果太极朝这个方向发展，有很多事情可以做。你需要一个 underlying infrastructure，让它能以很高性能继续像 MPM 一样求解 elasto-plasticity，同时材料本身，比如 stress-strain curve，也可以 data-driven。

这样就需要把高性能神经网络单元塞进 simulator 里。

从牛顿定律谈到 data-driven，我特别好奇，physical simulation 的极限是什么？

我们到底能够在多大程度上模拟这个世界？如果真的可以完美模拟世界，是不是就可以从里面造出 AGI？这个极限到底在哪里？我们什么时候知道这件事可做、值得做？

这是一个很好的问题。

一个很伤心的事实，当然只是我的猜想：如果我们自己的世界就是被模拟出来的，那么一个模拟器里的另一个模拟器，不会比它的母体模拟器更强。

所以，也许我们在这个世界里造一个 simulator，模拟整个世界，并让它运行得比现实时间更快，是 unlikely 的，除非只做一个 small-scale 的模拟。

这也意味着，预测股市可能很难，因为股市涉及整个世界的人都参与其中。但做一个风洞模拟，是可以的。

现在 simulation 的发展，应该说遇到了一个瓶颈。

以前大家可能会发现，finite element、finite volume、material point method 或者 mass-spring system，总是还有新的 discretization scheme，或者新的加速方式不断被提出。

但最近几年，这方面的进展好像没有以前那么多了。

纯粹数值仿真的应用场景仍然很大。像 Simcenter 或者 Fluent 这样的软件，已经在很多场景被广泛使用。

但我感觉这方面的技术有点到了瓶颈。如果继续往前做，最 promising 的方向就是把 AI 放进去。

比如 elasto-plasticity，也就是弹塑性形变，能不能用 data-driven 的方式做？因为原来的模型本身很粗糙，没有理由 data-driven 的方式做不过它。

我们做 robotics 的人里面流传一句话，叫 control is dead。你会觉得现在 simulation is also kind of dead 吗？

在细分领域，肯定还有很多进展。但在 fundamental 的、大的 breakthrough 上，至少我没有听说太多。

我看到你写过，你从 MIT 毕业时觉得 graphics 领域也陷入了瓶颈，不知道留在学术界还能做什么。

5 年后再看，你觉得当时的判断正确吗？

差不多。

当时大家做 rendering，很多事情已经变成已有技术的排列组合。

比如我记得有一个算法叫 AMCMC-PPM：adaptive Markov chain Monte Carlo、unified path sampling，以及 adaptivity，把这些东西整合到了一起。

当然，它仍然是有意思的工作。但有这样的工作出现，就说明后面的进展不会特别多了。

我觉得这是一个有意思的规律：当你发现一个问题越来越干净、越来越 well-defined，就说明这个问题可能已经没有太多可以做的了。

当它形成了特别系统的 benchmark，或者已经变成把解法做得越来越复杂时，就说明在这个领域开疆拓土的机会比较少了。

你刚刚谈到所有 simulator 都有 sim-to-real 问题。你相信 sim-to-real 吗？

我相信。

虽然有这些问题，但 simulation 依然有很大的意义。

不说整个 CAE 领域用各种 simulator 造飞机、造火箭，这就是很大的应用场景。并不是他们不用 simulator、全部改用 AI 了，这并没有发生。

但在 robotics 场景中，最头疼的问题是，让一个 robot 操作桌上的蔬菜或盘子，其实比让飞机上天更难。

飞机上天，说实话天上无非就是空气，顶多有点云。但当你要更细致地 manipulate 桌上的东西时，这件事非常难。

中间很多边界条件的不一致，会导致 simulation 很难在现实中落地。肯定还要做各种 adaptation，而且它不像 RLHF 一样有一个 pre-trained model。

如果有一个 pre-trained model，可以用 simulation 去 pre-train，当然很好。但用 simulation pre-train 出来的 model，只能在 simulator 能提供的 case 上 work。

Simulator 的数据不能算真正的高质量数据。

前段时间，Berkeley 的 Sergey Levine 写了一篇 blog，叫《A Spoonful of AGI》，大致主旨是，他觉得 simulation 反而是我们给 foundation robotics model 设下的限制。

他在文章里表达了某种程度上对 simulation 的抵触，认为下一代 foundation robotics model 应该使用 real-world data，而不是 synthetic data。

你会怎么评价这个观点？

我觉得有道理。

Synthetic data 永远只能用来 enhance 一个 model，不能从 bottom up build 一个 model from scratch。

如果要训练 foundation model，所有 data 或者大部分 data 都是 synthetic data，一定不会 work。

因为所谓 synthetic data，就意味着你能够 synthesize 它。一旦能够 synthesize 的 data，就一定遵循某些 rules。

这些 rules 一定是人为思考出来的。先不说 rules 的 coverage，现实世界可能有 1 亿种情况，而你的 rules 只能覆盖 1 万条。更不要说这些 rules 可能和真实 physical law 还有距离。

given 这个论断，你还会觉得一个 general robotic simulation 成立吗？

我们能不能造出一个 robotic simulation，帮助机器人从里面学会给你洗衣、做饭？

我觉得，如果把 simulation 和 VLM 等 foundation model 很好地结合起来，是成立的，有机会。

当然，最后得到的东西可能既不是 simulator，也不是 neural network。

它可能是一种嵌入 neural network 的 3D inductive bias，让 neural network 更容易学习。

但它又和已有 neural network 足够不同，里面可能会有各种神奇的 operator。比如在三维空间中采样很多点，而且它可以是 end-to-end differentiable 的。

这样就可以把 simulator 最擅长的部分，比如从空中抛一个球，轨迹是抛物线，和 data-driven 方法对于复杂边界条件的强 adaptivity 结合起来。

刚刚你讲了很多现在 simulator 存在的限制。如果胡渊鸣今天重新做一个 simulator，会跳出什么旧范式？

可能会用 learning 为主去驱动，而不是用牛顿定律为主去驱动。

做了很多基于 Navier–Stokes、Euler–Lagrange 方程、牛顿力学定律的 simulator 以后，我发现，这些 physical law 本身也许不是 approximation，但它们描述的环境和 boundary condition 是近似的。

所以我会希望保留更底层的元素，而把这些 physical law 都变成 data-driven，包括 deformable object 的各种模型。

更底层的元素，比如我桌上的杯子下一秒不会消失，两个物体不能 occupy 同一个位置，这些需要保留。

还包括 camera 的透镜是 perspective projection。基于这些底层元素，我可以从现实世界中学习物体如何操作、如何变化。

这样就可以直接从视频学习，而不需要通过非常复杂的 sensor 去 capture 每个物体的位置、旋转和角动量。

Render 还要保留吗？Ray tracing 还要保留吗？

我觉得足够长的时间以后，ray tracing 会被 neural graphics 替代。

其实已经能看到这个趋势。现在有了 DLSS 之后，4K 屏幕可能只渲染 1K，甚至只渲染八分之一或三十二分之一的 pixels。每个 pixel 的光线可能只打一个 sample，然后通过它周围的 sample，用 data-driven 的方式把它渲染出来。

时间足够长以后，完全可以假设把整个空间的 voxel representation 喂给神经网络，通过 3D Transformer 这类方式实时渲染出来，而不需要 ray tracing。

我们为什么还要用太极做 rendering、做 physical simulation？为什么不用 Sora？

或者应该这么说，解决视频生成和解决 3D，可以画等号吗？

一定程度上可以。

太极未来的发展，当然我们最近也在规划 Taichi 2.0，它会是一个 supporting graphics and AI 的 infrastructure，两边都要支持。

你真的需要一个越来越精密的 simulation 吗？比如三阶有限元、阶数越来越高、积分 scheme 越来越复杂、方程越来越难解？

我觉得这可能不是最好的方向。更好的方向可能是承认这些 boundary condition、physical law，或者 Galerkin 方法得到的 weak form，并不是描述物理世界的最好方式。

物理世界足够复杂，应该用 data-driven 的方式描述这些 particle 如何运动。

所以 5 年前你用 99 行写《冰雪奇缘》，现在可能给一个 prompt、写 20 个单词，就能生成视频。你会觉得这样的新 video model 革了老 graphics 人的命吗？

有的场景是，有的场景不是。

graphics 做的很多事情，其实促成了 Sora 的诞生。

随着继续演变，我觉得以后肯定是 learning 为主，但 simulator 会以某种形式存在，通过 inductive bias 也好，通过 synthetic data 也好，成为 learnable module 的一部分。

刚刚我们反复谈到几个概念：真实的世界；我们肉眼能够观测到的世界；以及用各种物理模型建模出来的世界。

这三者之间的鸿沟有多大？

非常有意思。我不知道真实世界是什么样。

我们能观测到的世界，又回到最早聊的问题：当我睡觉的时候，楼下那棵桃树真的在生长吗？还是在我观测到它的一瞬间，才突然长成它应该变成的样子？

但每个人只能观测到自己能够观测的东西，而那只是世界极小的一部分。所以每个人的认知都有巨大局限。

真实世界和我们能够观测到的世界之间，有一个非常大的 gap。

我们能观测到的世界和 physical simulation 能够仿真的世界之间，又差了十万八千里。

只不过这两个 gap 形成的原因不一样。

前一个 gap 是因为每个人只能观察到自己能观察到的内容；后一个 gap 是因为我们没有足够的 compute 和 data 去 model 现实世界。

有些经典应用场景确实可以做到。比如造飞机，风洞的结果和 CFD 算出来的结果，肯定有很强的关联性。

但你能不能把风洞扔掉？也不能。飞机起飞之前肯定还是要吹风洞，不能说用 CFD 就结束了。

所以我觉得挺无奈的。我们作为一个物种，也许运行在别人的 simulator 里，却还妄想造一个自己的 simulator，模拟我们自己。

现在能看到 GPT-4 这样的 model 出来，能够 mimic 一些人类大脑的运作场景，已经是一个奇迹了。

正好聊到 GPT-4，我想问你，你觉得 GPT 这样的 LM，是不是生活在柏拉图所说的洞穴里面？

它的 loss function 就是 training data，它做的一切就是 minimize 这个 loss function。

但我们每个人难道不是生活在柏拉图的洞穴里吗？

我们每个人看到的东西，可能比 LM 还少。只不过有时候 LM 会犯一些常识性的错误，所以我们经常笑它。

但我们真的就比 LM 强吗？我觉得不一定。

从海量文字和视频数据集中，可以诞生 AGI 吗？AGI 的诞生需要 physics 吗？需要牛顿定律和拉格朗日方程吗？

可能不是特别需要牛顿定律和拉格朗日方程，但它可能需要 tool use。

比如它可能需要拥有自己的计算机。AGI 可以写出 finite element 的 code，帮它分析一块橡皮掉到地上弹起来是什么样；也可以分析一根意大利面掉在桌上为什么一定会碎成三段。

这些都可以通过 finite element 或者其他方法，通过 tool use 去解决。

为什么它不能通过 next-token prediction 自己解决？

因为 next-token prediction 本质上有局限。

不管这个 token 是多轻、多重、多大的信息量，它一定要花费和 parameter count 相关的 compute，再除以 sparsity、MoE。

现在 AGI 的尝试，是把 scale 越做越大，让每个 token 对应的 compute 和用到的权重越来越多。

但很多 token 即使 compute 已经很多，也没有办法解决。有些 token 就是比其他 token 需要更多 compute，而这些 compute 不能发生在 LLM 现在的范式里。

需要让 LLM 去 manipulate 一个工具。

所以你说的工具，可能是物理世界的工具，也可能是 computing 的工具。它得有一台自己的电脑，可以在命令行里调用 Python。

对，让它在命令行里写自己的东西。

但你觉得这个过程不一定需要我们人类自以为对物理世界的那么多认知，它可以自己发现牛顿定律。

这样的 AGI 可以从我们现在已有的 text data、video data、image data 里诞生吗？

我觉得可以。

好，接下来进入 Meshy。在聊 Meshy 之前，最后一个问题：你会想做 robotics 吗？

有可能，但我自己不知道能给 robotics 贡献什么。

我觉得 robotics 是一个 impact 非常大的事情。可能唯一一个我没有开始做 robotics 的原因，是我现在对它的兴趣程度没有那么高。

我相信只有做自己喜欢的事情，才能把它做好。如果有一天我觉得 robotics 很有意思，也许我们会朝这个方向做。

什么样的事情会让你觉得 robotics 很有意思，改变你对它的兴趣？

我现在就是不知道，所以我说我还没有特别感兴趣。

这个责任在我们身上。争取早日把你拉到 robotics 的坑里。

现在 Meshy 商业化做得非常成功，有 5000 万美元以上融资、250 万用户，生成了超过 2000 万个 3D 模型。

我很好奇，从 MIT 在寝室里写太极，到出来做 startup，哪一刻你意识到要自己做 startup？当时有没有犹豫，是什么样的感受让你决定做 startup？

我有一个属性，就是挺喜欢尝试新东西。

以前做 graphics，做着做着去做 compiler；做 compiler，做着做着又去做 differentiable programming model，于是有了 DiffTaichi 这样的工作。

做 PhD 的时候，我也看了很多中国和外国企业家做事情的采访，比如 Elon Musk、雷军、王传福造车。这些内容都很有意思。

快毕业的时候，其实有几个选项：要么去学校当老师，要么干脆做一个公司。

当时主要的问题是，我的学术眼界没有那么开阔，也没有发现还有这么好的 AI 事情可以做。毕业时我不知道自己该做什么。

所以我就想，能不能把博士期间做的事情变成一个商业化产品，于是有了最早的太极图形这家公司。后来因为海外客户更多，我们改名成了 Meshy。

你完全没有考虑去大厂工作吗？

我肯定受不了。

我知道在大厂工作可能会轻松一些，但我就是受不了。我有一个老板，必须要当老板。我觉得当不当老板没有关系，就是我受不了有人告诉我该做什么。

但你 PhD 期间也有导师。

我的导师比较放养。

PhD 期间，我每周会把需要他帮忙的事情整理在一个文档里，开会时和他过一遍。每周和他相处的时间很短，可能半个小时；遇到 COVID 时可能更短。

但他给我的帮助非常大。不管是在遇到挫折时鼓励我，还是在研究方向上给建议，或者介绍厉害的人给我认识，他的帮助都非常大。

但具体技术方面，他不会告诉我该做什么。

现在 Meshy 最大的客户是什么样的公司？

现在 Meta 是我们最大的客户。

在和你聊之前，我一直以为最大的客户应该是游戏公司。

如果论客单价，大厂里面可能有一些 API 需求，这比游戏公司的需求更大。

你和很多游戏公司接触过。游戏工作室很需要你们生成的 3D asset。

我看到你写过，现在 AAA 游戏制作的成本，50% 都在 3D assets 上面。你和他们打交道这么多，觉得游戏行业的工作室最大的痛点是什么？

整个游戏行业这两年都在收缩。

它虽然是一个接近 3000 亿美元的市场，但最近也看到不少裁员。大家忙着降本增效、涨价，或者把以前的老游戏做一个重制版再放出来。

整个游戏行业现在比较 struggle，有很多原因。

包括 TikTok 这样的短视频和 social media 平台，把原来大家玩游戏的时间抢走了。很多人宁愿刷短视频，也不去玩游戏。

还有整个行业新的玩法，像 PUBG 这样的吃鸡游戏，已经很长时间没有新的玩法出现。

商业模式上，free-to-play 可能是大家最近发现的一个好模式，但也没有新的商业模式出现。

制作成本却越来越高。像 GTA，制作周期都是 10 年，要很多人参与，成本很高，但价格又不能定得太高。

一场电影可能 30 到 40 美元，能看两三个小时。但一个游戏可能有 20 小时的游戏时间，也只能卖 30 到 40 美元。

这是定价上的挑战。大家也在看 GTA 最新版本会怎么定价。如果它能把价格定高，其他人可能也敢定高。

与此同时，也有很多 AAA 大作，比如《巫师》，卖的价格比较便宜。所以整个行业的价格也存在挑战。

有很多原因导致游戏行业现在处在下行周期。

所以他们非常想降本增效，需要 Meshy。

但你真正走上这条路，是因为游戏吗？

我很喜欢玩游戏，也很喜欢做游戏，自己也做过一些游戏。但做 Meshy 的契机不是游戏，游戏不是主要原因。

做 Meshy 是因为一些第一性原理的思考。

大概 2022 年下半年，我看到 ChatGPT 可以生成 language，看到 Stable Diffusion 可以生成图片，也看到大家会在 Sketchfab 这样的 3D 模型网站购买模型。

市场上还没有一个产品能够生成 3D models，于是我们就做了。

我们的想法是：既然大家愿意为 3D 模型付费，如果我们能以接近零的成本生成 3D 模型，then we are rich，我们就有钱了。

现在有钱了吗？

还算吧，还可以。

现在营收仍然每个月增长 20%。过去 12 个月涨了十几倍。希望很快能实现我们的小目标。

我上周也付费了，因为要准备这个 podcast。

你应该告诉我邮箱，我可以直接给你开一个免费的大会员。

从一个外行人的角度看，我上网站试了一下 text-to-texture 这些功能。Meshy 真正的商业模式是什么？这个生意是怎么样的？它是一个好生意吗？

主要来自订阅和 API，和 OpenAI 基本一样。

但我们是一个用户社区非常活跃的产品。Consumer 这边用户量很大，每个月有 250 万网站访问量，现在已经有 400 万用户。

这个量级和其他 3D 公司的差异有多大？你们领先多少？

大概相当于第二名和第三名访问量加起来，是我们的访问量。

那市场占有率应该超过 50%？

在美国等发达市场是。美国大概 55%。

这部分是我们的主要营收来源，主要是订阅。

此外还有 to-B API，以及 studio account，游戏 studio 会购买一些 studio account。

坦率来说，现在 AI 生成 3D 还没有真正达到 studio 生成以后觉得“哇，我很满意”的状态。

他们往往还是要修复，再用 ZBrush 修一修，或者做后期处理。

这是我昨晚试的。我给它的 prompt 是：“生成一个好的 humanoid asset，而且要有 dexterous hand。”

这个要求很高。

它给了我一个结果。

对。数据集里不一定有这样的数据，但它确实生成了一个 hand。

不过这个 hand 不会有 articulation。以后也许我们会做 articulation 方面的事情。

那我更要付费了。我现在最需要 articulated object。

现在很多合作伙伴不只是生成 articulated object，他们也会用 Meshy 生成茶杯、碗、桌子、椅子等，用于训练。

3D AI 生成这个事情做穿了，有多大的 market？

这个业务本身做到上市规模是可以的，但我其实并不特别满意。

我觉得我们的目标应该是做出一个像 NVIDIA 那样的公司。

所以核心问题是，如何把我们在 multimodal AI 方面的积累，去做比现在 3D 更大的事情。这是我一直在想的事情。

当然现在也有一些初步尝试。Meshy 本身也在快速增长。对我来说，只要在它从指数增长到线性增长、再到增长放缓之前，把下一件事想清楚就可以。

你觉得 3D 生成会有消费级市场吗？

Definitely。

很多用户用 Meshy 生成模型以后会打印出来。Consumer market 可能比 game studio market 更大。

在美国，3D printer 每年的出货量 CAGR 大概是 20%。很多人买了打印机以后没有模型，所以打印也是一个很重要的市场。

但我可以举一个生动的例子：我们家三代人，现在我这一辈和我父母那一辈都在用 LLM。我愿意付费，他们用免费的。

但我没有办法说服他们使用 Meshy。

这确实是整个 3D 的问题。比如我在微信上给你发一个 OBJ 文件，你是打不开的；给你发 GLB，大多数人也不知道是什么。

对。

它的市场规模，恰好是一个创业公司可以在里面生根的规模。

如果市场太大，比如 video model，挑战就在于卷不过大厂；如果市场太小，又养不活公司。

所以对 startup 来说，找一个中等规模的市场，可以避免和巨头竞争，也可以让自己快速发展。

你刚才说终极目标是做成像 NVIDIA 一样的公司。Meshy 怎么从现在变得大 100 倍、1000 倍？

一步步做。

黄仁勋在做 CUDA 之前，也没想到有一天 NVIDIA 会有四万亿的市值。

做企业就是不断挑战自己、改变和颠覆自己的认知，不断问客户还有什么需求，去解决这些问题，再加上一些第一性原理思考。

黄仁勋的思考是：这个世界需要更多 compute。如果有一个东西能提供更多 compute，并且是 programmable 的，就会有人来试它到底能解决什么问题。

也许一开始只是一个化学系教授用它做化学反应模拟，但指不定哪一天，有一个人用它做了神经网络，再过 10 年才发现，原来 generative AI 可以改变整个人类的生活方式。

你现在有什么第一性原理的思考？

我觉得 Meshy 本质上在做的事情，就是用 multimodal AI 给大家带来乐趣。

这个乐趣可以是游戏里的乐趣、3D 打印的乐趣，之后也可以是其他形式的乐趣，甚至不一定是 3D 模型。

如果我们能解决 multimodal AI for fun，或者更 general 一点，AI for fun，那就可以做一件非常大的事情。

这样我就可以说服我父母使用了。

Definitely。

AI for fun 是所有人都会感兴趣的事情，所有人都是它的用户。

比如昨天我上传了一张我和女朋友的合照，然后生成了一个 asset。我第一时间发给她，她说：“太丑了。”

但我相信，如果能把它做得足够好看，她会愿意把它 3D 打印出来。

如果能做到，所有人都是 Meshy 的用户。

对。合照这个使用场景还不是现在最主要的场景。一般来说，大家更多是在游戏里生成一个怪物、主角，或者把一个单体打印出来。

对于人类的复原，现在还没有做得特别好。但把这个做出来以后，所有人都会想用。

现在 Meshy 每个月增长 20%，非常成功，一年涨了 12 倍左右。

但在这之前，太极的商业化并不是那么顺利。我刚刚听了你 PhD 的 up and down，更想听你作为 CEO 的 up and down。

现在基本能够坦然面对这件事了。

在低谷时，确实会觉得自己怎么这么傻，做什么都做不成。

现在至少把一门生意做到了 product-market fit，有快速增长，在行业里从市场占有率和用户规模来说也是第一名。所以我对以前遇到的问题，可能能够更坦诚地面对了。

最早的前 18 到 24 个月，大概一年半到两年，我们一直在摸索到底应该做什么产品，商业化一直没有任何起色。

这些问题还没想清楚之前，你就已经决定做 startup 了。

对。我和其他人不太一样的地方，是我非常 bias for action。

一件事我想做，就立刻去做，晚上不睡觉也会去做。

我经常在要做一件事时就开始想它，可能八字还没一撇。这个有点像 Elon Musk 造火箭，发动机还没造好，就已经开始想火星上吃什么。

很多人会觉得：“你是不是想太远了？事情还没开始，怎么就想到这些？”

但我会以终为始地思考：为了实现这个目标，我现在应该做什么？

太极和 Meshy，其实都是用这种方式倒推、规划出来的。

那前 18 到 24 个月，太极在做什么？

当时太极在支持更多硬件，比如 AMD GPU；甚至还有一个 JavaScript backend，可以让太极运行在网页里。

我们做了各种各样有意思的事情，也试过一些商业化方式。

最后发现，如果要商业化，只能做外包。外包就是接项目：别人要开发一个 simulator，我们帮他开发，做完以后交付。

这是一个毛利非常低的工作，而且在中国，to-B 基本上做不起来。

所以后来干脆转型。

在这个过程中我意识到，我这种性格的 founder，只能去做标准化、面向 consumer 的产品。

为什么和性格有关？

因为我很讨厌和大客户打交道。

所以你宁愿做 API 和 subscription，也不想和他们谈外包的各种事情。

至少在最开始是这样。未来当然也可以做，有生意做我也愿意。

但最早的时候，找到 product-market fit 已经足够困难了，就不要给自己加戏，去做自己不擅长的事情。

你现在回看太极前两年不太顺利的过程，已经可以坦然面对了。当时你犯了什么错？如果重做一遍，会不会重蹈覆辙？

从现在回头看，前两年做的事情也不是完全没有收获，只是商业化上不可持续。

对一个 startup 来说，最重要的是找到成熟的 monetization，或者造血模式，让公司能够自负盈亏地运转下去。

最大的原则是，你做的技术或产品必须能够商业化。如果一个技术没有办法商业化，就没有办法用商业化得到的 revenue 养活未来技术研究，这个技术本身就会变成一场烟花秀，放完就没有了。

你要把技术研发变成一个 flywheel：好的技术带来好的产品，好产品带来好 revenue，好 revenue 吸引好的人，好的人继续做出好的技术，不断转下去，公司才能越来越大。

但要 figure out 这个 pattern 很难，尤其很多时候你面对的是不确定性。

2021 年，有几个当时很火、现在大家不太提的词，比如元宇宙、open source、infrastructure。

在那个时候，你会放弃对一些事情的独立思考，听从社会潮流在讲什么，不由自主地想：“我做的事情是不是能在这里面发挥作用？”

这很难完全避免。但有了更多商业经验以后，一些基础的坑可能就不会再踩了。

从太极到 Meshy 的 pivot，我想借用你文章里讲的 Intel 关于 DRAM 的故事。这个对话好像就发生在 Intel 的办公室里。你可以再讲一遍吗？

大概 1970 年，美国整个半导体行业主要在做 DRAM，遇到了很大挑战。

日本的工程师很勤奋，服务态度也好，几家公司联合起来一起做，Intel 的 DRAM 基本卖不出去，完全打不过日本的产品。

当时是 Gordon Moore，也就是提出摩尔定律的人，和 Intel 的另一位创始人 Andy Grove 在办公室里聊天。

Andy Grove 写过《只有偏执狂才能生存》和《高产出管理》，都是很不错的书。

他们当时讨论：“怎么办？公司快做不下去了，因为 DRAM 完全打不过日本人。”

Andy Grove 说：“再这样下去，董事会一定会把我们开除。”

在美国，董事会的权力很大，他们可以更换 CEO。

于是 Andy Grove 说：“如果再这样下去，董事会一定会把我们开除。那我们为什么不自己把自己开除？走出这个房间，再走回来，然后想一想，如果我们是这家公司的新 CEO，我们会做什么？”

他们得出的结论是：如果公司重新请一个 CEO，他会去做 CPU。

这就是他们的故事。

后来他们花了 3 年时间，从 DRAM 转型去做 CPU。过程非常痛苦，但也造就了 Intel 后面几十年的辉煌。

从太极到 Meshy，是胡渊鸣自己把自己开除的过程吗？

我觉得是。

当时还是很想证明自己：一个程序员能够做出成功商业化的产品，难道就这么认输了吗？太极做了这么长时间，难道就这么不做了？

但我发现，如果继续做太极，基本看不到商业化的未来。至少我不能把它当作公司的主营业务。

所以相当于我把自己开除了。

其实做公司的过程中，我每 3 到 6 个月就要把自己开除一次。每 3 到 6 个月，我都要变成一个全新的自己。

You have to reinvent yourself every three to six months。

如果想在创业这种 intense 的环境里活下来，最好是觉得 3 个月以前的自己是傻逼。

如果你不觉得 3 个月以前的自己是傻逼，说明这 3 个月没有成长。

这和学校不一样。在学校里，大家被保护得很好，不会因为破产、被导师开除，或者有生存压力而受到影响。

学校是一个开放、没有生存压力的环境，但创业公司完全不一样。

我基本上把自己从学术界的 mindset 变成了商业 mindset，或者说把两者之间我认为比较好的、能增强公司竞争力的部分整合在一起。

当时你和整个太极团队说，我们不做这个了，要去做 Meshy、做 3D 业务，大家支持你吗？

有一些阻力。

有些人对这件事没有兴趣，就离开了公司。但坚持留下来做的人，现在都觉得这是一个非常正确的决定。

当然，不少做太极的同学还留在公司。最近我们也在讨论 Taichi 2.0，觉得还有不少事情可以做，火种还留着。

我们最早开始做 3D，也是因为太极。

当时大家用太极实现了 Gaussian Splatting，也有同学用太极实现 NeRF。我们就想：“原来太极还能做这个，那是不是可以把它朝生成 asset 的方向推一推？”

最早生成的 asset 非常抽象。后来慢慢在某些场景里变得相对好用。

当时肯定有不少阻力，而且我们还有另外一个项目，后来也砍掉了，all in 做 Meshy。

但 Meshy 和你之前在太极上构建的技术壁垒并不是很相关。

一个特别会写太极的人，不一定能把 3D 生成做好。Text-to-texture 相当于你们 start from scratch。

对。我们是一个完全不懂太多 AI 的团队。

整个团队没有人做过大模型，就是一帮 graphics 的人。但搞 graphics 的人都有一个很大的特点：非常硬核，学什么都很快。

你每天玩 Euler–Lagrange 方程，今天让你学 diffusion，可能很容易；你整天玩 MCMC，今天解 SDE，也有很多相通的地方。

所以很多 graphics 的同学现在做 AI 也非常如鱼得水。我认识很多这样的同学。

Graphics 的人很硬核，学东西很快，所以大家很快就开始做这其中的很多事情。

当时你做 Meshy，会不会担心自己的团队不适合？没有做过 text-to-image、text-to-3D asset，会不会担心 team 不够 competitive？

我完全没有这个担心，因为当时没有人在做这件事情。

当时我们是第一个上线、可以公开访问的产品。生成效果非常差，极差。

我去做用户访谈时，甚至会对用户说：“你千万不要告诉别人 Meshy 是胡渊鸣做的。”

但当时你说过，8 小时就上线了，8 小时有 1000 个用户，现在已经 400 万用户。

对。直到做到 Meshy 1、Meshy 2 的时候，我才好意思说：“这是我做的事情。”

做失败了就当没做过，也没关系。

当时你是怎么认定这件事市场足够大、能够存在的？

如果没有人做过，很难预估 market 有多大。你应该还有其他 pivot 方向，为什么是 Meshy？

坦率说，当时 Meshy 就是最好的 pivot 方向。

如果我去做 LLM、2D diffusion、text-to-image 或者 text-to-video，不一定做不过其他人。

但以我自己的能力局限性来说，Meshy 当时是最好的方向，也是整个团队能力的优势所在。

所以你当时非常清楚地认知到你和团队能力圈的边界。

你是在 build 一个这个世界需要的东西，而不是 build 自己想要的东西。当时你对这个事情有多笃定？

我非常笃定。

之前的产品虽然失败了，但我们和大量用户聊过。他们都说：“我不会为你这个软件付费，但如果你能把里面的模型卖给我，我会付费。”

这就是用户给出的解决问题的思路。

你刚才也提到，如果能把人的 3D 做出来，就可以说服你的父母付费。

所以很多时候，和用户聊一聊，就能得到新的思路。

你问 Meshy 的市场空间有多大，我觉得对我们这种适应能力很强的公司来说，它可以是无限大的。

你总是可以解决新的问题，聚集一帮聪明人解决有市场需求的问题，做出有竞争力的产品，在一个新市场里分一杯羹。

你在 2023 年有个访谈，说 AI 生成 3D 模型这件事，当时 Meshy 只解决了 10%，也许到 2025 年可以解决 90%。

现在 2025 年到了，你觉得解决了多少？

很好的问题。也许 50%。

50%？

对。因为你越解决，就越发现上限并不是 100%。

现在可能解决了当时想象中的 90%，但后来发现，上限是 200%。

剩下的 50% 在可预见的未来可解吗？

我觉得可解。

在这个过程中我学到最大的事情，就是不要低估技术前进的速度。

最早做 Meshy 时，用的技术非常旧、非常粗糙。但后来不断迭代，现在能解决的问题已经比原来大很多。

最早的时候，它只能用来做恐怖游戏。

为什么只能做恐怖游戏？

因为我们生成的所有模型都有 4 张脸。

为什么都有 4 张脸？

因为我们的贴图是模型生成以后，前后左右各生成一张，再贴到模型上。

所以角色头部前面一张脸，侧面一张脸，后面一张脸，一共 4 张脸。只有恐怖游戏能用这样的 asset。

但现在已经能看到一些 AA studio，甚至 AAA studio 用 Meshy 做原型。

随着技术不断迭代，这个空间非常大。

而且即使到今天，我们可能也只解决了市场上 5% 的细分场景，后面还有很大空间。

从现在商业化比较成功的 Meshy，到太极商业化不顺利、比较压抑的那段过程，你当时是怎么挺过来的？

从光鲜亮丽的标签，到太极商业化进展不顺利，你会感受到压力和挫败吗？

当然有。但坦率说，当时太极商业化不顺利时，我没有觉得压力特别大。

现在的压力可能和以前差不多，只是对商业的信心更强了一些。

做太极的时候，可能连要不要商业化都没有想清楚。

当时你没奔着挣钱去？

最早没有。如果奔着挣钱去，可能会用另一种方式。

我们当然也尝试过其他产品去商业化，但那个产品后来也不成功，所以 Meshy 是我们的第三个产品。

当时压力的主要来源，是我完全不知道公司该如何运行。

我在做 CEO 之前，只读了一个 PhD，没有在任何地方工作过。或者说，在当 CEO 之前，我只是一个 intern。

我最 professional 的经历，就是在 NVIDIA、Adobe、Microsoft 当过 intern。

这就是我在成为 CEO 之前对职场的认知。

所以最早做公司，不是思考怎么把 CEO 做好，而是连“一个正常的公司应该是什么样”都不知道。我只能慢慢学。

到今天，算是一个勉勉强强及格的 CEO。

所以最早的 struggle，很多时候就是不知道怎么 run 一个公司。

当时你知道自己不知道吗？还是犯了不够 humble 的错误，以为自己知道怎么 run 一个公司？

我觉得你说得对。

当时确实犯了这个错误：不知道公司应该怎么 run，也不知道自己其实不知道很多事情。

但我有一个好处：发现自己做错以后，会立刻承认自己是傻逼，立刻改。

后来我又和一些 founder 聊了聊，也释然了。我发现有些比我大 20 岁、从大厂高管出来创业的 founder，做得好像还没有我们好。

所以我发现，这并不是我特有的挑战，也不是因为我在成为 CEO 之前只当过 intern。这是普遍存在的挑战。

一个好的 CEO 是可以被培养的吗？

我觉得可以。

一个好的 CEO 最大的特点，就是能够快速学习，提高自己的认知。

我虽然犯了很多错误，但相对来说的优势是改变自己改变得很快。

你刚刚说有很多大厂出来的 CEO 也当得一般。我看到过很多关于李想的演讲，他甚至高中没读完就出来了。

遇到这样的事情，你会不会想：“为什么李想高中都没读完，做公司却比我们好？”

这也是你那篇文章里谈到的：为什么？

那是不是说明 PhD 不重要？

读 PhD 对做一些事情肯定有帮助，但不一定需要 PhD 才能把事情做好。

PhD 过程中学到的东西，比如 humble、work hard、presentation skills，能把事情讲清楚，也能知道前沿技术。

但有很多东西是 PhD 接触不到的，比如市场、用户、产品量产。

李想是一个非常好的企业家，也非常直率，遇到不爽的事情可能会直接骂出来。

他以前做泡泡网时，曾经一天之内几乎所有人都离职。他经历过很多事情，所以在这个过程中，他以一种非常 humble 的态度不断学习。

他甚至找了一个 CEO，让自己向那个 CEO 汇报，自己负责产品。

你可以看到，格局是最重要的事情。一个 CEO 有多大的格局，就能做多大的事情。

So far，你觉得自己是一个好的 CEO 吗？

要看和谁比。

如果 Meshy 的增长和 Lovable、Cursor 比，根本算不上快。但如果和传统 SaaS 每年两三倍、三倍、两倍的增长相比，那算是很快。

这是不是因为我是一个好的 CEO 导致的？我觉得我还可以做得更好。有时候我甚至觉得自己是一个很差的 CEO。

哪些方面还可以进步？

很多方面。

如何更好地 delegate 工作，如何更好地管理时间；在一些事情上更加杀伐果断；学得更快一点；花更多时间对外而不是对内；看更多书，花更长时间反思；思考公司的愿景、描绘蓝图；以及招聘。

这些事情都有非常多要提升的地方。

创业以来，作为 CEO 有没有哪一刻，你从过去那个“傻逼的 12 次方”崩塌，到现在觉得认知学到最多？

曾经最坚信的东西，后来被自己否定了？

这样的事情有很多。我想想最大的一次。

以前我非常希望所有人都喜欢自己。我希望成为一个所有人聊起来都觉得“胡渊鸣是一个很 nice、很慷慨、很好的朋友”的人。

但后来经历了很多事情，我发现，如果工作的目标是让所有人喜欢自己，最后可能会被所有人讨厌。

所以我不再追求所有人都喜欢我，而是追求让重要的人喜欢我。不重要的人骂我、怎么看我，只要我觉得自己做的是正确的事情就行。

总会有人骂你。

另外一点，是从管理者的视角去看整个团队。

一个好的 leader，是不是大家都喜欢的 leader？不一定。

一个好的 leader 可能是大家都服气的 leader，但不一定是大家喜欢的 leader。

但大家还是愿意跟着你做，为什么？

因为他们能在这里收获成长，能做自己想做的事情。

至于是不是所有人都喜欢你，我觉得如果把这件事作为决策第一优先级，很多时候就会导致错误决策。

你现在不把别人喜欢你作为第一优先级，那第一优先级是什么？

把事情做成功，赢。

我的第一优先级是把事情做成功。我也意识到，要做出一个不错的东西，一定会有人给你负面评价。

所以这个过程中不可避免。为了进度，为了 deliverable，你要 make tough decisions，就会有人讨厌你。

But that’s fine。

比如砍掉一个大家都喜欢的项目；请走一个对团队没有贡献、但大家都很喜欢的同事，因为“他是个好人”。

或者做产品时有用户群体 A 和 B：做 A 喜欢的，B 会骂你；做 B 喜欢的，A 会骂你。A 和 B 都做，公司可能完蛋，最后两边都骂你。

这是每个人都要跨过去的坎，叫做变成成年人。

学校里的学生可能非常受不了别人批评自己，但一旦跨过去，就会发现世界很广阔。有人骂我就骂我，没什么大不了。

这是你当 CEO 之后才学到的吗？

对。学校里大家都是很 nice 的文化，即使在 MIT，大家也都是你好我好大家好，会回避很多冲突。

但现在不会回避。只要项目成功需要冲突，就要有冲突。因为只有这样，才是对整个团队负责。

如果你回避这些冲突，其实是在做一个自私的人。因为本质上，你是希望自己被一个小群体喜欢，却没有为所有人的利益负责。

坐在 CEO 的位置上，就要为整个公司的利益负责，而不是让自己被所有人喜欢。

被所有人喜欢是我自己的事，是私事；公司成功是公司的事，是大家的事，是公事。私事要排在公事后面。

后来我发现，基本上所有管理者刚做上管理岗位时，都会有这个问题：太 nice。

为什么？

因为他们在做 individual contributor、不管理团队时，自己是非常强的 IC，所以 manager 不需要 push 他们，也不需要对他们有不 nice 的行为。

但当他们被提拔到管理岗位后，就会认为自己以前作为 IC 被对待的方式，就是现在应该对待团队的方式。

问题是，现在带的人以前可能是同级。你之所以被提拔，是因为你的自驱力和解决问题能力比他们强，所以你要给他们提出更高标准。

很多新任管理者不能提出更高标准，只希望被自己的团队喜欢。

那你已经做出改变了，怎么强迫手下的 manager 也做出同样的改变？

给他们讲以前的血泪史。

告诉他们，为什么公司今天有这个问题，就是因为我半年前优柔寡断，想让所有人都喜欢我，想让朋友觉得我是一个完美无缺的人，最后导致了公司今天的问题。

刚刚你讲的杀伐果断，我觉得在 Elon Musk 身上也经常看到。他太极端了，今天干得不行，下个小时可能就离开公司了。

我们还是一个比较宽容、允许大家犯错的地方。

但我觉得 Elon Musk 有很多好的地方，他在很多方面都是很不错的榜样。

我听过李想对 Elon 的评价。他说评价一个 CEO 好不好，不是看他多元化、多会处事、多会处理政商关系，而是看他在真正的危难时刻，能不能一眼看到本质。

你可以看到 Elon 发了很多大家不喜欢的言论，也制造了很多不喜欢的新闻，但在 Tesla、SpaceX 的每一个重要时刻，他总能一眼看到本质。

李想觉得，这就是 CEO 唯一要做的事情。

一个好的 CEO 只有一个任务，就是带领公司赢，其他都不重要，哪怕很多人讨厌你。

对。

比如 Jensen Huang。Jensen 的所有 direct report 都觉得他非常 hard to work with。

那影响他被评为最受欢迎的 CEO 吗？

不影响。

为什么？因为大部分 NVIDIA 的人也不 report 给他，所以他们每天不需要经受 Jensen Huang 的折磨。

但 Jensen 把整个公司做得很好，所有人都受益。

刚刚你说“是不是一个好的 CEO，要看和谁比”，还提到 Cursor 这样的公司。

你会不会觉得 Cursor 的生意太好了？你们和他们一样 hard-working，但他们挣的钱比 Meshy 多太多。

对。所以作为 CEO，最重要的事情是选择一个好的赛道。

如果选了一个好的赛道，当然有运气因素。做成了，可能躺着也能赚钱。

那你是想要一个运气很好、赌对了的 CEO，还是一个很 hard-working、但赌得一般的 CEO？大部分人可能会选择前者。

但我只能说，Cursor 现在发展快，也是一时的。

如果这次发展快是因为选中了一个好赛道，是运气，那凭运气得到的东西，迟早要凭实力还回去。

下一个阶段，比如它现在有 2 亿美元 ARR，能不能做得更大，还要看 CEO 能不能不断接受新挑战。

对我们来说，Meshy 现在做的生意算是不错的生意。不像 Cursor，全世界只有少数几个 AI 时代的公司能很快做到 1 亿美元以上 ARR。

你不在其中也没关系。你有一个好的基础，在牌桌上，下一次抓到一个好的机会，仍然可以去做。

没有什么可惜的，先把手上的事情做好。

什么样的生意是一个好生意？它有什么特质？Cursor 这样的生意，在你看来是好生意吗？

首先市场要大，其次要非共识。

这其实很难：要在大家不相信有市场的地方，看到一个市场。

Meshy 算是所有 3D AI 玩家里做得最早的。当时大家觉得 3D 模型是一个很小的市场，但我们做着做着，现在已经是一个中等规模、甚至在 AI 领域也算不错的公司。

除此之外，你自己还要有竞争优势。

如果没有竞争优势，其他人很容易把市场拿走，尤其是资源更多的大厂。

这三个 priority 分别是什么？

市场大，是值不值得做的问题。

非共识，是还有没有你的机会的问题，也就是 timing。一旦一件事变成共识，你再去做，基本就没有你的机会了，除非你有别人 10 倍的资源。

所以一般是大厂后发时砸资源，也能追上。

还有一个是，你自己是否真的对这件事感兴趣，也就是喜欢不喜欢、想不想做。

我觉得要在“想不想做”和“能不能做”之间，考虑 timing，选择一件事。

世界上努力的人太多了，最后能赢的人不一定只是最努力的人。

什么决定你努力不努力？

身体状况。当然这也是运气。你的基因、成长环境，决定你一天能工作 16 小时、12 小时，还是 8 小时。

你处在人生哪个阶段，有没有家庭，或者现在就是想躺平，这都可以。躺平也没有关系。

但你得恰好在自己愿意拼搏的时间段，遇到一个机会。这就是 timing 和运气。

如果你正好处在想奋斗的阶段，基本就具备了创业的前提条件。

创业需要身体好，家庭相对稳定。不能说还有父母要照顾，还有小孩要带，却出来做高强度创业，那很难平衡。

至少可以做低强度创业。但如果做 AI 行业创业，就要做好 7×24 小时工作的准备，一直处在待命状态。

之后，要在“想做”和“市场大”之间找一个焦点。

自己擅不擅长这件事重要吗？

可以学，我觉得是次要的。

我也想了很久，但没有特别好的答案：选择一件事要不要创业，值不值得做，是否应该忘记自己擅长什么？

如果要做得很好，不应该忘记自己擅长什么。

我最近也在思考太极还要不要继续做。好像 LLM 里还有很大的场景可以用到太极。如果做好了，对社会有价值，对公司来说也可以作为 Meshy 的基础设施。

但你不用特别擅长。我举个例子：现在最成功的 CEO，有多少是技术天才出身？他们大多数都有很强技术背景。

比如 Jensen Huang 学的是 electrical engineering。雷军以前是中关村劳模，写代码出身。他的代码水平是不是顶级？我觉得不一定，比较擅长就够了。

如果完全不擅长，比如以前学的专业、人脉和经验，和现在做的事情完全不搭，成功率就很低。

马云不是技术出身，但他懂英语，英语很好。Elon Musk 很小就开始编程、写游戏，也有技术背景。

最好的 CEO，基本都有一定技术背景。

我的技术能力可能比他们有些溢出，不需要这么多技术背景，所以需要补充商业知识。但相关积累是必要的。

你不需要成为这个星球上最擅长这件事的人，才能把它变成 business。

换个说法，你是这个星球上最擅长这件事的人也没有意义，因为 CEO 有很多事情必须做，比如大客户、融资、招聘。

你就算最擅长写 CUDA、写 PTX，又能如何？能帮助你融资、招聘吗？

一定程度上也许可以，但你最后没有时间去做。

你最擅长，也发挥不出来。

如果现在是 2025 年，只有你自己，抛掉之前所有融资和公司，今天创业，你会做什么？

我还是会探索生成式 AI 在 consumer 场景里可以做哪些大的事情。它可能不一定和 3D 或 multimodal 相关。

AI for fun。

我问这个问题，是因为前段时间听了 Manus CEO 肖弘的一个 podcast。

我意识到，做 agent 这个 business 非常好。每个人可能都需要一个帮你管理 email、calendar 的东西，但问题是，好像没有人有护城河。

同时我看到你写过，选择一个好的创业方向、一个好的 business，是最重要的事情，因为不同方向的回报差异太大。Andrej Karpathy 也说过，一个 10 倍收益的事情，往往只比 2 倍收益的事情难一点。

对，就是这样。

最近我们也一直在聊宇树科技。它可能是中国最成功的机器人制造商之一，人形机器人领域营收十多亿元人民币。

但十多亿元是什么概念？是泡泡玛特的十分之一。

宇树好不容易成为行业龙头，全球都在买它的机器人，但泡泡玛特显然是更好的生意。

这是今天，不一定是未来。

就像我刚才说的，Lovable、Cursor 可能很快就做到 1 亿、2 亿美元 ARR。难道我们现在做的业务没有它们那么大，就说明不好吗？

你一直在牌桌上，有好的团队，有不断做新事情的机会，还有一个稳步增长的业务，就永远有机会做出像 NVIDIA 那样的公司。

只要你有这个基因。

一个公司到底是技术基因、市场基因，还是渠道基因，差别很大。

Meshy 的基因是什么？

我们是技术基因的公司。

这个基因对现在的 business 是好事还是坏事？需要补充什么基因？

我觉得是好事。

我们需要更多技术人才，因为产品设计、市场、渠道做得相当不错，而它们恰恰是我不擅长的部分。

所以现在来看，公司能力上已经相当完备。

你刚刚谈到基因，我理解基因就是整个公司的文化。

Meshy 想要坚持留下、碰都不能碰的规则是什么？做了四五年以后，有什么文化是你放弃或改掉的？

最重要的基因可能是务实，或者说直面现实。

很多错误发生的原因，就是没有客观地看待现实。

这一直是我们公司所有文化的基石：respect facts，尊重事实。

事情做得好就是好，不好就是不好，尽可能客观地看待，而不是把不好说成好，把好说成不好，或者对外传播没有数据支撑的信息，夸大自己有多好。

犯过不尊重事实的错误吗？

有，这和 model evaluation 有关。

有时候是无意犯错。比如一个东西生成得好不好，没有客观的 evaluation 方式，最后就会变成训练 model 的同学都觉得自己的 model 好得不得了，但实际上必须有一套系统的 evaluation 方法去评估好不好。

每个人都会有自我保护，这种自我保护会让人觉得自己的工作还不错。

但如果找另一个人，随机展示两个版本：这是 Meshy 的新版本，这是旧版本，却不告诉他哪个新哪个旧，问他哪个版本好，很多时候会发现旧版本更好。

有些实验做完以后，你会发现，原来旧版更好，我们折腾这么多没有意义。

如果相信“一分耕耘一分收获”“天道酬勤”这些话，就会觉得自己已经这么努力了，一定会有回报。

但这完全没有逻辑。世界上绝大多数努力没有任何回报。

事情越大，风险越大。往往你付出 99 分努力，得到的回报是 0。

心理会自我保护：“我这么努力了，怎么会没有回报？多多少少应该进步了一点。”

只要有这样的想法，就没有客观面对事实。

创业最大的残酷事实就是，大多数努力没有任何用。

但你必须努力，因为不知道 100 分努力里哪 1 分有用，必须把剩下 99 分也试一遍。

同时，你也必须尊重这个事实：我的大多数尝试没有什么用。

在 Meshy 这个 chapter 里，我还想聊聊这个时代。

3D 生成这个 business 可能一直存在，20 年前做出来也有人买，10 年前做出来也有人买。但今天有生成式 AI，有 LLM。

在今天做 Meshy，有什么机遇和挑战？你会怎么定位自己？会不会担心哪天出现一个新技术，把你颠覆掉？

机遇很多。

技术上，很多技术逐渐成熟，比如 diffusion、NeRF、DiT、MoE，让做出这样的 model 成为可能。

另一方面，上下游产业逐渐成熟。Text-to-image 方面，Black Forest Labs 做得很好；language generation 方面，ChatGPT、Claude 做得很好；video 方面，Google 的 Veo 3 也做得很好。

所以很多事情不需要自己 build，找一个供应商接 API 就可以。这是很大的机遇。

最大的挑战是，这个时代节奏非常快。你必须非常努力地构建和更新产品，才能保持一个比较好的位置。

这对所有 AI 公司都一样。

你现在工作强度怎么样？

工作强度挺大，不太适合在节目里说，不然大家可能不敢创业。

PhD 的时候累，还是现在累？

当然现在累。

PhD 时候很爽。换了导师以后，那是我最开心的时候，因为只要照顾好自己就行。

但现在作为 CEO，责任非常重大。整个公司要赢，大家得有饭吃；投资人期待公司快速发展；客户希望尽早 deliver 新产品。

公司变大以后，还有很多我不擅长处理的事情，现在必须学着处理。

坦率说，是挺累的状态。但我每天起来都会觉得这一天 good enough，还可以元气满满地迎接新的挑战。

每过一两个月，我都会觉得自己好像又进步了一些。这个过程中，我完善了性格上的很多缺陷，也看到了认知上的很多盲点。

我有一句觉得很有意思的话：“和平年代，没有什么比创业更能锻炼一个人了。”

Jensen Huang 说过，如果再来一次，他不会创立 NVIDIA。你呢？

我觉得这是不是凡尔赛？

有一个 4 万亿美元的公司，那你说什么都可以，什么都是对的。

但我还是会选择再做一次这个公司。

虽然在这个过程中很 suffer，每天都觉得“怎么这么痛苦，世界毁灭吧”，但总觉得能学到很多。

我觉得自己变成了一个更好的人，也能看到学术界那个小池塘之外更广阔的世界。

而且听起来，你学到的很多教训，是当教授或者去大厂学不到的。

对。

在被保护的环境里，不能指望自己学到太多，除非有一个特别好的 mentor。

你希望 5 年、10 年后的 Meshy，被人们记住的是什么？是技术、产品，还是文化？

我觉得应该是一个技术驱动的产品。

公司的文化永远是为赢服务的。如果文化让公司赢不了，就应该放弃这样的文化。

但这不意味着要 adopt 某种狼性文化，或者大家都讨厌的东西。你要找到一个少数人认同的文化共性。

大家努力工作，对事情负责，追求极致，敢于 take risk、拥抱变化，这些只是过程。

好的文化能够孕育好的公司、好的人才梯队和好产品。

但作为 CEO，一定要选择能赢的文化。如果选择了一个输的文化，就不用当 CEO 了。

输的文化有什么特质？

内耗、甩锅、不切实际。

我说的不切实际，不是说目标不能高。目标可以很高。

输的文化，是不面对事实：明明做的是这样，却一定要粉饰成另外一样；出了问题不复盘、不反思；团队不能批评 CEO，不能公开指出其他人的问题；大家只追求和谐。

这些都是会输的文化。

现在团队里经常有人批评你吗？

我前天刚被人骂了一顿。

是一对一，还是当众？

大概是上周。坐在这里的一位同学和另外一个同学，把我拉到走廊里，三个人一起谈，说我有事情没有做好。

不算当众，算是一对二。

什么事情？技术、商业，还是团队管理？

管理方面的事情。

你能接受这样的批评？

我当时听到的时候，心头会一紧，但会听他说完，然后再想自己是不是真的没做好。

后来发现，确实有没做好的地方。

你能招到这样的人、形成这样的氛围，也很幸运。

对，因为很多人不会这样做。

他一定是对公司有很强的 ownership，希望事情能做成，把自己当成 CEO 一样看待，才愿意把这些话告诉你。

我觉得这应该是基本功。

如果是制造业公司，当然可以更强势。但我们是创新驱动的公司。在创新驱动的公司里，你要接受 CEO 不一定知道所有事情。

关于 Meshy，我还想聊一个话题，叫目标。

去年李沐做过一个 talk，说不同阶段有不同目标：学生就是好好上学、拿 GPA、发论文；PhD 的 KPI 是发论文；打工是 promotion；创业的目标是 exit。

Exit 是你创业的目标吗？

我觉得 exit 是手段，不是目的。

当然，我会以三四年以后 IPO 作为目标。现在看起来，如果顺利的话，也是可以实现的。

那 IPO 以后呢？或者万一不能 IPO 呢？是不是就不做了？

有人提出过收购或者其他事情，但我们现在还在继续自己做。

对我来说，做一个大家爱用的产品；在过程中不断深入了解自己，让自己成为更好的人；带领团队里的每个人成为更好的人，本身就是做这个公司的重要目的。

最终是什么样，我觉得只要让所有人都对得起所有人就可以。

所有人都有不错的财务回报，职业上有发展，也做出一个我们自豪的产品。

Make Meshy a great place to work，让 Meshy 成为最优秀的人都觉得很好的工作场所，本身就是做这个公司的目的之一。

距离这个目标还有多远？

我觉得现在基本已经是这样的状态。

公司里很多同事已经工作了三四年，他们会说，Meshy 是自己工作十几年以来觉得最好的公司。

为什么？因为在这里他们能快速成长，有一个能够听取诉求的 leader；公司处在一个很好的发展业务里，他们能和公司一起扮演更重要的角色，也能接触最前沿的科技。

以前可能在大厂只是写一个 shader，在这里可以玩 512 块 GPU。

在这个过程中，每个人都变成了更好的自己。

Meshy 部分的问题我问完了。我想留给你一点时间，补充你想聊的 Meshy，或者你想在这个 podcast 里招聘都可以。

那很好呀，我们一直在招聘 AI researcher、machine learning engineer，然后 compiler engineer。我们现在主要的招聘还是在 Meshy 的 AI 这一部分，在这块我们有非常 generous 的 package。我们的实习生也是 global pay，最高的薪资是一年一百万人民币或者十四万美元，我会亲自花时间和这个实习生一起去做产品、做科研。如果大家还是在读的学生，欢迎来申请我们的实习生项目。当然我们的 full-time offer 会比这个更加慷慨。不管你是喜欢 train model，还是设计神经网络架构，还是喜欢搞 data、做 evaluation system，还是 performance optimization，这些我们都有很多岗位，欢迎大家报名参加。不管你在世界的哪一个角落，我们都是比较 globally distributed 的公司。我自己在硅谷，团队也有不少人在世界其他地方。太极这个项目我们最近也在复苏，之前太极项目的火种一直留着，Meshy 里面也有地方在用太极。我们也特别想再招聘两到三位对 GPU 编译器或者图形学感兴趣的同学，和我一起把太极二点零继续往前做。有了太极现在的用户量基础，在 LLM 领域、在 AI 这个时代，太极还是能够做出很大影响力的。一个有意思的数据是，NVIDIA Warp、Triton、Modulus 这些项目的 star 数目都没有太极多。太极还是很 popular 的，只不过没有找到一个大的领域去施展，所以我觉得二点零时代太极肯定能做出更大的 impact。

全球招聘，而且你们公司应该很 flexible。Work from home 的话应该也可以？

以前有很多 work from home，但我们逐渐要求大家每周至少 4 天到 office。

为什么？

因为我们发现，见面讨论的效率更高。

中国的 office 在哪里？

北京、上海，还有深圳。现在是北京、上海、深圳和硅谷。

好，我进入最后一个 chapter，叫“勇气与智慧”，也是你文章的标题。

我想先给你提 4 个关键词，是你文章里多次提到的：brain，头脑；guts，胆识；heart，心灵；taste，品味。

为什么这 4 个词这么重要？为什么不是其他词？

前三个词来自黄仁勋。

他有一次在 Stanford 演讲，学生问他在 NVIDIA 招人的标准是什么，他提到 brain、guts 和 heart。

Brain 很好理解，我们希望最强的 problem solver 加入团队。

Guts 是你在信息不完全时，能够快速采取行动推进事情，能够接受失败的风险，也能够从失败中学习。

Heart 是我们希望你从内心深处是善良的。这不意味着你要做一个最 nice 的人。

有时候给团队提出高标准，反而是最大的善意。因为你不提出这样的标准，团队会失败，最后整个团队解散。

但底层不能有害人之心，应该是一个有原则、诚实的人。

Taste 是我自己加的。我觉得要有好的品位。

招聘时我也会问，你玩什么游戏，周末做什么，看什么书。

这很难用语言描述，但只有志趣相投的人，才能长期密切合作。

你现在周末做什么，看什么书？

最近看雷军的书比较多。我觉得他是非常值得学习的创业者。

他有很多方面可能和我有点像。他称自己是“中关村劳模”，但在忙着给微软做产品时，同行都在做互联网，他完全错过了互联网。

后来他意识到“风口上猪都能飞起来”，其实和我讲的 why 是类似的事情。

他很勤奋。那时候微软做 Office，他做了盘古组件，最后没卖出去，也让我想到创业早期商业化失败的产品。

但他现在是非常成功的企业家。

他对产品品质的追求、对细节的把控、对大方向的判断，以及对过去挫折的复盘，都非常值得参考。

我们之前聊过你没有去 FAIR 的事情，但我想在这个点上继续深挖。

你说过 explore 大于 exploit。现在回头看，你会怎么权衡 short-term impact 和 long-term vision？

这是一直在权衡的事情。

我的做法通常是花 20% 的时间想未来。

Vision 是一个持续的过程，不是今天有了一个 vision 就结束了。市场会不断变化，认知也会不断变化。

所以更好的词可能是 visioning。你每时每刻都要想，5 年后的世界、10 年后的世界会是什么样。

你觉得未来会是什么样？

这也是为什么 AI for fun 对我很有吸引力。

我觉得 AGI 来了以后，所有人都可能失去工作。一个更好的世界，是大家仍然能开开心心地活着，过得开心就好。

虽然我是一个很干的人，但我从来不批判有些人选择 work-life balance 的生活。That’s your choice。

我能做的只是告诉你：如果你要来 AI 公司，要想清楚这个行业发展很快，可能工作比较辛苦。你愿意接受就来，不愿意接受就不要来。

未来也许很快大多数人都不用工作了。那这些人做什么？

不是所有人都有条件坐私人飞机去世界各地，体验南极、埃及金字塔，甚至回到过去看看古巴比伦的社会。

但如果能用现在的生成式 AI，给大家创造一种 immersive experience，让每个人虽然同样度过一生，却能过得更加丰富，那就很好。

你可以回到过去，体验当时没有机会做的事情，或者体验另一种人生。

比如，如果我去了 FAIR，现在的人生会是什么样？不一定比现在开心。

也许我去做 Cursor，会比做 Meshy 更开心，但也不一定。

如果通过生成式 AI，让有限的时间变得无限丰富，我觉得这 ultimately 是世界所需要的最重要的技术之一。

我想聊一个你提出的关键词，叫阶段一和阶段二。你来介绍一下这个概念。

阶段一是在解决 how 的问题，阶段二是在解决 why 的问题。

阶段一有明确目标，阶段二没有明确目标。

阶段一把自己的事情做好就可以，阶段二要思考整个团队做什么。

阶段一是别人给你出问题，阶段二是你给自己出问题。

比如本科生，重要的是学习书本知识；到了研究生，就要找一个好的研究课题。

研究生内部也有阶段一和阶段二。最早导师给你一个课题，你去研究；到了第二阶段，你要自己找到好的课题，因为导师不一定处在问题的第一线，不一定知道最重要的问题是什么。

再比如，你原来在大厂是一个 individual contributor，不带团队，做好上级安排的任务就行。现在变成 manager，就要给整个组织一个愿景，设计目标，让组织运作起来，面对巨大的不确定性。

以前是公司职员，现在出来创业。工作时，平台和确定性都是公司提供的；创业以后，瞬间失去这一切，所有事情都要自己 figure out repeatability。

接下来要做的事情，完全依赖于自己的探索和获得的新知识。

这两个阶段如此不同，以至于很多人在阶段二继续沿用阶段一的思维方式，导致阶段二的灾难。

阶段一很成功的人，到了阶段二往往更 suffer。

因为阶段一和阶段二需要完全不同的技能。阶段一可能是服从指挥、卷效率、磨练某个具体技能；但到了阶段二，没有人在指挥你，效率也无从谈起，因为连效率的 metric 都没有定义。

你也不会有精力继续磨练具体的写代码、绘画，或者某种具体技能。

如果没有意识到自己已经进入阶段二，就像打 boss：第一条血条打完以后，boss 变形了，进入第二条血条。你还用第一条血条的方式去打，很快就会挂掉，只能重新开始。

你犯过这样的错误吗？

犯过。我觉得自己每时每刻都在犯。

人生每时每刻都有阶段变化。就像我刚才说的，为什么每 3 到 6 个月都要成为一个全新的自己。

如果不变成新的自己，就会永远卡在上一个阶段。

如果公司每个月增长 20%，三四个月营收就翻倍了。你不能还用以前的方式处理现在的问题。

你怎么判断一个人是不是会成为一个成功的阶段二 impact maker？

看这个人能不能承认自己其实是傻逼。

尊重事实，错了就认错，不断提高自己，有一个好的 role model，即使 role model 离自己很远。

你的 role model 是谁？

很多。

Elon Musk；学术界的导师 Frédo Durand；中国企业界的雷军和黄仁勋；游戏领域的宫本茂，以及任天堂的横井军平，他做了 Game Boy。

他们都在某个领域做到最顶尖。能够做到最顶尖，肯定都有自己的原因。

如果你去研究他为什么能成功，让自己不断成为更好的人，哪怕意味着过去的自己是傻逼，也没有关系。

Starting from now，从现在开始，你就是一个新的人。过去的你、今天的你、明天的你，没有任何关系。你可以变成一个更好的自己。

你对阶段一的 PhD 学生有什么建议？对阶段二的 PhD 学生有什么建议？

阶段一的 PhD 学生，老老实实把 paper 发出去。

如果一篇 paper 都没有，就不要谈“我要看清这个行业的趋势”。阶段一就是卷执行，把事情好好执行，多发几篇 paper，得到更多反馈和 knowledge。

当你有三四篇顶会 paper 以后，要开始想：这几篇 paper 虽然都是 paper，但做得怎么样？有多少人引用？哪些行业受到了改变？这些工作是不是成体系？是不是变成了大家公认的最好工作？有多少人 adopt？

比如 ResNet，那就是一个架构。多少人 adopt 这个架构？有没有其他领域的人使用我们的工作？有没有破圈？

只有阶段一疯狂地卷，才能得到足够信息，把你带到阶段二。

但到了阶段二，执行依然重要，只是要花时间想 why。

很多人的阶段二还在灌水：“我现在有 3 篇，今年再发 3 篇，变成 6 篇。”当然可以，但很多 10 倍影响力的东西，只是 2 倍难度。

你看到比较成功的阶段二 PhD 有哪些？

很好的问题。我觉得何恺明肯定是，但他已经是教授了。

你曾经写过，不要只做 SIGGRAPH 里的小鱼，要去整个 CS 的池塘里做大鱼。

你现在定义的影响力是什么？什么是大鱼？怎么判断自己有没有做成大鱼？

如果 Taichi 2.0 能够在大语言模型时代有很多应用，影响力超过 Taichi 1.0 的 50 倍，我觉得就算做成一条大鱼了。

这样的 Taichi 2.0 会长什么样？

可能所有 Transformer 里都要用到它。

或者我们能够把 simulation 和 neural network 彻底结合起来，做出一种 hybrid simulator，既有 simulation，也有 data-driven 部分。

但要把这两者结合起来，必然需要很好的 infrastructure。太极可以成为那个 infrastructure。

在 robotics 领域，有很多人使用太极。当然现在已经有不少人在用太极做 robotics，但我觉得还可以更多。

或者 Meshy 朝 multimodal generation 领域发展，最终做成 AI for fun，那也算做成大鱼了。

你现在怎么理解失败？因为你在文章里写过，你不再害怕失败。

很多时候就是，失败了又能怎么样？

大家会把失败的后果想得非常严重。失败了我会死吗？会失去做未来事情的机会吗？

只要我还活着，我就没有失败。

即使公司做失败了，我也不会自杀。我只要活着，就能继续做新的东西。

任何失败都只是暂时的失败。真正的失败，可能是尝试了一两次以后，不愿意再创新，变得非常保守。

如果你的目标是创新，大多数创新都不 make sense。一定会成功的事情，就不叫创新。

创新可能 10 个里面成 1 个就不错了。

我经常安慰团队成员：实验失败没关系，只要努力做了，而且你的 insight 是对的。失败是很正常的，家常便饭。

你说过，人生要做大事，而每一件大事往往要做四五年。

从这个角度看，你到目前为止做好了几件大事？未来还想做哪些？

我们可以先算一算。

我当时这么说，是假设自己从 20 岁开始做事，做到 70 岁退休。Hopefully，我 70 岁能退休，中间是 50 年。

如果 5 年做一件事，就能做 10 件事。

这 10 件事里必然有一半失败。如果 10 件事全做成，说明做的事情风险都很小，就不是真正创新。

所以 10 件事可能只能成 5 件。

到目前为止，我做了 0.5 加 0.5。

一个 0.5 是太极做到现在这个阶段。最近我也在筹划太极下一个 0.5，如果做好，可能还要 4、5 年，那大概就是能做到一个亿。

Meshy 现在也做到了 0.5：过了 product-market fit，进入从 1 到 10、从 10 到 100 的阶段。

后面还有很多事情。把 Meshy 做到上市，我觉得是另外一个 0.5。

上市以后，就可以再去做下一个 1。

你文章里提到解决问题的能力。你觉得人生意义会不会被解决问题的能力限制？

有没有一些问题是你能力所不及，意识到以后也决定不去解决了？

很多。

首先，人生有很多意义。不是只有过一个 intense、辛苦、改变世界的人生才有意义。

如果你的人生意义是照顾好父母、培养一个出色的孩子，或者做志愿者、照顾好 100 个孤儿，这也很有意义。

不是所有人都必须像 Elon Musk 或 Jensen Huang 那样，才算过有意义的人生。每个人都有选择自己人生的自由，也没有高下之分。

尤其 AI 时代到来以后，大家都能吃饱穿暖，甚至不需要工作。这样的社会需要更多包容，给每个人更多选择的权利。

包括现在选择躺平，我觉得躺平就躺平，能怎么样？只要能过得好、过得开心，也很好。

我的人生选择当然会被解决问题的能力限制。

我现在就不能像 Elon Musk 那样做 xAI，因为没有那个融资能力、号召力和资金。

但我还是愿意看一看自己的人生能发展成什么样。也许把 Meshy 做好、上市以后，有更多资源去做更大的事情。

上市公司和小规模初创公司做事情完全不同。我显然还没有管理 100 人、1000 人公司的经验，需要逐渐学习。

如果不具备这些经验，没有踩过这些坑，就没有办法管理很大的团队；没有办法管理大团队，很多事情就做不了。

你理想中的人生节奏，是像现在这样高速推进、做 CEO，还是回到 PhD 期间单纯写代码的状态？

坦率说，我更喜欢 PhD 期间的状态。

但喜欢和对你有益是两码事。一个人永远过自己喜欢的生活，也许会很开心，但一定会失去很多机会。

现在的生活也可以。我是一个很耐操、适应能力很强的人，对生活品质要求很低，不要饿死就行。

如果在不饿死的基础上，还能做一些自己感兴趣的事情，我就觉得很好。

所以钱完全不是创业驱动力？

可能只有 5% 到 10%。

如果想赚钱，我有很多方法可以搞钱。搞到钱以后，买个房，然后呢？还是要解决“我干什么”的问题。

还是做事比较重要。

你现在还写代码吗？

写。

每天多少时间？

上周可能写了几个小时，两三个小时。这周少一点。

这周我帮坐在这里的两位同学 debug，读他们的代码，修了一个 bug。

可能有 10% 的时间做这个事情。偶尔还是要 sample 一下现在的问题到底长什么样，这对招聘和技术决策很有帮助。

CEO 如果不写代码，很容易飘，觉得某件事情很容易解决。实际上你每天看看大家解决这些麻烦的问题，就会发现它还是挺复杂的。

你会害怕有一天自己不再写代码吗？

会。我担心那样自己就完全双脚不着地，做出的决策都是上层的阴阳五行，不着调的决策。

我仍然相信一个好的 founder 一定是 hands-on 的。

你看雷军、Jensen、Elon，他们都非常 hands-on。但不一定是写代码，也可以设计产品、亲自和供应商谈，或者对技术有很深理解。

我觉得“天纵”这个词不太好，关键是真正理解技术。

Lisa Su 是 AMD 的 CEO，也是 MIT 毕业的。有一次她在 MIT 演讲，说她比 MBA 最大的优势，就是 actually understand 技术如何工作。

这对很多商业决策很有帮助。

理解到什么程度，叫 actually understand？

至少亲手做过。

比如做 machine learning，你自己 train 过 model、train 过 GAN、train 过 CNN，不一定 train 过 diffusion，但大概知道 training dynamics，知道 Adam optimizer 的参数 alpha、beta 是怎么回事。

如果你写 compiler，要 lead 一个 compiler team，至少以前写过汇编、写过 compiler。

如果不是这样，其他人为什么要为你工作？他从你这里学不到东西。

假如有一天胡渊鸣不再创业，会做什么？

写书。

继续把我的《Games 201》做一个高清重制版。

当年我和你们一样，在 NVIDIA 实习。因为 COVID，我在 Boston 远程实习。

我记得早上 8 点开始讲，正好国内晚上 8 点。讲到 9 点，结束以后再睡一觉，睡到 12 点，然后 NVIDIA 西海岸早上 9 点开始上班。

基本上周末没有任何时间休息，准备得非常仓促。

当然，当时国内没有任何 simulation 方面的教程，所以大家觉得还可以。但我觉得那只是从 0 到 1，没有把 simulation 里面很多技术细节讲得足够透彻，因为我准备时间也很有限。

我还是想把这件事做得更好一点。

可以写一本书，教大家怎么搭 simulation、怎么做 graphics rendering，或者怎么做刚才说的 hybrid simulator，怎么把 simulation 和 neural network 结合起来。

最好再有一些 robotics 方面的应用，那就更好了。

这个 podcast 很多听众是更年轻的一代。

我也很年轻，我是 1994 年的，没有比他们大多少。

对现在想读博的年轻人，你有什么建议？

争取在这个过程中找到自己真正热爱的事情。

我看过太多人读博只是为了一个学位，但最后并不喜欢这件事，弄得非常痛苦。

但你不是通过读博找到热爱的东西的。

对。我在读博之前就知道自己会喜欢 PhD 做的事情。

因为本科时我已经复现了几十篇 SIGGRAPH 论文，所以我知道，自己只是从复现别人的论文，变成自己做一篇论文。我知道自己会喜欢这个事情。

对于想创业的年轻人，你有什么建议？

首先是 get ready。

你得知道自己是不是 ready for 创业。这个 ready 不是说你已经想清楚要做什么，而是要有承受失败的能力。

这包括父母身体比较健康，有一个稳定的家庭，以至于你可以 7×24 小时思考公司该怎么做。

这些事情准备好以后，行动可能是最重要的：take action。

你说的行动，是执行，还是迈出真正创业那一步？

我觉得是真正迈出创业这一步。

很多事情都可以学，可以快速试错、快速学习，然后发现自己是傻逼，变成一个更好的自己。

所以经验没有那么重要，想清楚也没有那么重要。只要能承受失败的后果，心态是“失败了就失败了，能怎么样”，就可以。

我当时创业的心态就是：PhD 三年半毕业，就算浪费两年，变成五年半毕业，能怎么样？

当时我父母身体还不错，家里也没有什么需要我担忧的，所以做了就做了。

10 年后的胡渊鸣，你希望是什么样子？

希望保持今天所有好的品质，把坏的品质都丢掉。

你现在知道那些坏的品质是什么吗？

知道。

比如闲不下来、管得太细；时间管理做不好，把自己搞得很累；执行时间多于思考时间。

这些都是需要改变的。

我的问题都问完了。

胡渊鸣，你还有什么想留在这个 2025 年 podcast 时间胶囊里的话，留给你自己、Meshy，以及见证你成长的人？

简短地说，希望所有看到这个 podcast 的人，都能具备勇气。

勇气。

谢谢胡渊鸣，我们今天到此为止。

谢谢，谢谢。