<mark id="oztn4"></mark>
0
| 本文作者： 成妍菁 | 2026-03-06 14:31 |
“2023 年初我們就已經明確要做可交互的 3D 內容。”
作為 VAST 的創始人，宋亞宸回憶起當時創業的淵源，語氣依舊篤定。在他的判斷里，3D 生成遲遲沒有真正普及，并不是因為技術路線不清晰，而是因為“到現在為止，其實都沒有真正意義上的 3D UGC 平臺”。（雷峰網雷峰網雷峰網(公眾號：雷峰網)）
這也是VAST選擇從工具和模型入手，而不是等平臺成熟后再進入的原因。在他看來，平臺形態或許尚未出現，但內容生產方式的變化已經足夠明確。
見到宋亞宸時，他正坐在辦公室的桌前吃午飯。當天上午，一場訪談活動剛剛結束，他抓緊空檔簡單吃了幾口，下午還有新的會面安排。月底，他還將飛往美國參加 GDC（游戲開發者大會）。
VAST 是一家成立于 2023年的人工智能公司，專注于通用 3D 大模型的研發與落地產品建設，其核心產品Tripo Studio（一站式 AI 3D 工作臺），VAST 在 Tripo 系列中的兩項核心突破，分別指向不同的 3D 生成方向：H3.1 強調高保真、高還原度的 3D 資產生成，而 P1.0 則聚焦于“可用性”——以接近人工建模的拓撲結構，實現極高速的 3D 資產生成。
對于游戲、XR 和 3D UGC 等實時引擎場景而言，真正決定資產能否被直接使用的，并不只是面數高低，而是拓撲是否干凈、布線是否穩定，以及能否無縫進入 Unity、Unreal 等引擎管線繼續編輯與部署。
打個比方，可以把 3D 模型理解成一件由很多小三角形拼成的“外殼”。三角形越多，細節就越豐富，但也越“費勁”。像 5000 面左右的低模，相當于一張分辨率不高、但足夠清晰的圖片，肉眼看來已經足以呈現出栩栩如生的逼真細節：輪廓和結構的完成度尚可，卻不會給設備帶來算力負擔。
正因為如此，這類模型才能被廣泛用在游戲、XR 和面向普通用戶的 3D UGC 場景中，既能實時交互，又能規模化使用。
在商業落地上，生態合作覆蓋阿里巴巴、騰訊、字節、網易、上汽、拓竹、優必選等頭部企業與超過9萬個開發者，旗下Tripo Studio平臺已聚集超過650萬創作者，累計生成近1億個3D模型。
就在昨日，VAST宣布完成5000萬美元A輪融資。本輪融資由阿里、恒旭資本（上汽旗下）聯合領投，元禾璞華、百度風投、東方嘉富等跟投，老股東春華創投、北京市人工智能產業基金超額加注。
值得注意的是，這是阿里與百度同時在 AI 3D 賽道同框下注，也側面反映出頭部互聯網與產業資本對 3D 生成賽道的共識正在形成。
與此同時，VAST 還同步更新了Tripo H3.1和Tripo P1.0大模型。
正如現場演示的一樣，Tripo H3.1從輸入指令到模型成型，系統在數秒內即可輸出結構完整、貼圖清晰的 3D效果圖。而另一款Tripo P1.0，則進一步壓縮了 3D 資產生成所需的時間成本——能夠在2秒內輸出專業建模師級別的3D模型，生成速度相當快。
VAST的創始人———宋亞宸，1997 年出生的他并非科班出身，而是文科背景，獲得美國約翰霍普金斯大學國際關系學和經濟學雙學士學位，在創辦 VAST之前，他曾任職于商湯科技，負責多個人工智能項目從 0 到 1 的戰略分析與商業化落地；并聯合創立 MiniMax。
在并不充裕的時間里，我們聊了3D大模型、Tripo Studio、世界模型、工業與創作，被問及模型相關時，宋亞宸現場為我演示了最新一版的Tripo Studio 的工作流程，僅需輸入一張單圖，進度條幾乎在眨眼間跑完——僅僅一兩秒鐘，一個帶有精細貼圖材質、面數控制在 5000 面左右的可用 3D高精低模，便流暢地渲染在了屏幕中央。
這種需要專業人員耗費數天的“手工活”，直接被壓縮至秒級就能完成。宋亞宸提到這些技術時認為，VAST 當前在跑的這套技術路線已經是“斷崖式、斷層式的領先”，甚至在談到競爭格局時，他表示：“這兩個技術一出，市面上基本沒有什么對手”。
那是一種不太需要反復解釋的自信，更像是已經在心里驗證過多次后的結論。
其實，VAST 還是李飛飛World Labs 的 BP 里唯一提到的中國公司——李飛飛曾定義世界模型是由三大場景構成：3D 生成、XR 空間智能、機器人——前兩個才是重點。
而 VAST 從成立之初，就押注了 3D 這一最原始、最自然、信息密度最高的內容模態。宋亞宸認為，世界模型是通用模型的終極形態，必須建立在對三維空間的原生理解之上。
以下是AI科技評論與VAST創業者宋亞宸的聊天實錄：
AI科技評論：公司在創立初期的愿景是什么？為什么最終會選擇切入 AI 3D 大模型賽道？
宋亞宸： 最早我們是想做一個世界級的交互內容平臺，可以理解為“3D版的 TikTok” 。但在推進過程中我們發現，傳統交互內容的創作門檻和成本太高了，如果不解決工具問題，就像是在“用毛筆寫微博”，因此我們意識到，必須先打造一個大眾級別的創作工具，讓每個人能零門檻、零成本地實時創作。
當時平臺形態還不存在，但我們覺得這件事一定會發生，所以選擇先從底層工具和能力開始做。
因為創造一個世界需要兩個能力：“造萬物”（生成模型和場景）和“定規則”（編寫代碼和交互邏輯）兩者結合，即構成創造世界的基礎設施。基于此判斷，我們確立了AI 3D大模型的定位：在AI coding已被廣泛布局的背景下，專注于UGC交互內容平臺，降低3D內容的生產門檻。
AI科技評論：在你們的產品出現之前，傳統的 3D 內容生產面臨哪些痛點？你們是如何改變工作流的？
宋亞宸： 傳統的 3D 制作管線非常繁瑣，需要基于十幾種不同的引擎、建模軟件，搭配幾百種中間件和幾千種插件，完全依靠手工搭建工作流 。 我們2025 年推出了全新的全鏈路 AI 工作流產品（Studio），它通過一系列自研算法，將幾何、貼圖、材質、綁定等環節整合在了一起，用 AI 工具替代了傳統復雜的制作管線，極大地提升了生產力 。
AI科技評論：目前平臺的用戶體量如何？這些 3D 生成技術主要落地在哪些具體的行業場景中？
宋亞宸：目前我們的服務了超過9萬家客戶，工具平臺擁有 650多萬的專業開發者 ，我們的受眾主要是海外用戶，落地場景主要涵蓋四大類：
重工業： 比如幫助車企（如上汽）快速生成海量 3D 車型，替代傳統周期長、成本高的油泥模型評審，尤其是周期縮短才是核心變化。傳統車型開發動輒一年，如今借助AI可壓縮至數月；線下評審、層層審批的冗長流程，也被線上協作替代，效率提升的同時，設計方案的可選空間也更大。
輕工業與 UGC 制造： 涵蓋首飾、玩具（如泡泡瑪特）、鞋服包包的工業設計，以及徹底打通 3D 打印社區的建模門檻 。
虛擬內容： 包括游戲（網易等大廠及 UGC 游戲）、XR 元宇宙、動畫和影視制作 。
交互展示展陳： 例如電商商品的三維展示、文博、教育課件等 。
AI科技評論：Tripo Studio 想解決的核心問題是什么？
宋亞宸：關于 Studio 的產品非常好理解，它本質上是打造了一個完整的 AI 工作流。在這個工作流中，用戶可以順暢地完成幾何處理、貼圖與材質賦予、PBR（基于物理的渲染）、拆分與補全、編輯與組合、筆刷風格化等一系列復雜操作。
核心還是生產效率和門檻。現在社會里幾乎所有工業品，本質上都來自 3D 模型，但建模的成本、周期和專業門檻都非常高。
Tripo Studio 的目標，是讓專業用戶在工業設計、創意生成、產品外觀等環節中，把原本需要幾個月甚至一年的流程，壓縮到幾周甚至更短。
為了支撐這套全鏈路的工作流，我們在各個環節都自研了一系列全新的 AI 算法并重新定義了這一產品形態。產品推出后的市場反饋非常積極，無論是在收入還是用戶規模上，都實現了爆發式的增長。
基于以上技術，我們目前主要提供兩條產品線：第一條線是面向 PGC（專業內容生產）等用戶的 Studio 工具平臺；第二條線是面向企業客戶的 API 服務。企業可以通過調用我們的 API，去賦能他們自身的 To B 或 To C 業務。截至目前，我們的 API 已經累計服務了超過 9 萬家客戶。
AI科技評論：公司近期在測試高模（高精度模型）和Smart Mesh（Tripo P1.0），兩者在技術表現和應用落地上有什么差異？
宋亞宸： 這兩款模型分別對應了不同的工業級需求：
高模（高精度模型）： 它的面數高達數百萬面，細節極其精細，連內部結構和螺紋都能精準呈現 。它非常適合工業設計、3D 打印和影視等對模型精度要求極高，但對實時渲染壓力不敏感的場景 。
Smart Mesh（Tripo P1.0）： Tripo P1.0 可以在2秒內直接生成專業建模師水平的3D模型——拓撲干凈、布線穩定、引擎可用，并且我們發現在這一全新思路之下，模型的可編輯性和精度的可拓展性獲得極高的優化潛力。
AI科技評論：為什么 3D內容一直沒有像文字、圖片、視頻那樣普及？
宋亞宸：在過去兩年里，3D打印在硬件機型和新材料上并沒有出現本質的技術突破，FDM 依然無法實現全彩，行業的傳統痛點依然存在 。然而，3D 打印機的出貨量卻迎來了暴漲 。其核心原因在于，行業的目標用戶群體從千萬級別跨越到了十億級別。
3D 打印普及的真正難點，其實不在于機器的操作按鈕有多復雜，而在于普通用戶缺乏 3D 建模能力，導致買完機器后“不知道能打什么” 。過去，普通用戶哪怕只是想打印一個簡單的手機殼，都需要去學習 Blender、3DMAX 或 Maya 等專業軟件，這對大眾而言顯然是不現實的門檻 。而現在，3D 生成技術的出現真正解決了這個問題。
AI科技評論：數據顯示目前海外用戶占比很高，當時為什么會制定出海的商業化策略？
宋亞宸： 目前海外用戶占比大約在 85% 。其實起初我們對全球市場是一視同仁的，但在實際跑數據的過程中發現，歐美等海外市場的付費率更高、用戶的忠誠度和續費率更好，整體的 LTV（客戶終身價值）也更高 。所以是真實的數據反饋決定了我們以海外市場為主的策略 。
AI科技評論：公司目前的團隊規模如何？在內部團隊管理上秉持什么樣的理念？
宋亞宸： 我們團隊目前有 100 多人，絕大部分是研發人員 。 我們的管理理念是非常實事求是的 。我們沒有強制的打卡、復雜的職級或是 Title，前三年甚至都沒有設置 OKR 。我們把市面上所有的管理機制當做一個“工具箱”，只有當公司發展到特定階段、遇到了真實問題時（比如團隊變大需要對齊目標時），我們才會從工具箱里拿出相應的管理工具來解決問題，而不是盲目照搬大廠機制。
AI科技評論：您個人并非傳統理工科方向，這種跨界背景對您執掌一家硬核 AI 科技公司有什么獨特影響嗎？
宋亞宸： 創業的核心在于你想做成一件什么樣的事，把這件事情的終局描述清楚是最重要的，而技術（無論是 AI 還是世界模型）只是達到這個終局的路徑，并不是說做科技公司就必須是特定學科的教授或博士出身 。
AI科技評論：公司目前在做3D大模型和世界模型，這兩者之間是什么關系？
宋亞宸： 其實它們本質上是一個東西。世界模型的底座就是基于 AI 3D大模型的算法建立的 。你可以這樣理解，世界模型是 AI 加上圖形學 。如果說原來的 3D 大模型是80% 的圖形學加 20% 的 AI，那么世界模型可能就是 AI 和圖形學各占一半的比例。
AI科技評論：世界模型的應用場景和目標用戶群體是怎樣的？
宋亞宸： 世界模型是給所有人、所有客戶使用的，具體的應用場景非常廣泛，你可以用它來做具身智能的仿真模型，也可以用來做數字孿生，或者應用于文娛等各種各樣的場景，任何需要“在一個世界里運行和互動”的場景，都可能用到世界模型。
AI科技評論：近期公司完成了新一輪融資，您如何看待融資與公司戰略“正確性”之間的關系？投資人為何在這個階段選擇下注？
宋亞宸： 融不融資與事情本身是否完全正確并沒有必然聯系，它更多代表的是市場和投資人對這件事情形成了一定的階段性共識 。創業本身就是一個不斷探索的過程，在最后一刻真正把事情做成之前，很難定論什么是絕對正確的 。
投資人之所以在這個階段選擇投資，主要基于三方面原因：首先，我們在世界模型等前沿方向上布局較早且走在比較前沿的位置 ；其次，AI 3D 大模型技術的成熟已經切實帶來了不錯的商業化收入 ；最后，市場對于可交互的 UGC 內容平臺也產生了新的認知與共識 。（作者持續跟蹤 AI 應用與模型更新，歡迎加微信Who123start交流）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
