97年生，與黃仁勛同臺：他想以另一種方式改變游戲行業

文/文杰

導語

MiniMax 聯創再創業：All in AI 3D，目標不止游戲。

1月10日中午，我在VAST的辦公室見到宋亞宸。他剛結束上午的會議，下午還要見投資人。前一天，他曾參與創立的MiniMax剛剛上市，首日市值突破1000億港幣。而他和往常一樣，玩游戲玩到了凌晨三點。

2023 年初創立的VAST，如今已成為3D生成領域的頭部玩家——用戶量突破650萬，截至去年8月，公司年經常性收入(ARR)已突破1200萬美元；團隊有幾十位AI與圖形學交叉領域的博士和科學家，發表論文60余篇。

上個月，他們剛剛發布了 Tripo Studio 1.0版本，前幾天還宣布了一場面向獨立開發者的游戲大賽。

近期上線的Tripo Studio 1.0版本

宋亞宸身上有一種強烈的反差感。

他生于1997年，本科在約翰霍普金斯讀國際關系與經濟學。大三去以色列訪學，教授告訴他：“擁抱世界的復雜性”。

不是技術出身，卻投身最前沿的AI領域。2019 年，他加入商湯科技，在 CEO 辦公室做戰略相關工作，研究AI 如何與動畫、游戲結合與落地。 2021 年，他以001 號員工和早期聯創的身份參與了MiniMax 的創立。但在2022年底，GPT-3.5發布、大語言模型最火熱的時候，宋亞宸做了一個反常識的決定：離開MiniMax，All in 3D。

當時谷歌發布了Dreamfusion，3D生成成為可能。他的判斷是：從3D到視頻到圖片到文字，是信息不斷被壓縮的過程，3D才是源代碼，比其他媒介更本質，值得All in。

2023年初，他創立了VAST，同年，他成為SIGGRAPH 50年歷史上第一位登上主題演講的中國人，與英偉達黃仁勛同臺。

在創業者的光環之外，宋亞宸還是個重度游戲玩家：喜歡SLG 和RPG，在《率土之濱》里當過盟主；國際象棋打到同年齡段世界第八；每隔一兩周拉上朋友玩一場DND（龍與地下城）……

高中時，他每天晚上11點睡、凌晨3點起來寫作業，放學先下三四個小時棋，再打三四個小時游戲。大學時，因為喜歡坐在床上玩游戲，席夢思床墊被他坐出一個坑?，F在創業了，作息依然如此：早上7、8 點起床，工作到晚上9、10點，然后打游戲到凌晨三四點。

正是這個玩家身份，讓他比大多數AI創業者更早看到游戲行業的痛點。

2019年在商湯做“AI+游戲”時，他經常跑行業活動，發現很多游戲玩法挺有意思，但美術普遍粗糙。不少人本來想做3D，最后只好妥協做成2D，選一些奇怪的視角，玩法潛力無法完全發揮出來。

2020年、2021年，他連續參加兩屆Global Game Jam，自己當策劃下場做游戲。他發現一個規律：現場組隊最缺的就是美術和工程，策劃最多。群里到處都有人喊：缺美術、缺工程。很多人來不及做完，只好放個占位的小人湊數。

美術生產的高成本和長周期一直是行業的痛點。有一次在GDC，他遇到一個獨立開發者，名片上印著某某Studio，看起來非常正式。聊了幾句才知道，對方在這家“公司”待了十年，同時打著無數份兼職——只為養活這個只有自己一個人的工作室。一個游戲磨十年，期間要接無數外包，才能換來繼續做夢的資格。

“這件事太影響大家的創意發揮了?！?/p>

AI 3D 生成帶來更多玩法

宋亞宸對游戲行業有一個更尖銳的判斷。他自己就是重度玩家，在游戲里花過不少錢，但他毫不避諱地說：現在游戲的商業模式，嚴重阻礙了游戲的多樣性。

“為什么？就一個原因：做游戲太難了、太貴了?！?/p>

他說自己也想吃電子漢堡、電子沙拉、電子雞腿——那些健康的、輕量的、不讓人上癮的東西。但市場上為什么很少？因為賺不到足夠的錢。

在他看來，這是成本結構決定的必然結果。創作門檻過高，導致大多數產品不得不向變現效率最高的方向傾斜。

基于現在AI 發展的速度。宋亞宸預測，未來一兩年3D生成可能會發展到“讓人不得不用”的程度。

到時候，我們可能會迎來創意的爆發。

以下是游戲茶館與宋亞宸的對話，內容經編輯。

01

游戲行業的創意發揮被嚴重阻礙了

茶館：你當初為什么從MiniMax出來創業？

宋亞宸：2022 年底，谷歌發布Dreamfusion，3D生成的開山之作。3D生成變成可能了，我覺得3D大模型是很好的機會，應該All in。

但那時候是GPT、OpenAI是最火的時候，很難說服大家All in 3D。但我覺得 3D這個事情更本質、更長期，所以我自己出來All in。

茶館：你是什么時候和游戲行業產生交集的？

宋亞宸：我以前在商湯做“AI+游戲”和“AI+動畫”的時候，經常去一些游戲行業的活動。我記得2019年還去過茶館的對接會，見到了很多投資人、大廠發行商和中小研發。許多小型工作室是我們的目標客戶，我就一個個去加微信。

當然大游戲廠商也跑，但真正好玩的還是那些小廠商——他們會做很多新玩法出來，不是那種采購了以后對付老板、滿足一下“今年要用多少AI”的KPI。好玩的東西他們真的能用起來。

茶館：聽說你還打過Game Jam？

宋亞宸：對，2020年、2021年打了兩次。第一次是和一個三七互娛的美術、一個科大訊飛的程序、一個文案一起組隊，做了一個酒館調酒師游戲，3D的。完成度很一般，但玩得很開心。

我參加線下Game Jam 時就發現，現場組隊最缺的就是美術和工程，策劃最多。群里到處都有人喊：“缺美術、缺工程”。而且美術經常都來不及做完，很多人就放個占位的小人兒上去，或者把私下做的稿子弄上來，完成度能高一點。你要是沒有現成的素材，從頭開始起鍋灶就很痛苦。

茶館：從那時候就開始關注到美術這個痛點了？

宋亞宸：美術一直都是最大的痛點。

上海有個社群叫Random Encounters，是育碧的一群老外組織的。他們會辦那種活動，大家把自己的demo帶過來互相體驗。我參加過幾次，看到很多玩法已經挺有意思了，但美術普遍都比較粗糙。很多人本來想做成3D的，但3D開發不光美術難，整個開發流程都難，最后只好做成2D，選一些奇怪的視角，戰斗方式很難展現出來。

大廠有預算鋪美術、鋪資產，立項測試完了再搞這些，水到渠成。但對于小工作室和獨立開發者來說，就相對痛苦了。我見過那種真有理想的，一個游戲做十年，為了養活自己的工作室，期間要接無數的外包。

茶館：一個游戲磨出來真的需要很長時間，尤其是團隊人不多的時候。

宋亞宸：這件事太影響大家的創意發揮了。

現在代碼變得簡單了，Cursor這類工具很多人都會用，尤其是產品經理、策劃。他們已經能做出不少2D的東西，這肯定是一個進步。

但3D就不一樣了。一方面，技術還不夠成熟，尤其在大型場景搭建上可能還差一些；另一方面，從2D跨到3D本身就是一道坎——技術框架、架構、引擎整體都會變，成本一下子就上去了。

但我們也知道，2D游戲在體驗感、沉浸感上肯定是弱的。很多獨立游戲不是不想做3D，而是美術生產和程序開發的難度、成本都太高了，很無奈，只能退而求其次選擇2D。

02

當創作成本趨近于零，新東西就會涌現

茶館：當3D大模型技術和代碼生成走向成熟，游戲行業會發生怎樣的改變？

宋亞宸：如果我們只盯著游戲本身，可能看不到真正的變化。我們看到的其實是一種新東西的出現。

游戲是第九藝術，和電影、文學名著、壁畫一樣，都是大量的人、大量的資金，投入很長時間才能完成的東西。有點像米開朗基羅帶著幾十個人在西斯廷教堂的穹頂上作畫，一畫就是好幾年。游戲開發其實是一樣的。

這些藝術形式有一個共同特點：成本很高。這一點非常本質。因為成本高，所以對收入的要求也高。而當你對商業化的要求很高時，就會傾向于把單個作品做成一個獨立的、能夠形成商業閉環的產品。

現在任何一款游戲都是一款產品——王者榮耀、吃雞、原神、消消樂、咸魚之王，全都是端到端形成閉環的產品。電影、長篇小說也是如此，哪個不是指望賺錢的？迪士尼的電影要賺錢，米開朗基羅的畫美第奇家族得付錢。

茶館：你說的“新東西”具體指什么？

宋亞宸：新東西在于：當創造內容的成本趨近于零時，我就不一定非要指望賺錢。如果不指望賺錢，它就可以是分享心情、炫耀想法、傳遞信息、吐個槽……可以是任何東西，不用端到端形成一個產品。

比如很多游戲廣告的買量素材其實很好玩，但這些買量素材里的可交互內容，基本上都作為副玩法藏在一些強商業化的游戲里。為什么只能是副玩法？就一個原因：它端到端不產生商業化。所以它沒辦法成為我們現在所定義的“游戲”。但它是不是游戲？我覺得它太有游戲性了。

現在游戲的商業模式，嚴重阻礙了游戲的多樣性。為什么？就一個原因：做游戲太難了、太貴了。你得賺錢：首充、次充、累充，各種節日活動，恨不得100個東西往上懟，把你的錢包安排得明明白白。我自己就是重度玩家，在里面花了不少錢。

茶館：創作門檻過高，多數產品不得不向商業化效率更高的方向靠近。

宋亞宸：文字、圖片、視頻都已經跨過了這道坎。當創作成本降到接近零，就會出現新東西——如果還要在龜殼上刻字，怎么可能有微博、知乎、小紅書？如果拍視頻還要長槍短炮和膠片，也不會出現抖音。

現在提到視頻，大家第一反應是抖音、快手、B站，不是電影。電影在整個視頻產業里的占比就那么一點，游戲未來也可能會這樣：在所有可交互內容里，傳統意義上的“游戲”只占一小部分。想到可交互內容，第一反應不再是游戲，而是那些新東西。

新東西叫什么我不知道，但一定不叫“小游戲”。有人問我：“你想做小游戲的平臺？”我說不是。道理很簡單：張一鳴做了TikTok，你能說這是個“小電影平臺”嗎？

茶館：這種新東西什么時候能涌現？

宋亞宸：現在還在早期。手機攝像頭出來之前，做不出抖音——攝像頭都沒有，怎么做？

所以元宇宙那一波泡沫破裂了。當時很多人進元宇宙會說一件事：沒東西體驗。元宇宙很大，但你的房子是空的，能干嘛呢？你跑到GTA里面是有各種故事的——有紋身的黑幫，有燈紅酒綠的街道，每一塊廣告牌都不一樣。細節做到那個程度，才有那么多內容讓你消費。當然，那是砸了錢的，全是手搓出來的。

但如果做一個GTA這樣的東西是零門檻、零成本、實時生成的呢？我今天就能做一個，甚至做好幾個。這個挺好玩，但大家可能也不會花很多時間，兩分鐘、一分鐘、甚至20秒。夠了，你可以去創造下一個世界，消費別的東西。

這種強交互、輕體驗的新東西，現在確實太早了。可能還要再等等我們這些做AI的。

03

3D是信息的源代碼，比其他媒介更本質

茶館：你認為3D比圖片、視頻更本質？

宋亞宸：大家通常的理解是：文字到圖片到視頻到3D，信息密度不斷提升，體驗逐步升維。這個理解是錯的。

其實反過來才對：從3D到視頻到圖片到文字，是信息不斷被壓縮、不斷損失的過程。

宇宙演化幾百億年，只有3D信息。生物演化幾十億年，只有3D信息。人類幾十萬年，直到三五千年前，也只有3D信息。良渚、紅山、三星堆，出土的全是面具、首飾、圖騰——3D的東西，而不是文字、圖片和視頻。

為什么？因為文字、圖片、視頻都是人類最近發明的壓縮格式。三五千年前發現可以在龜殼、竹簡上傳信息，但載體有限，必須壓縮，于是有了文字。視頻也一樣，100多年前才發明，又是一種壓縮格式。

所以3D才是源代碼、源文件，文字圖片視頻都是低模。為什么要低模？因為GPU不夠、帶寬不夠。2G只能傳文字，4G才有視頻。等到人人光纖的時候，大家會回歸源文件，因為體驗最好。

訓練AI也是同樣的道理。人得多高傲，才會覺得通用人工智能應該基于文字——一種壓縮格式來訓練？它難道不應該基于源文件訓練嗎？這就是為什么李飛飛、楊立昆都在做世界模型、3D大模型。大家緩過味來了：要在最本源的信息上訓練。

茶館：為什么3D大模型的發展相對其他模態沒那么快？

宋亞宸：三個原因。

第一，缺人才。圖形學本身人就不多，圖形學和AI交叉就更少了——以前從來沒交叉過，突然交叉了，能干這事的人非常少。你很難找到一個50歲的老教授一輩子研究這個，這是全新的領域。所以我們團隊基本都是30歲以下的博士。

第二，缺數據。你今天拍照片、寫文字發朋友圈很正常，但你見過幾個人建模發朋友圈？數據只能從各種犄角旮旯里想辦法搞。

第三，管線太長。不是幾何生成完就結束了——貼圖、PBR、法線、UV、拓撲、骨骼、動作、特效，太多了。你是在創造世界。

所有AI生成里，只有3D和代碼特別像。很多人說我們是“3D的Cursor”，確實有道理。幾乎所有大模型都是“模型即產品”——一個對話框，輸入文字輸出結果，非常簡單。只有代碼和3D不是這樣。Cursor長得像VSCode，我們長得像引擎，因為它是個管線，不是一進一出就完了。而且3D藝術家和程序員，從人數、工資到使用習慣都很像。

更本質地說，構建世界只需要兩件事：造萬物和建規則。我們負責造萬物，代碼負責建規則。這兩件事一合就是一個世界，比文字、圖片、視頻更加本質。

茶館：3D大模型和世界模型是什么關系？

宋亞宸：3D模型會演化出世界模型。世界模型看過很多虛擬世界和現實世界的數據，能自動把邏輯、物理都模擬掉。

比如一扇門就應該可以開。而且這個“開”取決于上面那根桿、那個彈簧長什么樣——彈簧朝內就朝內開，朝外就朝外開。它能理解這件事情。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游戲會非常好做。

茶館： 現在所謂AI結合玩法的游戲，基本都集中在RPG領域——Chatbot、智能NPC……但RPG其實不是最大的品類。

宋亞宸：我覺得做AI的和做游戲的還沒有互相理解。大家覺得像MOBA 這類的玩法是規則性的東西，像圍棋一樣，很難用AI改造。

但降本增效和玩法創新不應該完全割裂開。直接用AI改造《王者榮耀》不太現實，但如果把創作門檻降下來，就可能有無數人去做類似的原型，無數原型里可能跑出一兩個超級玩法。

本質上還是要用新能力多嘗試，就可能涌現好玩的東西。但現在嘗試的成本還太高。如果只花50塊錢、兩天時間就能搞，大家就搞了。但如果花500萬搞兩年，就不好搞了。

茶館：你怎么看AI技術的發展速度？

宋亞宸：現在的很多技術放在過去1000年里，絕對是那個世紀的頂尖發明。

比如視頻生成。以前的視頻只有兩種：在物理世界找位置、找角度拍一段時間，這是拍攝；在虛擬世界找位置、找角度拍一段時間，這是動畫。AI生成視頻干了一件很厲害的事：不需要物理相機或虛擬相機，不找位置、不找角度、不給拍攝時間，直接編一個從未存在過的東西給你。這應該得諾貝爾獎。

3D生成也一樣。以前什么都沒有，現在一句話出來個模型，言出法隨，馬良神筆。但大家看了三年奇觀，已經麻木了。

04

3D 生成技術很快會進化到無法忽視

茶館：VAST的發展脈絡是怎樣的？

宋亞宸：我們最開始想做一個新內容平臺，新東西的TikTok，但失敗了。

為什么失敗？因為沒有出現新東西的“手機攝像頭”，缺乏大眾級別的創作工具。大眾沒法參與，你招的還是那些藝術精英，只是他們閑著來做這種東西。導演閑了沒事拍個視頻，和門口二大爺拍個視頻，是不一樣的東西。

意識到這個問題后，我們就想怎么讓門口二大爺也能做。所以轉向3D大模型，后面還有世界模型，目標是讓每個人都能創造體驗，沉浸式、強交互、輕內容的體驗。

茶館：你們具體做了什么？

宋亞宸：我們在2025年5月31號發布了Studio的0.1版本，就是Beta版本，收入一個月翻了兩三倍，一個季度翻了五六倍。就干了一件事：把原來“模型即產品”的對話框變成了引擎、一個studio。

上線初期做得不完整，所以叫0.1。我們剛剛發布了Tripo studio 1.0，希望在這個版本上不停迭代，慢慢形成一種新的工作流，替代原有那種非常復雜的、不同插件、不同引擎參與的3D制作軟件管線。

一部分面向專業用戶，但也面向我們叫Pro C的用戶——有一定專業能力的C端用戶。很多人用這個東西不是靠它吃飯的，可能不是建模師，可能是原畫師用來做3D參考，可能是做廣告的。

茶館：現階段離“3D 抖音”的愿景還有多遠？

宋亞宸：我們在做一個3D的剪映，或者說可交互內容的剪映，讓每個人都能零門檻、零成本創作3D的可交互內容。在PC上，在手機上。它可能不只是工具，還包括平臺、社區。

一直在持續做，持續迭代。有一群很包容的社區創作者陪我們迭代。

茶館：目前 3D 大模型的競爭格局是怎樣的？VAST的核心優勢是什么？

宋亞宸：海外沒有特別多競爭對手，AI 3D目前國內做得比較好。

我們的優勢在于技術好，生成效果好。一是數據量大，比其他家多一個數量級。二是人才，我們有幾十個AI與圖形學交叉領域的博士和科學家，論文發了60多篇。

茶館：大廠數據不應該更多嗎？

宋亞宸：沒那么多。一個游戲有多少3D模型？算1萬個已經很多了。大廠也不可能做過500款3D大型游戲吧？算500款也就500萬，我們至少5000萬。

茶館：有從業者說把3D生成技術接入現有管線很麻煩，你怎么看？

宋亞宸：不同管線確實有不同要求——分層方式、貼圖格式、命名規范都不一樣。但我覺得現在不是操心這個的時候。好用大家就會用。

就像手機拍照360P、720P的時候，游戲公司說“完全用不了，是垃圾”。到1080P，說“能用，但格式跟我們內部不太契合”。但當它能拍4K、8K，而且幾乎免費——你原來10萬塊錢我現在一毛錢，你原來幾個月我現在10秒鐘——你還會說“我的管線很復雜”嗎？你不會的。你會想“我怎么配套AI做新的管線？誰先做誰就?！薄?/p>

這說明3D生成還不夠好。如果足夠好，他們就會問“你的接口是什么？我們怎么把管線做得更匹配？”

茶館：你覺得什么時候3D生成能達到讓大家不得不用的程度？

宋亞宸：我覺得2026年有機會。發展速度太快了，你去看2023年、2024年、2025年的技術演進，完全不是一個level?；旧厦總€月都有版本更新，沒有卡點，純粹是時間和精力投入的問題。

茶館：你喜歡什么類型的游戲？你自己想用3D 生成技術做什么？

宋亞宸：SLG和RPG，我喜歡跟人斗?！段拿鳌贰度鎽馉帯贰毒S多利亞》這些策略感重的都可以。

我想做一個偏SLG的3D游戲。以3D作為核心玩法，還有很多有意思的可能性。

? “發送“社群”加入游戲茶館行業交流群”