从图形学到 AI 生成 3D：我们离 3D 版 Midjourney 还有多远？ | 对谈 Meshy.AI 创始人渊鸣
43:44 Share

It's something there.

我们 今天 很 开心 请 到了 胡 元明， 他是 M I T 的 图形， 觉得 博士 过去 十多年， 应该说 一直 是在 做 图形学 相关 的 事情。 然后 最近 刚 发 了 一个 A I 生成 3D的 产品 叫 messi， 他 也是 mesi e 点 A I 的 创始人 曰 明， 跟 大家 打个招呼。

嗨 大家好， 我是 月明， 很高兴 今天 能 和 大家 一起 交流 分享， 也 感谢 曲 凯 老师 的 邀请。

对， 我们 今天 其实 最 主要 的 请 袁明 来， 就是 想 聊 一下 整个 的 图形学， 包括 A I 生成 图片、 视频 三 弟 这 一整套 的 一个 大 的 逻辑 跟 发展 的 脉络。 尤其是 A I 生成 三 弟 这块， 是因为 现在 比较 核心 的 在 做 的 这么 一个 事情， 所以 我们 可能 稍微 深入 的 聊 一下 A I 升 3D这件 事。 然后 你 最早 其实 是在 国内 读 的 本科 是 吧？ 就是 学 技术。

对， 我是 13年到17年 是在 清华 的 姚 班 学 计算机。 然后 本科毕业 以后 就 到了 博士 那边， 麻省理工学院 开始 读 博士。 然后 读 博士 也 比较顺利。 四年 不到 三年 半左右 就 博士 毕业了， 那是 非常 快。 对， 是 挺快 的。 我 毕业 以后 两年 半 的 时间， 在 一直 就是 做 图形 软件 这方面 的 产品 和 创业 方面 的 工作。 所以 我 觉得 我 可能 比较 有意思 的 经历 就是 学术界 和 创业 界 这 两边 的 事情 我都知道 一些。

你 本科 其实 就在 做 图形学 的 吗？ 对， 到底 什么 是 图形学， 其实 大家 最早 对于 图形学 的 理解 就是 真实感 渲染。 什么 意思 呢？ 我给你 一些 三 弟 的 数据， 你 给我 把 它 渲染 成 一部 电影， 越 真实 越好。 但是 这 一部分 的 内容， 坦率 来说 到 可能 2000年 左右， 再 往后 大家 就 发现 这块 能 做 的 本质 上 的 突破 它 就 越来越少 了。

大家 逐渐 的 兴趣 就是 到 很多很多 其他 的 地方。 比如说 我 现在 能 渲染 的 比较 好了， 那 我 怎么样 把 仿真 这些 东西 能够 做得 更好。 比如说 我 现在 要 炸 一个 楼， 我不 炸 了， 我 就 继续 实拍 炸 这个 楼 了。 我 现在 变成 我 用 一些 数理方程 来 描述 它， 这个 热潮 也 持续 了 一段时间。 后来 到了 20 1213年 的 时候， 那个 是 alex lab 这样的 工作 出来 了， 然后 大家 对 A I 的 关注度 也 逐渐 上去 了， 图形 方面 的 东西 和 A I 结合 的 就 越来越 紧密。 所以 我 觉得 图形学 它 可能 不是 一个 具体 的 技术， 它是 一个 有 很多 的 应用 去 催生 演化 出来 的 一个 学科。

我 能不能 理解 图形学 还是 大家 在 试图 怎么样 用 技术 更好 的 去 把 控 或者 去 修改 对外 的 一个 图形 的 输出 的 感觉。

对我 觉得 可以 这么 理解。 因为 始终 不管 是 现在 显示屏 还是 以后 的 vrar， 你 都 是要 输出 成 视觉 的 东西 给 大家 能 看到， 对 吧？ 所以 图形学 很多 的 东西 就是 在 研究 我 如何 去 能 更好 的 合成 这样的 数字 内容 OK。

所以 它 就 必然 会 分成 硬件 和 软件 两 部分。 对， 这个 非常 对。 然后 软件 就是 包括 你 讲 的 渲染 和 模拟 仿真 等等， 可能 更多 的 算法 层面 的。 是的。 然后 另外 一部分 就是 硬件， 就是 比如说 显卡 这 一部分。 对我 顺便 想 问 一下 游戏 里 的， 其实 历史上 那种 各 代 的 游戏 引擎， 它 本质 上 也是 图形学。

对， 其实 实时 渲染 是 图形学 里面 特别 重要 的 一个 内容。 你 要 做好 的 实时 渲染 基本上都 要 用到 有 引擎。 典型 的 比如说 像 unity， 像 aral engine， 这些 都是 用来 做 实时 渲染 的 一个游戏 引擎。

我 觉得 我们 是不是 能 快速 的 把 这个 概念 给 大家 讲 一下。 我 觉得 大多数人 可能 大家 经常 听到 C P U、 G P U, 也 经常 听到 渲染 仿真 这些 东西， 或者 也 经常 听到 各种 引擎 到底 他们是 干嘛 的。

对我 觉得 就 一个 目的， 这个 目的 就是 给 大家 合成 一个 更加 真实的， 更加 沉浸 感 的 数字世界。 通常 是 三 弟 的 图形学 做了 很多 的 研究， 都 是在 朝着 这个 方向， 这个 目标 去 努力。 你 刚才 提到 的 几个 概念， 有 这种 硬件 对 吧？ 比如说 C P U 和 G P U。 那么 C P U 之所以 会 诞生， 其实 是因为 它 比 C P U 有 更大 的 吞吐量， 更容易 去做 渲染 仿真 这方面 的 一些 事情。 但是 最后 发展到 A I 变成 了 G P U 上面 的 一个 很 重要 的 一个 workload。 硬件 方面 大概是 这样。

然后 软件 方面， 其实 有 很多 的 大家 用到 的 创作 软件。 这 里面 其实 包括 用于 影视 行业 的 一些 创作 软件， 主要 这些 都是 离线 图形学 了。 Offline computer graphics 他 做 的 事情 就是我 把 这个 东西 给 渲染 好。 比如说 我 就 渲染 出来 是 一 的 M K B 或者 MKMP4 格式 的 一个 文件， 你 就可以 去 固定 的 播放， 它是 没有 交互 属性 的。 这类 软件 就 包括 很多 的 传统意义 上 来说， 像 3d max 玛雅、 blender、 胡迪尼 这类 一般 叫做 D C C 软件。 主要是 影视、 广告 这种 行业 的 应用。

然后 再到 后面， 有 一些 他们的 功能 也 变得 更加 的 能够 被 实时 应用。 比如说 古里 里面 很多 的 这个 程序化 建模 的 功能， 其实 在游戏 引擎 里面 也可以 用上。 另一类 软件 就是 这个 游戏 引擎 了。 游戏 引擎 它的 特点 是什么？ 它是 可 交互 的。 因为 它 可 交互， 所以 带来 了 很多 的 新的 挑战。

比如说 你 渲染 得 是 实时， 比如说 我 举 个 例子， 影视 里面 的 一些 场景， 你是 可以 直接 把 它 全部 加载 到 内存 里面 的。 但是 游戏 又 不能 这么 干， 游戏 它的 特别是 一些 开放 世界游戏， 它的 整个 的 地图， 它的 场景 是 非常 大 的。 你 很难说 我 把 整个 场景 全部 加载 到 你的 机器 里面 去。 在 这种 情况下 就会 使得 有 信心 它 作为 实时 图形 渲染 的 里面 一个 重要 的 角色， 他 要 去做 的 挑战 就 非常 多。 比如说 你 可能 离线 有 1个小时 选 一张 图， 但是 你 实时 有 16毫秒 的 时间 选 一张 图。 这 中间 就是 千倍 万倍 的 一个 计算能力 的 差异。

就 解决 这 两个 问题 是你的 条件， 你的 产出 的 要求 是 不一样的。 所以 软件 其实 分为 离线 的 软件 和 实时 的 软件， 还有 一类 的 可能 就是 算法 了。 算法 往往 比如说 nerve， 比如说 这个 光线 追踪， 比如说 刚才 提到 的 高斯 散射， 这样的 算法 它 永远 是在 不断 的 去 迭代 的那 它 当然 是 可以 运行 在 C P U 上， 也可以 运行 在 G P U 上， 可以 用于 离线， 也可以 用于 实时。 但是 不同 的 算法 它 会有 不同 的 要求。 所以 算法、 软件、 硬件， 当然 还有 一块 可能 是 它的 商业 生态。 这 四个 我 觉得 它 中间 的 关系 可能 是一个 相互 偶合 的 关系。

把 它 往 这些年 你 觉得 整体 图形学 的 进展， 更多 的 是 硬件 驱动 还是 软件 或者 算法 驱动。

很 好的 问题。 我 只能 说 它是 相互 的， 就是 硬件 和 软件 它的 发展 永远是 处于 一个 这种 相互 迭代 的 状态。 我们 就举 G P U 诞生 这个 例子。 当你 有了 G P U 以后， 大家 突然 发现 能 渲染 的 东西 变 多了。 我 以前 可能 渲染 五个 三角形， 我 现在 能 渲染 500个了， 5000个、 5万个， 对 吧？ 我 就可以 有 新的 软件 和 算法 去 利用 好 这个 硬件 给我 提供 的 这样的 资源， 去 把 这个 东西 给 它 渲染 出来。

当 你的 算法 需求 逐渐 变 高了 以后， 硬件 他 可能 说， 我 现在 不行， 我 只能 渲染 5万个 三角形。 但是 我的 软件 里面 要求 我 能 渲染 500万个， 那 怎么办 呢？ 它 只能 不断 优化 这个 硬件， 在 摩尔定律 的 不断 推动 下， 它 硬件 可能 是 越来越 厉害， 越来越 猛 的。 那么 有了 这些 硬件 的 更新 以后， 算法 又会 去 想， 是不是 我可以 做 点 什么 别的， 整点 花活。

因为 大众 对于 游戏 的 画面 的 需求， 它 其实 是 不断 的 去 抬高 的。 由于 你 需求 不断 的 提高 了， 那 它的 硬件 和 软件 总会 去 不断 的 迭代。 所以 你可以 认为 它是 一个 左脚 踩 右脚， 一步一步 爬 得 越来越高 的 这样的 一个 状态。

是 我们 刚才 其实 提 了 一堆 渲染， 所以 能不能 再 简单 解释 什么 是 渲染？

对， 渲染 其实 是一个 很 经典 的 任务， 他 做 的 事情 就是 你的 场景 里面 有 一些 3D的 模型。 那你 现在 想 把 它 渲染 成 一张 有 真实感 的 2D的 图像， 其实 他 就是 在 做 这个 事儿。 这个 事儿 有什么 难 的 呢？ 因为你 在 现实 世界 中， 你 这个 光线 会 在 这个 场景 中 不断 的 弹射。 比如说 当你 去 打开 一盏灯 的 时候， 并不是 只有 这个 灯 照亮 的 地方 它 会 变亮。 你是 整个 房间 都 变亮 了， 为什么呢？ 因为 这个 灯 发出 来 的 光子， 它 照亮 这个 物体 以后， 这 光子 它 会 继续 的 在 整个 空间 里面 去 传播。 所以 这 带来 的 巨大 的 计算 量， 这就 带来 了 很多 渲染 算法 方面 的 研究。 比如说 光线 追踪， 比如说 光山 化， 他们 所做 的 事情 都是 希望 在 尽可能少 的 硬件资源 前提 之下， 我 把 这个 场景 渲染 的 更加 符合 人类 的 视觉 系统。 所以 渲染 其实 最 直接 的 就是 光 对， 最 直接 的 就是 光线 的 传播。

当然 光线 传播 这个 是 非常复杂 的 一个 问题。 因为 光线 它 如果 遇到 物体 表面 的 时候， 它 会 根据 不同 表面 的 属性。 大家 可能 在 以前 学 过 表面 有 镜面反射 和 漫反射， 对 吧？ 但 实际情况 可能 比 这个 更 复杂 一些， 它 可能 有 一些 很多 材质， 它是 介于 镜面 和 漫反射 之间 的， 甚至 有 透明 的 材质， 甚至 有些 材质 它 会有 一些 花纹 和 纹理。 比如说 咱们 房间 里面 这些 大理石， 这些 木板， 它 其实 是 特别 复杂 的 一个 问题。 当你 去 越来越 精确 的 去 建模 这种 光线 传播 的 方式 了 以后， 那你 就可以 越来越 精确 的 去 还原 整个。 数字世界 它 呈现 在 你的 观众 眼前 的 样子。

对我 好像 大概 摸 到点 门路。 就 本质 来讲 肉眼 看到 就是 一张 图， 对 吧？ 这 张 图 里面 有 无数 的 像素 试点， 其实 光 最后 它 呈现 出来 的 也就是 当时 那个 像素点 位 的 一个 效果， 对 吧？ 什么颜色， 什么样 一个 形态。 然后 最终 人眼 把 这 整个 图片 吸收 以后， 他在 脑子 当中 形成了 实际 的 一个 类似 仿真 的 这么 一个 结果。

对， 你可以 认为 渲染 这个 事情， 就是 在 做 光线 传输 的 仿真 是 但 我 好奇。

的 一个点 就是 你看 我们 说 渲染， 说 图片， 说 图形学， 但 好像 很少 提到 图片 本身 对 吧？ 都 是在 讲 视频， 讲 三 弟， 这个 是 为什么？ 就 比如 我 一键 修 图 算不算 在 做 渲染？ 一键 修 图 不算 做 渲染 的， 这个 区别 是什么 呢？ 我 也可以 改 它的 光影 效果。

对， 很 好的 问题。 你 如果 只是 一个 二弟 的 问题， 那 它 一般 大家 不会 认为 它是 做 渲染。 O K 渲染 和 其他 东西 的 原则 就是 渲染 它 一定 是 有 3D的 数据 的， 把 3D转化成 2D这个 过程 在 图形学 里面 一般 叫做 渲染， 或者 英文 叫 andy。 如果你 狭义 意义 上面 说 图形学 领域 里面 的 rendering 这个 事情 的话， 那 它 其实 就是指 把 三 弟 以 物理 真实 或者 风格化 的 方式 变成 二弟 的 这种 竞争。 或者说 渲染 成 视频 也可以。

那 我不能 问 视频 跟 三体 之间 到底 是一个 什么样 的 关系 呢？ 你 就 这么 讲。

对， 这也是 特别 本质 的 一个 问题。 这个 问题 其实 很大， 我们 要不 把 它 聚焦 在 A I 生成 视频 和 A I 生成 三 弟 上面， 这样 可能 更 具体 一些。 视频 和 3弟它 最 直接 的 一个 关系 可能 是 大家 会 觉得， 如果说 我 能 生成 一个 绕 这个 物体 转 一圈 的 视频， 我 是不是 就可以 通过 这样的 所谓 的 一个 环绕 视频， 把 这个 物体 给 用 三 弟 重建 的 方法 给 它 重建 出来。 这个 是的。

为什么 会 有人 觉得 如果 A I 甚至 视频 能 解决 了， 那么 A I 甚至 3弟也能 解决。 很多 学术界 的 朋友， 还有 也有 一些 在 创业 的 人， 他 会 这样 去 想 我自己 的 观点， 就 一家之言。 我 感觉 这样 其实 有点 绕路 了。 其实 你 有 一条 更好 的 路线， 去 直接 从 通过 A I 去 学习 二弟 和 3弟数据。 你可以 直接 不用 这个 A I 生成 视频 的 方法 去 生成 三 弟 的 模型。

那 具体 到 视频 和 3弟他们 俩 有什么 区别 呢？ 我 觉得 可能 比较 让人 头疼 的 事情 是 三 弟 它的 表达 的 格式 和 视频 比 起来 更加 的 复杂。 比如说 三 弟 你 表达 一个 3D物体， 它 有 很 多种 表达 的 方式。 你可以 用 神经 辐射 场， 用 nerve， 可以 用 pooling cloud， 用 这种 点 云。 点 云是 什么 呢？ 就是 空间 中 一个点。 你可以 用 很多 点 把 这个 三 弟 物体 给 表达出来， 就像 你可以 用 很多 像素 把 二弟 的 图像 给 表达出来 一样。 你 还 可以 用 提速， 提速 就是 3D版 的 像素。 我不知道 大家 有没有 玩 过 minecraft， 它 其实 就是 一个 方块。

你可以 把 这 物体 堆 出来， 但 我 能不能 解 提速 是一个 更大 的 点 云 的 感觉。

体 速 和 点 云 唯一 的 区别 就是 体 速 它是 规则 分布 的。 你 就 想象 体素 是什么 呢？ 就是你 有 一块 豆腐， 你 要把 这个 豆腐 给 它 切成 1块1块 的 豆腐 丁。 你 会 怎么做？ 横切 一百 刀， 竖 切 一百 刀， 然后 再 水平 的 切 一百 刀， 对 吧？ 那你 这样 就 得到了 100乘100万个 小的 豆腐 丁。 它是 非常 规则 一种 表示 方式。

起诉 有什么 好处 呢？ 它 对 计算机体系结构 是 非常 的 合适 的。 因为 计算机体系结构 特别 喜欢 这种 横 平竖直 的 东西， 并且 它 和 神经网络 也是 非常 适应 的。 因为你 再去 做 二弟 的 这种 神经网络 的 时候， 你的 图像 就是 二弟 的 这种 山阁， 横 多少 行 多少 列， 对 吧？ 所以 你 基本上 可以 把 二弟 的 这些 神经网络 的 组织 无缝 的 给 它 切换 成 3D无非 就是 加 一维， 只不过 计算 量 可能 会 大 一些。 这个 是 体素 的 表达。

就 有点 像素 风 的 那种。

对对对， 它是 规则 的， 点 云 它是 不规则 的。

所以 点 云 应该 更 高级。 因为 点 云 可以 做出来 提速。 如果 这么 讲。

理论上 是 这样， 它 可能 确实 是 更 通用 的。 但是 它 也 失去 了 提速， 由于 提速 的 这种 规则 排列 的 性质 带来 的 很多 的 好处。 然后 nerve.

你 刚才 其实 提 了 一下， 就 大家 其实 今年 经常 讲 nerve 这个 词。 对， 但 所以 就 跟 点 云 跟 习俗 其实 是 平行 的。

是 吧？ 那时候 全名 叫做 neural radiance field， 中文名 叫做 神经 辐射 场。 他 做 的 是什么 事 呢？ 他是 用 一个 神经网络 去 表示 这个 场景 里面 的 每 一个点， 从 不同 角度观察 时候 他的 样子。 因为 这个 场景 里面 每 一个点 它 都有 自己的 不同 角度 看上去 的 样子。 O K 但是 这个 数据 是 很大 的， 对你 需要 一个 东西 去 压缩 它， 神经网络 恰好 就 很 适合 做 这个 事儿。 OK 所以 这是为什么？

神经 辐射 场 是 大家 现在 经常 研究 的 一个 东西， 和 神经 辐射 场 很 相关 的 一个 东西 叫做 高斯 散射。 大家 一般 会 把 它 认为是 nerve 的 一个 替代品， 或者说 有些 情况下 是一个 升级 的 版本。 其实 高斯 散射 它 就和 神经网络 没有 任何 关系 了， 它 就是 用 一堆 在 空间 中的 点， 然后 每 一个点 有 自己的 应该 你可以 认为 它 有 一定程度 的 方向性 和 大小， 所以 他 就 也可以 像 神经 辐射 场 一样， 表示 一个 场景 的 3D的 信息。

点 云 其实 和 高斯 散射 也有 一些 关系， 其实 你可以 认为 高斯 散射 是一种 点 云。 但是 一般来说， 点 云 它的 数据 的 表示 的 形式， 它 就是 一些 独立 的 点。 大家 也 比较 少 在 一个点 云 上面 直接去 优化 这个 点 云， 让 它 能够 去 还原 整个 场景。 一般 点 云 就是 通过 一些 算法 直接 给 吐出来， 直接 作为 算法 的 输出 给 输出 出来 的。 但是 高时 资产 设有 一个 优点 是 你可以 不断 的 去 微调 它， 不断 去 调整 它， 去 在 上面 做 优化。

但 其实 在 实时 图形 领域， real time graphics, 比如说 你 玩游戏 的 时候， 大家 最 常用 的 是 三角 网格。 什么 是 三角 网格 呢？ 就是我 用 一堆 三角形 把 你的 模型 给 表示 出来。 在 传统 的 渲染 管线 里面， 大家 一般 是以 三角形 为 单位 去 进行 渲染 的。 这个 三角形 可能 会 非常 的 小， 非常 的 细微。 然后 光有 三角形 还 不够， 一般来说 大家 还 会有 表面 的 贴图， 贴图 就 决定 了 它 表面 看起来 的 样子。

比如说 我 送你 一个 圣诞 礼盒， 那 它的 三角 网格 可能 就是 假设 它是 一个 完完全全 立方体， 那 它 立方体 有 六个 面对 吧？ 但是 每个 面 它是 一个 正方形 怎么办？ 我 每个 面 给 它 斜切 一刀 就 变成 两个 三角形。 所以 我 其实 可以 用 12个3角形 去 表达 一个 立方体。

我 现在 突然 有 个 想法， 我 觉得 你们 搞 这个 的 应该 几何学， 什么 线性代数 都要 学 的 非常 好。 你说的 非常 对我说 我 线性代数 好像 考 到 60分了。

其实 线性代数 是 图形学 里面 最最 关键 的 一个 基础 要 用到 的 科学。 这样 当然 没 说完， 就是 这个 三角 网格 可以 表达 它的 几何， 然后 它 表面 的 这个 花纹 是用 纹理 贴图 去 实现 的。

明白， 但 刚才 有一个 没讲究 match， 然后 你们 肯定 是用 match， 是 吧？ 你们 就 match 点。

A 对讲 mesh 就是 三角 网格。 但是 mesh 它 除了 三角 网格 以外， 还 可以 是 四边形 网格， 还 可以 是 五边形 网格。 OK 这个 是 非常复杂 的。 比如说 你 问 一个 动画师， 他 肯定 说 我要 四边形 网格。 因为 四边形 网格 他 要 做 动画 的 时候 比较 方便。 对于 建模 的 人 来说， 四边形 的 网格 他 会 觉得 这个 拓扑 结构 会 更好。

更容易 它 进行 编辑。 但 我 听起来 就是 三角形 可以 拼成 四边形， 可以 拼成 五边形。 对你 也很 容易。

把 四边形 转呈 三角形， 但是 你 把 但是 问题 就 变成 当你 把 一个 四边形 网格， 把 它 变成 三角形 网格 时候， 再 对它 进行 编辑， 再去 做 动画 就会 更难 一些。 因为 它 失去 了 原有 的 一些 几何 的 信息。

所以 这 几个 技术 之间 大体 的 优劣 跟 现在 市面上 公认 的 大家 在 选择 的 方向 上 是 怎么样 的。 为什么 你们 会 选择 了 match？ 因为 我们 今天 听 的 最多 的 还是 nerve。 对。

首先 我们 叫 messi 的 A I 倒 不是说 我们的 技术 上面 用了 很多 match 相关 的 东西， 当然 肯定 也有， 因为 做 图形 的 人 肯定 没有 谁 是 不用 match 的。 其实 虽然 现在 有 很多 新的 表达方式， 但是 主要 大家 用 的 最多 的 还是 三角 网格。 这个 就 包括 你 玩 的 手机游戏， 大家 还是会 用 三角形 的 网格 去 表示 里面 的 道具， 还有 一些 角色。 当然 你 可能 也 看到 一些 创新者， 他们 在 尝试 把 nerve 或者 高斯 散射 这样的 东西 给 放到 游戏 引擎 里面 去。 这样 带来 的 一个 好处 就是说 你可以 把 一些 真实世界 中 捕获 的 一些 东西 给 放到 游戏 里面， 其实 是 很 有 吸引力 的。 但是 它 距离 真正 的 在 主流 的 游戏 里面 发挥 很大 的 作用 还需要 时间。 我 觉得 以后 可能 是 这样， 但是 在 也许 五年 的 时间 之内， 它 还 不会 是 主流 的 表示 方式。

我们 今年 其实 聊 了 一些 A I 生成 3D的 公司， 然后 尤其 就是 在 上半年 的 时候， 我 感觉 大家 都 比较 纠结 于 说 就是 一个点， 就是 它 不能 进 所谓 的 管线 对 吧？ 就是 这个 东西 生成 出来 以后， 它 不 具备 里面 的那 我 粗浅 理解 里面 要有 一些 网状 的 什么 点 格 之类 的。

你说的 很 对， 就是 它 最后 输出 的 东西 一定 得 是 match。 才能够 和 现有 的 图形 的 使用 场景 去 吻合。

就 才是 可 编辑 可控， 吧？ 才能 有 这个 可用。 所以 今年 一 整年 的 整体 的 技术 进展， 你 觉得 怎么样？ 因为 我们 其实 不断 的 还是 看到 一些 技术 上 的 突破， 一些 新的 开源 的 算法 出来。

对我 觉得 真的 进展 的 非常 快。 我在 这个 行业 也有 一段时间 了， 我 从来 没有 看到 说 大家 如此 猛烈 的 研究 这 一个 问题。 这个 问题 就是 A I 生成 3D内容。 那 进展 快 也 是因为 大 模型 带来 的 吗？ 我 觉得 大 模型 在 这 里面 的 贡献 可能 没有 那么 大。 坦率 来说， 因为 large language model 更多 的 是一个 语言 方面 的 模型。 反倒 是 像 一些 开源 的 图像 的 模型， 比如说 stable diffusion 这样的 模型， 其实 给 大家 提供了 很 好的 科研。

的 基础设施。

OK 因为 很多 的 人 在 做 这个 事儿 的 时候， 他 就是 把 二弟 的 这种 生成 模型 给 升为 做到 三 弟。 所以 像 stable diffusion 这样的 开源 的 二弟 模型， 反倒 是 给 学术研究 带来 了 很大 的 价值。

所以 你看 你 像 我们都知道 A I 生成 文字 或者 生成 图片 等等， 它 本质 上 还是 一个 概率 的 模型， 对 吧？ 然后 生成 视频 其实 也可以 理解， 就是 像素 的 一个 概率 的 延续， 对 吧？ 那 3D也是 类似的 吗？

好， 问题是 3D是的， 3D基本上 你可以 认为 它是 2D的 一个 未来 的 方向。 2D有 两个 方向， 第一种 你 加上 时间 维度 变成 视频 对 吧？ 第二种 你 加上 空间维度 变成 三 弟。 但是 虽然 说 他的 思想上 是 这样， 但是 当你 真的 要 去 解决 这个 问题 的 时候， 你 会 发现 三 弟 会 带来 很多 额外 的 挑战。 就 比如说 二弟 你 身上 一张 图像， 我们 就 举例 512乘512 这个 分辨率 还行， 对 吧？ 但是 你 如果 真的 要 去 搞 一个 三 弟 的 512乘512 再 乘 512 的 这样的 一种 表示， 那 这个 计算 量 是 非常 高 的。 所以 大家 就得 另辟蹊径， 去 在 这种 有限 的 计算资源， 有限 的 数据 的 情况下， 带着 镣铐 跳舞 去 想 好的 算法。

我们 今天 看到 的 其实 应该 有 4种生成 3D的 方法。 第一种 是 可能 做 的 比较 早， 你们 我 我知道 比较 早 也 在 做， 贴图 的 改变 的 方法， 给定 模型 去 绘制 贴图。 对， 反正 这个 技术 就是说 我可以 通过 换 贴图 来 换 各种 的 材质 跟 光线 的 感觉。

对， 首先 这 里面 我 觉得 涉及到 两个 问题。 第一个 问题 叫做 什么样 的 三 弟 甚至 是 A I 产品 是 好的， 这 是一个 问题。 第二个 问题 是 三 弟 甚至 是 A I 到底 应该 解决 哪 几类 的 任务？ 我 先 说 第二个 问题， 就是 三 弟 的 AIGC 或者 甚至 是 A I 它 应该 去 解决 什么 任务 呢？ 我 觉得 主要是 三个 任务。 第一个 就 是从 文字 身上 贴图， 这个 我们 现在 是 做 的 最早， 也是 市场 上面 最有 竞争力 的 产品。 我们的 贴图 可以 到 4K的 分辨率， 也有 很 好的 风格 控制。

Texture 就是 文字 到 一个 文字 贴图 的对 对， texture 这 其实 就 很 说明 它的 这个 东西？ 就是 一个 材质 什么 那种。

对对对， 就是 它的 材质 纹理。 这是 任务 一。 任务 二 是 文字 直接 到 三 弟 模型。 它 和 文字 到 纹理 的 区别 在于， 文字 到 纹理 还是 需要 用户 去 提供 三维 模型 的。 你可以 认为 我 拿到 了 一个 白色 的 一个 雕像， 然后 我 用 水彩笔 在 上面 去 绘画， 只是 在 改变 它 表面 的 样子 而已。 那么 文字 到 三 弟 或者说 text 3D他 做 的 事情 是 模型 和 贴图 是 同时 一起 生成 的那 这个 难度 就会 更大 一些。 这块 儿 我们 也 在 做， 也是 市场上 现在 最 领先 的 产品 之一。 这块 它 主要 应用 场景 是 你可以 用 它 去 生成 一些 像 影视， 还有 游戏 里面 的 一些 中 远景 的 这样的 道具， 那是 没有 问题 的。 比如说 我 远处 有一个 小房子， 我 桌上 有 一个苹果， 大家 不太会 凑近 的 去 看你 本来 需要 大量 这样的 道具 来 填充 你的 场景， 但是 你 有 A I 了， 可以 去做 这样的 生成。 这个 是 任务 2， 从 文字 生成 三 弟。

任务 三 是从 图像 生成 3D模型 和 贴图。 这个 问题 其实 和 从 文字 生成 3D是 差不多 难 的 问题。 这个 方面， 大家 之所以 希望 用 图像 去 生成 3D模型， 而 不是 用 文字， 最 主要 的 原因 就是 因为 图像 更加 可控。 比如说 你 要 描述 一个 角色， 他 正面 长 什么样， 你 用 文字 去 描述 是 挺 难 的 一个 事儿， 但 你 有 一张照片 就 容易 很多。 这 一块 其实 在 做 的 学术界 的 研究 是 也是 很多 的。 然后 我们 也有 一个 产品 在线 上， 当然 这个 可能 不是 我们 最近 主要 花 精力 去做 的 事情 了。

之前 其实 传统 的 也是 说 我可以 比如说 电商 场景 里面， 他 把 一双鞋 然后 去 不断 的 去 拍照， 拍 几十张， 最后 合成 一个 三 弟 的 东西。 这个 其实 是 大家 能 做到 的， 只是 说 成本 很高。

这个 就 属于 三 弟 重建 了。 其实 成本 也没有 那么 高， 这个 技术 十年 前 就 很 成熟 了。 就是你 拍 一堆 照片， 但是 他 对你 照片 的 要求 是 很高 的。 那你 得 是 受控 条件 之下， 相机 角度 有 约束， 有点像 黑客帝国 的 那个 子弹。 对对对， 有点像 这个 子弹时间， 他 得 摆 一个 相机 阵列， 或者说 你是 相机 得 放在 很 稳定 的 位置。

不能 拍 虎。 是， 但 现在 我们 刚才 讲 的 那个 就是我 只 给你 一张 照 一张 图， 然后 其实 是 它 还是 一个 概率 预测， 就是我 去 预测 你 其他 的 各 面 是 长 什么 样子 的对， 就是 A I 要 去 猜 背面 是 长 什么样。 那 这个 他 怎么 猜得到 呢？ 他 首先 要 先 理解 这 张 图 是什么 吗？ 还是 怎么样？

这是 很多人 会 问 的 问题。 首先 他 会 去 尝试 理解 它的 正面 是 什么样， 你的 A I 在 训练 它的 时候， 它的 数据集 里面 会有 一个 叫做 多角度 数据集。 这个 多角度 数据集 它 就是我 不是 单张 图片 去 训练， 我是 把 你的 正面 和 背面 一起 训练。 我给你 正面 你 出 背面， 给你 背面 你 出 正面， 所以 他 这样 就可以 通过 你的 正面 的 图像 去 预测 出来 它的 其他 角度， 看到 图像 是 长 什么样。

但 这 一块 大家 一直都在 讲 3D现成 的 数据 跟 资产 还是 相对 比较 少 很少。 所以 它 就是 数据 上 是一个 最大 的 局限。

目前 来看 确实 是的。 我给你 举 几个 具体 的 数字。 比如说 二弟 的 数据集， 像 lio 它 有 58亿5000万张 图， 这 是一个 巨大 的 数据集。 但是 你 如果 看 比如 三 弟 模型 的 数据集， 你 如果 去 看 sketch fab 这样的 三 弟 模型 的 网站， 它 也 只有 500万个 模型。 你 想 500万和 50亿中间 差 了 有 三个 数量级。 而且 还 不是 那些 sketchup 数据 你 就能 直接 用了， 人家 有 版权 问题 对 吧？ 所以 这 里面 数据 上 的 差距 是 很大 的。 是 但 他。

其实 另一方面 说明 了 说， 就 因为我 觉得 三 弟 这个 东西， 它 还是 一个 to b 的 一个 事情， 对 吧？ 大家 更多 的 时候 是在 做 游戏 或者 做 一些 其他 的 建筑 等等 的 事情， 但 图片 跟 视频 有 U G C 的 一个 事情。 对， 33D其实 是 很少 有 U G C 的 概念 的。

是 这个 也是 我们 想 的 比较 多 的 一个 事儿。 坦率 来说， 三 弟 资产 的 市场 只有 2D资产 市上 的， 其实 一年 统计 口径 大概 可能 是 十分之 1到20分之一 的 规模。 目前 来看， 至于 三 弟 有没有 ugc， 我们 其实 也 做了 一些 探索。 有的 地方 是 有的， 就 比如说 在游戏 里面， 我们 做了 全球 第一款 3D的 AIGC 的 手游 和 我们的 合作伙伴。 我们 提供 的 功能 是你 以前 在游戏 里面 穿 的 衣服， 都是 和 美术 老师 提前 画 好， 你 去 选择。 但 我们 现在 可以 你 输入 提示 词， 然后 我给你 把 衣服 给 画 出来， 这个 就是 一个 典型 U G C 的 场景。 并且 其实 U G C 的 场景 还 更 适合 3D的 这样的 技术。 因为 现在 三 弟 的 技术 还 不太 成熟， 反倒 是 U G C 的 场景， 大家 对于 质量 的 要求 没有 那么 高。 大家 更多 觉得 我 能 生成 三 弟 的， 我 觉得很有 意思， 我 就 愿意 用。 你 如果 真的 放在 这种 professional 的 专业 的 场景 里面， 那么 3D坦率 来说 还 达不到 大家 的 要求。

但 这 里面 你看 我 觉得 3D是不是 跳过 了 一个 步骤， 就是 图片 跟 视频 它 都 有一个 从 专业 工具 到 C 端 工具 演进 的 一个 过程。 首先 to c 它 先 有的， 比如 现有 的 美图秀秀 这样的 工具， 我 能 快速 的 自己 去 修 图。 现有 的 剪 映 这样 工具， 我 能 快速 自己 去 剪 视频。 但 三 弟 还是 非常 专业 的 一整套 工具。 然后 中间 其实 现在 是不是 没有 这么 一个 C 端 自己 能 使用 的 工具 的 环节。 然后 他 直接 跳 到了 一个 A I 使用 3D的 一个 程度。

我 觉得 其实 美图秀秀 和 剪 映 他们 都有 相应 的 专业 产品。 比如说 美图秀秀 可能 是 photoshop， 是 P S 对。 然后 剪 映 它 可能 之前 是 adobe P A E P R premiere 这些 工具。 那么 三 弟 现在 大家 还 停留 在 blender、 maya max 这样的 专业 工具。

对， 都 是我 没 听 过 的 工具， 对 吧？

可能 大家 就 离 这个 比较 远 了。 但 3D有一个 问题 是什么 呢？ 你 让 普通人 去 操作 美图秀秀， 操作 这个 剪 映， 它 还是 能 学会 的。 当你 把 界面 经过 良好 的 设计 以后， 还是 能 学会 的。 但是 三 弟 建模 这个 东西 可不是 所有人 都 愿意 去 折腾 的。 并且 你 其实 很难 把 三 弟 建模 这个 东西 变成 大家 都能 接受 的。 不是 所有人 都有 这个 空间 的 感觉。

对， 而且 我 觉得 主要是 好像 确实 没有 太多 的 场景， 这个 东西 它 是不是 得 在 什么 vrar 里面 去 实现 的？

对我 觉得 现在 的 一个 大问题， 其实 是 你看 所有的 V R headset， V R 头 显 它 有 多少 的 M A U， 就是 月活 大 几百万。 但是 这个 和 比如说 手机 它的 月活 差距 是 很大 的。 是 大家 会 期望 什么 呢？ 是不是 在 26年、 27年、 28年 过 几年 以后， 像 vision pro， vision pro 是不是 iphone？ 这个 是一个 很大 的 一个 问题， 你 觉得 是吗？ 我 觉得 可能 是 我 觉得 我也 觉得 我 觉得 有可能 是。 如果 是 这样的话， 你 就 想 如果 大家 日常 比如说 有 1亿的 V R headset 的 这个 M A U， 那么 在 这个 时候， 他 可能 就会 催生出 每个 人的 日常生活 中都 会 用到 这样的 三 弟 的 资产。 是 那 这样 就 他 就有 了 场景。

是， 所以 我 觉得 这个 时间点 现在 是 很好， 现在 二三年， 对 吧？ 我 咱们 可以 27年 再 回来 做 一期， 四年 以后 再做 一期。 我看 今天 说 的 到底 对不对， 26年， 争取 争取 26年。 对， 因为 你看 iphone 和 iphone 4 中间 其实 是 隔 了 三年 的 时间。 Iphone 07年， iphone 4是 2010年， 对 吧？ 移动 互联网 这个 革命 什么时候开始 的？ 10年 的 时候， 所以 你 如果 把 vision pro 看成 是 iphone 的话， 那 其实 也就是 三四年 两三年 的 时间。

对， 但 你 之前 其实 都在 做 一些 视频 渲染， 或者 一些 也有 做 一些 游戏 相关 的 三 弟 渲染 的 东西， 对 吧？ 就 你为什么 会 在 这个 节点 想到 要 做 再加 3D生成 这件 事情？

很 好的 问题。 其实 我自己 的 经历 有 这么 一个 转变。 刚才 也 提到 过， 最早 的 时候 我是一个 非常 正统 的 图形 研究者。 什么 叫 正统？ 就是我 不 咋 信 数据 驱动 这套 方式 O K 我 更 信 渲染 方程， 更 信 牛顿、 麦克斯韦、 拉格朗日 给 我们的 一套 线性代数。 对， 就 线性代数 的 一套。

然后 后来 做 着 做 着呢， 我也 意识到 这种 尝试 去 精确 的 刻画 世界 的 方式， 它 本身 是 有一个 局限 的。 就 比如说 这些 方程 有 很多 东西 你是 很难 去， 甚至 你 都 很难 去 测量， 也很 难 去 建模。 它是 在 这种 情况下， 有的 时候 数据 去 驱动 它 反倒 是一个 更好 的 方式。

我在 整个 读 博士 的 期间， 我 就 既 做 图形学 方面 的 东西， 也 去做 图形学 和 A I 的 结合。 这块 儿 可能 有 个 五年 的 时间 改变 了 我的 看法。 你看 我 最早 做 科研 是 2016年， 现在 七年 过去了。 我 现在 就有 一个 独特 的 属于 我们 团队 的 机会， 也是 属于我 的 机会。 就是我 既 熟悉 传统 图形 这块， 又 熟悉 人工智能 这 一块儿。 在 他们 中间 恰好 又有 一个 商业化 上面 听起来 很 有 希望 的 一个 事情。 我们 相信 这个 事情 是 有 市场需求 的， 而且 我们 整个 团队 在 这个 里面 我想 是 非常 有 竞争力 的。 所以 我们 现在 非常 坚定 的 去做 A I 生成 3D内容。

你 刚才 提到 你 看到 的 一个 很 明确 的 市场需求 是什么？ 是 更 多是 游戏 行业 吗？ 还是 什么？ 我 觉得。

是从 传统 的 图形 行业 来说， 不管 是 游戏 还是 影视， 大家 对于 3D模型 的 需求 是 永远存在 的。 我 去 问 过 一些 公司， 我给你 举 几个 数字。 第一个 是 3A游戏， 它 里面 的 成本 有 50% 都是 3D美术。 特别是 越是 这种 开放 世界 的 M M O R P G 这种 游戏， 它 里面 需要 的 资产 越多， 他 做 资产 的 成本 就 越高。 那 现在 这些 资产 是 怎么做 的 呢？ 他 可能 外包 给 一些 资产 外包公司， 1000块钱 一个人 一天。 那你 做 一个游戏 里面 的 剑 盾牌 搞 了 两周 就是 一两万 就 放进去 了。 一些 制作 更 精良 的 角色， 他 可能 成本 会 更高。 所以 整个 游戏 行业， 影视 行业， 它 对于 这种 3D资产 的 诉求 是 其实 挺 高 的。

整个 的 如果你 只是 看 这个 专业 的 市场， 大概是 一个 30到100 亿美金 的 一个 市场。 当然 这 里面 你 作为 一个 A I 生成 的 3D资产， 你 不可能 一下子把 它 全部 给 吃掉， 对 吧？ 肯定 能 找出 一些 细分 的 一些 地方， 先 去 在 这些 地方 去 把 它 打 透。 哪怕 你就是你 占 一百亿 的 市场， 1%， 那 也 足够 做 你 作为 一个 me journey 级别 的 一个 产品 了。

对我 刚才 就 想 问 你， 你 觉得 三 弟 这个 技术 它 到 me journey 或者 S D 的 那个 程度 大概 需要 多久？ 然后 还有 哪些 挑战？

对我 想 从 市场 和 技术 两方面 来说， 市场 就是 咱们 刚才 聊到 的， 现在 其实 消费 级别 的 3D的 需求 的 市场 还 比较 少。 比如说 我 发给你 一个 3D模型， 你知道 怎么 打开 它 吗？ 应该 打不开。 这个 就是 现 三 弟 的 消费 级 市场 的 现状。

那 这个 什么时候 会 改变 呢？ 我 觉得 也许 26年 等到 可能 一些 愿意 尝鲜 的 人手 一台 vision pro， 或者说 小米 版 的 vision pro 能够 普及 了 以后， 大家 不会 再去 满足 于 看 图片 视频 对 吧？ 那么 大家 肯定 会 去 希望 去 看 可 交互 的 3D的 内容。 这个 时候 就 会有 大量 的 一个 需求 和 供给 的 一个 差别。 所以 市场 方面 我 觉得 两三年 时间 乐观 来看， 技术 方面 我 觉得 我们 只 解决 了 10% 的 问题。

现在 我们 A I 生成 的 3D模型 还有 很多 问题 没有 解决。 专业点 说什么 U V， 拓扑 它的 生成 的 模型 的 质量， 贴图 的 质量、 可控性， 速度 好多 都 没 解决。 但是 我想 这个 领域 进展 是 很快 的， 我们 自己 也 在 加大 投入 去做 这个 方向。 所以 我想 未来 90% 的 问题 可能 也就是 两三年 的 时间 OK， 所以 我是 比较 乐观 的。

所以 你 觉得 视频 跟 三 弟 哪个 会 更 快一点？ 我 觉得 视频 会 更快。 你 不可否认 的 是 视频 的 市场 比 3弟要 大 很多。 你 视频 的 已经 有 消费 场景 了， 但是 它的 技术 的 成熟度， 我 觉得 和 3D成熟度 半斤八两。 大家 现在 还在 解决 我 视频 我 甚至 2秒钟 如何 扩展 到 8秒这样的 问题是。

但 视频 应该 还是 有 一些 这种 小的 技巧， 比如 用 一些 什么 插针 补针， 一些 A I 剪辑 去去 做成 一个 类似 效果 的。 最后的 结果 出来 了 可以。

但是 这个 核心 的 问题 还是 大家 之所以 希望 宣传 视频， 还是 希望 它 有 故事 有 逻辑。 你 如果 只是 几秒钟， 那你 再 怎么 查 真， 你 也很 难 把 故事 的 逻辑 给 搞 出来。

但 视频 它 现在 有 很多 公司 在 做 那种 什么 换 电， 然后 换 语言， 对嘴 这些。 三 弟 上 我 能 基于 已有 的 东西 快速 的 去 变 一个 模型 出来 吗？

可以 是 可以， 但是 没有 应用 场景 对 吧？

也是 场景 的 问题。

对， 是 如果 有 V R 的话， 就是 如果 人手 一台 V R 设备， 那你 做 这个 是 有意义 的。 比如说 我 拍 一张 你的 照片， 把 你 变成 Q 版 的 一个 头像， 这个 肯定 是 有 需求 的。 但 现在 主要 还是 大家 没有 很 好的 三 弟 的 消费 场景。

你 其实 在 过去 几年 里面， 其实 像 开头 也 讲 了， 你 经历 了 科研 跟 创业 的 两件 事情， 对 吧？ 对， 而且 你 中间 正好 是在 那个 转折点， 你 做了 用 图形 的 那个 算什么， 用 图形 编程 的 语言 去 快速 做出来 一个 冰雪奇缘 的 那个 效果。 那个 当时 非常 炸裂， 应该 大多数 人都 看过。

对， 当时 大家 挺 喜欢我 也没有 想到 其实我 自己 写 了 一篇 文章， 初中 就 只是 一个 技术 分享吧。 然后 大概 的 背景 就是我 那个 时候 拔 智齿， 然后 拔 了 智齿 以后 牙疼， 然后 就 也 写 不动 代码 了。 我 就 想 能不能 把 这个 科研 的 经历 稍微 写 一 写。 我也 没想到 大家 会 这么 喜欢 这样的 一个 科研 工作者。 非常 枯燥 的 故事。

所以 这几年 做 起来， 你 觉得 这 两种 生活 和 体验 的 感受 如何？

我 觉得 创业 好 难。

比比 科研 和发。

论文 还 可能 难 多了。

或者 我 可能 比如说 如果 问 你说 你 最终 后不后悔 创 这件 事情。

我 觉得 不后悔， 目前为止 不后悔。 我没有 像 老黄 一样， 老黄 就说 再选 一次 的话， 可能 就 不会 去 创立 英伟 达 了。

对 吧？ 他 都 做成 这个 样子， 他 还 可以 这么 讲。

对 对， 是 就是我 觉得 可能 目前 来看， 我 还是 很 享受 创业 的 这个 状态。 中途 有 一段时间 确实 是 觉得 压力 比较 大 的。 那 段时间 有家 里面 有 老人 去世， 有 这个 方向 的 选择， 也有 一些 刚 创业 的 时候 有 一些 问题， 其实 是 缺乏经验。 但是 我 觉得 我 现在 走 过去了 这个 阶段， 特别是 开始 做 mesh 以后， 我 觉得 我自己 会 非常 享受 这个 事情， 而且 团队 也很 享受 这个 事情。 因为他 有 个 很 好的 一个 反馈。

对我 觉得 这件 事情 在 某些 层面 上 又 回到 了 你 之前 擅长 的 那些 事情 和 模式 上， 就是 更 偏 底层 跟 技术 一些。

对， 反倒 是我 觉得 技术 方面 对 我们 来说 是 容易 的 事情。

商业化 到底 该 怎么做， 怎么样 找到 P M F 是 永远 的 挑战。

时刻 要 去 想， 我们 得 去 build 一个 对 世界 有用的 东西， 而 不是 我们 想 build 的 东西。 前者 我 觉得 是 特别 大 的 一个 误区。 因为 你 如果 build 自己 想做 的 一个 东西， 你 非常容易 有 这种 正反馈。 你 很 容易 我 今天 写 了 一个 什么 code， 然后 就 自己 开心， 自己 很 开心 对 吧？ 但是 你 如果 朝 更 远 的 时间 去 想 的话， 你 会 发现 很多 问题是 没有 一个 好的 答案 的。

是 A I 这 波 里面 其实 有 非常 多 的 教授 或者 这个 P H D 学生， 什么 就 做 科研 的 过来 创业， 你 你 就 你 有什么 建议 给 他们 吗？

我 觉得 就 几点。 第一点 是 还是 要 尽早 的 去 想一想 市场需求。 我 觉得 我 经常 聊 的 一个 事情 是 这 两年 创业 给我 带来 的 感悟 是什么？ 我 觉得 最大 的 感悟 就是 why 可能 是 比 how 更 重要 的 事情。 其实 在 科研 也是 一样的， 在 科研 界 大家 都会 强调 你 要 去 work on an important problem， 在 一个 重要 的 问题 上面 去 工作， 是 就是 选题 很 重要， 选题 非常重要， 也就 问 用户 你 有什么 问题， 而 不是你 强加 给 用户 说 我 觉得 你 要 有什么 问题。 我 觉得 你 有 这个 问题 是不是？ 用户 可能 比较 nice， 他 跟 你说， 对对对， 确实 有 这个 问题。 但 你 做了 之后， 你 就 发现 被 这个 东西 带到 坑 里面 去了。

所以 其实 答案 还是 商业化， 就是你 在 问 的 时候 就让 他 付钱， 他他 如果 真的 付 了 就 还好。

对， 更好 的 问题 可能 是 你 会 为 什么样 的 东西 付钱， 对 吧？ 或者说 来 我给你 这个 东西 你 付钱， 我看 你 付 不 付。

就是你 就 像你 刚才 提到 中国 的 用户 真的 太 nice 了。 你 问 他 会不会 付钱， 他 很多 时候 说 会， 但 你 真的 非常 不会 对你 真的 让 他 付钱。

他 可能 宁可 去 买 一杯 二三十块 钱 的 喜 茶， 也 不会 为你 的 软件 付钱。 是 这个 是 挺 大 的 一个 挑战。 所以 我 觉得 从 科研 的 领域 出来， 有的 时候 得 忘记 自己的 之前 的 经历。 一是 忘记 自己 具体 科研 的 时候 解决 了 一些 问题。 第二 是 忘记 自己 从 一个 科学家 角度 对 这个世界 的 理解。 所以 前者 就是 防止 什么 问题 呢？

比如说 我 博士 期间， 我 研究 的 问题 可能 是 A B C。 但是 我 去 问 了 一下 用户， 他 可能 给我 答案 是 D E F 和 我 研究 的 A B C 完全 不一样。 这时候 我 到底 该怎么办？ 我 到底 是 强行 继续 做 A B C， 不知道 南墙 不后悔？ 还是 说 我 觉得 一种 另外 一种 心态 可能 就 更好。 这种 心态 叫做 我 作为 一个 科研人员， 我 能把 A B C 做好， 我 就 一定 也能 把 D E F 做好。 并且 D E F 是 用户 真正 需要 的 东西。

但 我 很 同意 你 刚才 讲 一个点， 我 觉得 其实 很多 做 投资 的 是从 管理咨询 转过 来 的。 然后 管理咨询 那 套 逻辑 其实 是 来自于 科研 的， 就是 hypothetic driven， 就是 假设 驱动， 怎么样 去做 A B T S 去做 实验。 是的， 对， 所以 其实 就是你 如果 是一个 好的 科研 者， 我 觉得 有的 时候 可能 不一定 是你 要 去 跟 商业 的 人 去 学。 反而 是 怎么样 把 科研 的那 一套 理论 的 逻辑 用到 最 极致。

对我 觉得 科研 工作者 其实 有 自己的 优势。 比如说 逻辑 清楚 是， 比如说 大部分 科研 工作者 是 比较 客观 的。 但是 往往 我会 发现 大家 对 实验 是 比较 客观 的， 但是 对 自己 有的 时候 没有 那么 客观。 比如说 你 很难 去 改变自己 的 一些 想法， 但是 创业 这个 事情 你 要 非常 及时 的 做出 很多 的 调整， 对 吧？ 你 作为 C E O 你就是 一个 赛车手， 你 开 这个 方向盘， 那你 路 肯定 不是 直 的， 你 要 及时 的 转弯 的。 这个 也是 很多 我在 科研 界 的 时候， 可能 会对 一个 事情 很 执着， 有 这种 执念， 一定要 按照 某种 方式 去做 一个 事儿。 但 其实 创业 不一定， 可能 还有一个 事情 是 很多 的 科研 工作者 相对来说 内向 一些。 比如说 我自己 就是 很 严重 的 内向 的 性格。

但 我 觉得 你 已经 比 大多数人 大多数 科研 的 人。

我 老实 跟 你说， 我 跟你聊 这 俩 小时 我 已经 虚脱 了， 我 我 得 我 跟着 俩 小时， 我 就得 休息 一整天， 我 才能 缓 过劲 来。 OK. 但是 因为我 从事 这样的 岗位， 我告诉自己 不要 以 自己 舒服 的 方式 去过 每一天。 你 要 不断 的 走出 自己的 舒适 圈， 去 做自己 没有 那么 舒服 的 事情。 有的 时候 你 没有 那么 舒服 的 事情， 反倒 是对 整个 团队， 对 整个 公司， 对 所有 利益相关者 更 负责 的 事情。 是 这个 过程 可能 是 痛苦 的， 但是 你 不去 逼迫 自己 做 这些 事儿， 那是 不可能 取得 很 好的 成绩 的。 但是 其实我 恨不得 我 你 让 我 休假 的 时候， 我 恨不得 一人 把 自己 关 在 小黑屋 里面 写 代码， 那样 是我 最舒服 的 状态。

明白， 完全 理解。 现在 你们是 已经 发 了 一 版 产品 了， 是 吧？ 大家 其实 想 用 的话 是 可以 去 用 的对， 大家 可以 直接 在 massage 点 A I 这个 网站 上面 去 用是 但 我 觉得 反正 A I 智能 3D听起来 是一个 需要 延迟满足 的 事情， 但 你 在 做 的 是 整个 世界 的 一个 基石， 我 觉得 这个 肯定 是 可以 这么 讲 的对 吧？

我 觉得 这个 其实 往 愿景 的 层面 说， 我们 就是 希望 每个 人都 能 去 创造 一个 自己的 虚拟世界。 这个 和 咱们 一开始 说 的 图形学 是 一门 帮助 大家 创造 更好 的 虚拟 数字世界 的 学科 是 非常 吻合 的这 也是 很多 人的 一个 梦想。 每个 人都 希望 说 一句话 就能 把 整个 世界 给 创造 出来。 对我 觉得 现在 这个 时间点 是 很 好的 一个 机会， 而且 A I 的 三 弟 也是 解决 这个 问题 最 重要 的 途径 之一。

上帝 是不是 第一句 话 说的是 要有光？

很 对 对， 上帝说要有光， 所以 我们 先 解决 了 渲染 的 问题。 要有光 以后， 就得 去 有 这个 山川， 有 这个 森林， 对 吧？ 这个 就是 A I 生成 内容 的 问题。 是是是。

我们 就 谢谢 袁明。

好， 谢谢 邱 凯 老师 的 podcast， 也 特别 开心 能够 和 大家 分享 这些 内容。