文/文杰
导语
MiniMax 联创再创业：All in AI 3D，目标不止游戏。
1月10日中午，我在VAST的办公室见到宋亚宸。他刚结束上午的会议，下午还要见投资人。前一天，他曾参与创立的MiniMax刚刚上市，首日市值突破1000亿港币。而他和往常一样，玩游戏玩到了凌晨三点。
2023 年初创立的VAST，如今已成为3D生成领域的头部玩家——用户量突破650万，截至去年8月，公司年经常性收入(ARR)已突破1200万美元；团队有几十位AI与图形学交叉领域的博士和科学家，发表论文60余篇。
上个月，他们刚刚发布了 Tripo Studio 1.0版本，前几天还宣布了一场面向独立开发者的游戏大赛。
近期上线的Tripo Studio 1.0版本
宋亚宸身上有一种强烈的反差感。
他生于1997年，本科在约翰霍普金斯读国际关系与经济学。大三去以色列访学，教授告诉他：“拥抱世界的复杂性”。
不是技术出身，却投身最前沿的AI领域。2019 年，他加入商汤科技，在 CEO 办公室做战略相关工作，研究AI 如何与动画、游戏结合与落地。 2021 年，他以001 号员工和早期联创的身份参与了MiniMax 的创立。但在2022年底，GPT-3.5发布、大语言模型最火热的时候，宋亚宸做了一个反常识的决定：离开MiniMax，All in 3D。
当时谷歌发布了Dreamfusion，3D生成成为可能。他的判断是：从3D到视频到图片到文字，是信息不断被压缩的过程，3D才是源代码，比其他媒介更本质，值得All in。
2023年初，他创立了VAST，同年，他成为SIGGRAPH 50年历史上第一位登上主题演讲的中国人，与英伟达黄仁勋同台。
在创业者的光环之外，宋亚宸还是个重度游戏玩家：喜欢SLG 和RPG，在《率土之滨》里当过盟主；国际象棋打到同年龄段世界第八；每隔一两周拉上朋友玩一场DND（龙与地下城）……
高中时，他每天晚上11点睡、凌晨3点起来写作业，放学先下三四个小时棋，再打三四个小时游戏。大学时，因为喜欢坐在床上玩游戏，席梦思床垫被他坐出一个坑。现在创业了，作息依然如此：早上7、8 点起床，工作到晚上9、10点，然后打游戏到凌晨三四点。
正是这个玩家身份，让他比大多数AI创业者更早看到游戏行业的痛点。
2019年在商汤做“AI+游戏”时，他经常跑行业活动，发现很多游戏玩法挺有意思，但美术普遍粗糙。不少人本来想做3D，最后只好妥协做成2D，选一些奇怪的视角，玩法潜力无法完全发挥出来。
2020年、2021年，他连续参加两届Global Game Jam，自己当策划下场做游戏。他发现一个规律：现场组队最缺的就是美术和工程，策划最多。群里到处都有人喊：缺美术、缺工程。很多人来不及做完，只好放个占位的小人凑数。
美术生产的高成本和长周期一直是行业的痛点。有一次在GDC，他遇到一个独立开发者，名片上印着某某Studio，看起来非常正式。聊了几句才知道，对方在这家“公司”待了十年，同时打着无数份兼职——只为养活这个只有自己一个人的工作室。一个游戏磨十年，期间要接无数外包，才能换来继续做梦的资格。
“这件事太影响大家的创意发挥了。”
AI 3D 生成带来更多玩法
宋亚宸对游戏行业有一个更尖锐的判断。他自己就是重度玩家，在游戏里花过不少钱，但他毫不避讳地说：现在游戏的商业模式，严重阻碍了游戏的多样性。
“为什么？就一个原因：做游戏太难了、太贵了。”
他说自己也想吃电子汉堡、电子沙拉、电子鸡腿——那些健康的、轻量的、不让人上瘾的东西。但市场上为什么很少？因为赚不到足够的钱。
在他看来，这是成本结构决定的必然结果。创作门槛过高，导致大多数产品不得不向变现效率最高的方向倾斜。
基于现在AI 发展的速度。宋亚宸预测，未来一两年3D生成可能会发展到“让人不得不用”的程度。
到时候，我们可能会迎来创意的爆发。
以下是游戏茶馆与宋亚宸的对话，内容经编辑。
01
游戏行业的创意发挥被严重阻碍了
茶馆：你当初为什么从MiniMax出来创业？
宋亚宸：2022 年底，谷歌发布Dreamfusion，3D生成的开山之作。3D生成变成可能了，我觉得3D大模型是很好的机会，应该All in。
但那时候是GPT、OpenAI是最火的时候，很难说服大家All in 3D。但我觉得 3D这个事情更本质、更长期，所以我自己出来All in。
茶馆：你是什么时候和游戏行业产生交集的？
宋亚宸：我以前在商汤做“AI+游戏”和“AI+动画”的时候，经常去一些游戏行业的活动。我记得2019年还去过茶馆的对接会，见到了很多投资人、大厂发行商和中小研发。许多小型工作室是我们的目标客户，我就一个个去加微信。
当然大游戏厂商也跑，但真正好玩的还是那些小厂商——他们会做很多新玩法出来，不是那种采购了以后对付老板、满足一下“今年要用多少AI”的KPI。好玩的东西他们真的能用起来。
茶馆：听说你还打过Game Jam？
宋亚宸：对，2020年、2021年打了两次。第一次是和一个三七互娱的美术、一个科大讯飞的程序、一个文案一起组队，做了一个酒馆调酒师游戏，3D的。完成度很一般，但玩得很开心。
我参加线下Game Jam 时就发现，现场组队最缺的就是美术和工程，策划最多。群里到处都有人喊：“缺美术、缺工程”。而且美术经常都来不及做完，很多人就放个占位的小人儿上去，或者把私下做的稿子弄上来，完成度能高一点。你要是没有现成的素材，从头开始起锅灶就很痛苦。
茶馆：从那时候就开始关注到美术这个痛点了？
宋亚宸：美术一直都是最大的痛点。
上海有个社群叫Random Encounters，是育碧的一群老外组织的。他们会办那种活动，大家把自己的demo带过来互相体验。我参加过几次，看到很多玩法已经挺有意思了，但美术普遍都比较粗糙。很多人本来想做成3D的，但3D开发不光美术难，整个开发流程都难，最后只好做成2D，选一些奇怪的视角，战斗方式很难展现出来。
大厂有预算铺美术、铺资产，立项测试完了再搞这些，水到渠成。但对于小工作室和独立开发者来说，就相对痛苦了。我见过那种真有理想的，一个游戏做十年，为了养活自己的工作室，期间要接无数的外包。
茶馆：一个游戏磨出来真的需要很长时间，尤其是团队人不多的时候。
宋亚宸：这件事太影响大家的创意发挥了。
现在代码变得简单了，Cursor这类工具很多人都会用，尤其是产品经理、策划。他们已经能做出不少2D的东西，这肯定是一个进步。
但3D就不一样了。一方面，技术还不够成熟，尤其在大型场景搭建上可能还差一些；另一方面，从2D跨到3D本身就是一道坎——技术框架、架构、引擎整体都会变，成本一下子就上去了。
但我们也知道，2D游戏在体验感、沉浸感上肯定是弱的。很多独立游戏不是不想做3D，而是美术生产和程序开发的难度、成本都太高了，很无奈，只能退而求其次选择2D。
02
当创作成本趋近于零，新东西就会涌现
茶馆：当3D大模型技术和代码生成走向成熟，游戏行业会发生怎样的改变？
宋亚宸：如果我们只盯着游戏本身，可能看不到真正的变化。我们看到的其实是一种新东西的出现。
游戏是第九艺术，和电影、文学名著、壁画一样，都是大量的人、大量的资金，投入很长时间才能完成的东西。有点像米开朗基罗带着几十个人在西斯廷教堂的穹顶上作画，一画就是好几年。游戏开发其实是一样的。
这些艺术形式有一个共同特点：成本很高。这一点非常本质。因为成本高，所以对收入的要求也高。而当你对商业化的要求很高时，就会倾向于把单个作品做成一个独立的、能够形成商业闭环的产品。
现在任何一款游戏都是一款产品——王者荣耀、吃鸡、原神、消消乐、咸鱼之王，全都是端到端形成闭环的产品。电影、长篇小说也是如此，哪个不是指望赚钱的？迪士尼的电影要赚钱，米开朗基罗的画美第奇家族得付钱。
茶馆：你说的“新东西”具体指什么？
宋亚宸：新东西在于：当创造内容的成本趋近于零时，我就不一定非要指望赚钱。如果不指望赚钱，它就可以是分享心情、炫耀想法、传递信息、吐个槽……可以是任何东西，不用端到端形成一个产品。
比如很多游戏广告的买量素材其实很好玩，但这些买量素材里的可交互内容，基本上都作为副玩法藏在一些强商业化的游戏里。为什么只能是副玩法？就一个原因：它端到端不产生商业化。所以它没办法成为我们现在所定义的“游戏”。但它是不是游戏？我觉得它太有游戏性了。
现在游戏的商业模式，严重阻碍了游戏的多样性。为什么？就一个原因：做游戏太难了、太贵了。你得赚钱：首充、次充、累充，各种节日活动，恨不得100个东西往上怼，把你的钱包安排得明明白白。我自己就是重度玩家，在里面花了不少钱。
茶馆：创作门槛过高，多数产品不得不向商业化效率更高的方向靠近。
宋亚宸：文字、图片、视频都已经跨过了这道坎。当创作成本降到接近零，就会出现新东西——如果还要在龟壳上刻字，怎么可能有微博、知乎、小红书？如果拍视频还要长枪短炮和胶片，也不会出现抖音。
现在提到视频，大家第一反应是抖音、快手、B站，不是电影。电影在整个视频产业里的占比就那么一点，游戏未来也可能会这样：在所有可交互内容里，传统意义上的“游戏”只占一小部分。想到可交互内容，第一反应不再是游戏，而是那些新东西。
新东西叫什么我不知道，但一定不叫“小游戏”。有人问我：“你想做小游戏的平台？”我说不是。道理很简单：张一鸣做了TikTok，你能说这是个“小电影平台”吗？
茶馆：这种新东西什么时候能涌现？
宋亚宸：现在还在早期。手机摄像头出来之前，做不出抖音——摄像头都没有，怎么做？
所以元宇宙那一波泡沫破裂了。当时很多人进元宇宙会说一件事：没东西体验。元宇宙很大，但你的房子是空的，能干嘛呢？你跑到GTA里面是有各种故事的——有纹身的黑帮，有灯红酒绿的街道，每一块广告牌都不一样。细节做到那个程度，才有那么多内容让你消费。当然，那是砸了钱的，全是手搓出来的。
但如果做一个GTA这样的东西是零门槛、零成本、实时生成的呢？我今天就能做一个，甚至做好几个。这个挺好玩，但大家可能也不会花很多时间，两分钟、一分钟、甚至20秒。够了，你可以去创造下一个世界，消费别的东西。
这种强交互、轻体验的新东西，现在确实太早了。可能还要再等等我们这些做AI的。
03
3D是信息的源代码，比其他媒介更本质
茶馆：你认为3D比图片、视频更本质？
宋亚宸：大家通常的理解是：文字到图片到视频到3D，信息密度不断提升，体验逐步升维。这个理解是错的。
其实反过来才对：从3D到视频到图片到文字，是信息不断被压缩、不断损失的过程。
宇宙演化几百亿年，只有3D信息。生物演化几十亿年，只有3D信息。人类几十万年，直到三五千年前，也只有3D信息。良渚、红山、三星堆，出土的全是面具、首饰、图腾——3D的东西，而不是文字、图片和视频。
为什么？因为文字、图片、视频都是人类最近发明的压缩格式。三五千年前发现可以在龟壳、竹简上传信息，但载体有限，必须压缩，于是有了文字。视频也一样，100多年前才发明，又是一种压缩格式。
所以3D才是源代码、源文件，文字图片视频都是低模。为什么要低模？因为GPU不够、带宽不够。2G只能传文字，4G才有视频。等到人人光纤的时候，大家会回归源文件，因为体验最好。
训练AI也是同样的道理。人得多高傲，才会觉得通用人工智能应该基于文字——一种压缩格式来训练？它难道不应该基于源文件训练吗？这就是为什么李飞飞、杨立昆都在做世界模型、3D大模型。大家缓过味来了：要在最本源的信息上训练。
茶馆：为什么3D大模型的发展相对其他模态没那么快？
宋亚宸：三个原因。
第一，缺人才。图形学本身人就不多，图形学和AI交叉就更少了——以前从来没交叉过，突然交叉了，能干这事的人非常少。你很难找到一个50岁的老教授一辈子研究这个，这是全新的领域。所以我们团队基本都是30岁以下的博士。
第二，缺数据。你今天拍照片、写文字发朋友圈很正常，但你见过几个人建模发朋友圈？数据只能从各种犄角旮旯里想办法搞。
第三，管线太长。不是几何生成完就结束了——贴图、PBR、法线、UV、拓扑、骨骼、动作、特效，太多了。你是在创造世界。
所有AI生成里，只有3D和代码特别像。很多人说我们是“3D的Cursor”，确实有道理。几乎所有大模型都是“模型即产品”——一个对话框，输入文字输出结果，非常简单。只有代码和3D不是这样。Cursor长得像VSCode，我们长得像引擎，因为它是个管线，不是一进一出就完了。而且3D艺术家和程序员，从人数、工资到使用习惯都很像。
更本质地说，构建世界只需要两件事：造万物和建规则。我们负责造万物，代码负责建规则。这两件事一合就是一个世界，比文字、图片、视频更加本质。
茶馆：3D大模型和世界模型是什么关系？
宋亚宸：3D模型会演化出世界模型。世界模型看过很多虚拟世界和现实世界的数据，能自动把逻辑、物理都模拟掉。
比如一扇门就应该可以开。而且这个“开”取决于上面那根杆、那个弹簧长什么样——弹簧朝内就朝内开，朝外就朝外开。它能理解这件事情。它先分割、知道上面有什么，然后理解，再生成。
有了世界模型以后，很多RPG游戏会非常好做。
茶馆： 现在所谓AI结合玩法的游戏，基本都集中在RPG领域——Chatbot、智能NPC……但RPG其实不是最大的品类。
宋亚宸：我觉得做AI的和做游戏的还没有互相理解。大家觉得像MOBA 这类的玩法是规则性的东西，像围棋一样，很难用AI改造。
但降本增效和玩法创新不应该完全割裂开。直接用AI改造《王者荣耀》不太现实，但如果把创作门槛降下来，就可能有无数人去做类似的原型，无数原型里可能跑出一两个超级玩法。
本质上还是要用新能力多尝试，就可能涌现好玩的东西。但现在尝试的成本还太高。如果只花50块钱、两天时间就能搞，大家就搞了。但如果花500万搞两年，就不好搞了。
茶馆：你怎么看AI技术的发展速度？
宋亚宸：现在的很多技术放在过去1000年里，绝对是那个世纪的顶尖发明。
比如视频生成。以前的视频只有两种：在物理世界找位置、找角度拍一段时间，这是拍摄；在虚拟世界找位置、找角度拍一段时间，这是动画。AI生成视频干了一件很厉害的事：不需要物理相机或虚拟相机，不找位置、不找角度、不给拍摄时间，直接编一个从未存在过的东西给你。这应该得诺贝尔奖。
3D生成也一样。以前什么都没有，现在一句话出来个模型，言出法随，马良神笔。但大家看了三年奇观，已经麻木了。
04
3D 生成技术很快会进化到无法忽视
茶馆：VAST的发展脉络是怎样的？
宋亚宸：我们最开始想做一个新内容平台，新东西的TikTok，但失败了。
为什么失败？因为没有出现新东西的“手机摄像头”，缺乏大众级别的创作工具。大众没法参与，你招的还是那些艺术精英，只是他们闲着来做这种东西。导演闲了没事拍个视频，和门口二大爷拍个视频，是不一样的东西。
意识到这个问题后，我们就想怎么让门口二大爷也能做。所以转向3D大模型，后面还有世界模型，目标是让每个人都能创造体验，沉浸式、强交互、轻内容的体验。
茶馆：你们具体做了什么？
宋亚宸：我们在2025年5月31号发布了Studio的0.1版本，就是Beta版本，收入一个月翻了两三倍，一个季度翻了五六倍。就干了一件事：把原来“模型即产品”的对话框变成了引擎、一个studio。
上线初期做得不完整，所以叫0.1。我们刚刚发布了Tripo studio 1.0，希望在这个版本上不停迭代，慢慢形成一种新的工作流，替代原有那种非常复杂的、不同插件、不同引擎参与的3D制作软件管线。
一部分面向专业用户，但也面向我们叫Pro C的用户——有一定专业能力的C端用户。很多人用这个东西不是靠它吃饭的，可能不是建模师，可能是原画师用来做3D参考，可能是做广告的。
茶馆：现阶段离“3D 抖音”的愿景还有多远？
宋亚宸：我们在做一个3D的剪映，或者说可交互内容的剪映，让每个人都能零门槛、零成本创作3D的可交互内容。在PC上，在手机上。它可能不只是工具，还包括平台、社区。
一直在持续做，持续迭代。有一群很包容的社区创作者陪我们迭代。
茶馆：目前 3D 大模型的竞争格局是怎样的？VAST的核心优势是什么？
宋亚宸：海外没有特别多竞争对手，AI 3D目前国内做得比较好。
我们的优势在于技术好，生成效果好。一是数据量大，比其他家多一个数量级。二是人才，我们有几十个AI与图形学交叉领域的博士和科学家，论文发了60多篇。
茶馆：大厂数据不应该更多吗？
宋亚宸：没那么多。一个游戏有多少3D模型？算1万个已经很多了。大厂也不可能做过500款3D大型游戏吧？算500款也就500万，我们至少5000万。
茶馆：有从业者说把3D生成技术接入现有管线很麻烦，你怎么看？
宋亚宸：不同管线确实有不同要求——分层方式、贴图格式、命名规范都不一样。但我觉得现在不是操心这个的时候。好用大家就会用。
就像手机拍照360P、720P的时候，游戏公司说“完全用不了，是垃圾”。到1080P，说“能用，但格式跟我们内部不太契合”。但当它能拍4K、8K，而且几乎免费——你原来10万块钱我现在一毛钱，你原来几个月我现在10秒钟——你还会说“我的管线很复杂”吗？你不会的。你会想“我怎么配套AI做新的管线？谁先做谁就牛”。
这说明3D生成还不够好。如果足够好，他们就会问“你的接口是什么？我们怎么把管线做得更匹配？”
茶馆：你觉得什么时候3D生成能达到让大家不得不用的程度？
宋亚宸：我觉得2026年有机会。发展速度太快了，你去看2023年、2024年、2025年的技术演进，完全不是一个level。基本上每个月都有版本更新，没有卡点，纯粹是时间和精力投入的问题。
茶馆：你喜欢什么类型的游戏？你自己想用3D 生成技术做什么？
宋亚宸：SLG和RPG，我喜欢跟人斗。《文明》《全面战争》《维多利亚》这些策略感重的都可以。
我想做一个偏SLG的3D游戏。以3D作为核心玩法，还有很多有意思的可能性。
▶ “发送“社群”加入游戏茶馆行业交流群”
热门跟贴