3D版抖音有望誕生，零門檻3D創(chuàng)作時代來臨｜VAST宋亞宸@MEET 2025

衡宇 2024-12-27 12:42:48 來源：量子位

編輯部 整理自 凹非寺

量子位 | 公眾號 QbitAI

全球用戶累計生成700萬3D模型，海外上千用戶上傳自己生成的3D動畫短片……

這就是3D大模型公司VAST及其旗下3D大模型“Tripo”系列的傲人成果。

相比于文字生成、圖片生成、視頻生成，3D生成技術(shù)的發(fā)展更像AIGC賽道的隱形前行者，但其實到了今天，輸入語段文字或圖片，已經(jīng)可以得到一個完整的、有價值的、可用的3D的模型。

在量子位MEET 2025智能未來大會上，VAST創(chuàng)始人兼CEO宋亞宸帶來了他所看到的3D生成的世界，以及3D生成賽道的新的機(jī)遇。

為了完整體現(xiàn)宋亞宸的思考，在不改變原意的基礎(chǔ)上，量子位對演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來更多啟發(fā)。

MEET 2025智能未來大會是由量子位主辦的行業(yè)峰會，20余位產(chǎn)業(yè)代表與會討論。線下參會觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關(guān)注與報道。

核心觀點(diǎn)梳理

• 技術(shù)層面上，3D生成的發(fā)展分為靜態(tài)內(nèi)容生成、動態(tài)內(nèi)容生成、人人零門檻可用三個階段。
• 有了創(chuàng)作平臺后，有機(jī)會誕生3D版抖音。
• 明年，Tripo的成熟度會達(dá)到1080p、甚至4k的水平。
• 預(yù)計到2026年，原生AI 3D創(chuàng)作者會探索出一些新的3D內(nèi)容范式。
• 3D生成會帶來一種新的交互形式，就像成語“言出法隨”形容的那樣。
  ……

（以下為宋亞宸演講全文）

3D生成到什么階段了？

我們公司VAST是一家做3D大模型的公司，希望大家能夠在我的分享當(dāng)中找到自己喜歡的一些有意思的點(diǎn)。

先給大家介紹一下什么叫作3D大模型。

我們的3D大模型叫作Tripo，它的功能非常簡單，輸入一段文字，或者說一張圖片，當(dāng)然也可以同時輸入圖片、視頻等不同模態(tài)，就能輸出一個完整的、有價值的、可用的3D的模型。

它的表達(dá)方式是mesh，帶貼圖材質(zhì)PBR，并且可以在像游戲、動畫、元宇宙、XR、MR，包括數(shù)字孿生、仿真模擬等等行業(yè)里去用起來。

同時我們做了很多有意思的風(fēng)格化，比如像素化、樂高化、網(wǎng)絡(luò)化等，可以讓大家端到端地在各個行業(yè)里面使用，例如3D打印、鞋服家具等場景。

我們不只做了靜態(tài)的模型，還做了骨骼的自動綁定，動作的生成，也就是用戶可以在3D空間里進(jìn)行實時交互，和朋友社交，一起探索新的世界。

相較于語言大模型、圖片大模型、視頻大模型，3D生成模型（及背后技術(shù)）可能比較新。

2024年年初Tripo1.0剛剛發(fā)布的時候，我們認(rèn)為它的水平類似于手機(jī)攝像頭360p分辨率的水平；現(xiàn)在Tripo2.0上線，成熟度已經(jīng)達(dá)到了類似于720p分辨率的水平；明年，Tripo的成熟度會達(dá)到1080p、甚至4k的水平。

雖然3D生成技術(shù)現(xiàn)在還是半成熟的狀態(tài)，但是發(fā)展速度是非?？斓摹?/p>

3D生成技術(shù)的三步走計劃

來到量子位的MEET2025大會，我們想“炫耀”一下我們的論文。

2023年，VAST發(fā)了一系列論文，包括六投六中的CVPR，還有ECCV 、SIGGRAPH；今年又發(fā)了幾十篇新的論文。剛剛在東京結(jié)束的SIGGRAPH Aisa，我們拿了Best Paper Honorable Mention，技術(shù)團(tuán)隊上周剛剛從東京領(lǐng)完獎回來。

VAST還做了很多開源的社區(qū)貢獻(xiàn)，這個也非常關(guān)鍵。

我們開源的項目包括世界最大的3D生成算法框架ThreeStudio、圖生3D的鼻祖Wonder3D，還和Stability AI一起開源了TripoSR。最近又開源了一些新的項目，也歡迎大家關(guān)注。

技術(shù)層面上，我們認(rèn)為主要分3步走——

第一步是靜態(tài)的內(nèi)容生成。這個很好理解，就像生成一個個雕塑。

第二步是動態(tài)的內(nèi)容生成。原本靜態(tài)的雕塑可以動起來，和用戶互動（甚至可以把雕塑的頭擰下來當(dāng)頭踢）。

第三步，我們認(rèn)為明年年底之前，每個人都可以零門檻、零成本地進(jìn)行實時的3D內(nèi)容創(chuàng)作。

大家可能會問，除了愛玩游戲，我本人還有什么別的理由要要投身3D生成技術(shù)領(lǐng)域？

3D其實非常特殊。文字、圖片、視頻、3D包括音頻這些信息載體或內(nèi)容媒介中，3D是一直缺乏屬于自己的UGC內(nèi)容平臺的內(nèi)容媒介的。

所以說我們認(rèn)為，3D版抖音是有機(jī)會誕生的。

可以看到，不管在移動互聯(lián)網(wǎng)時代還是互聯(lián)網(wǎng)時代，文字、圖片、視頻的UCG內(nèi)容平臺，一直是巨頭之所以為巨頭的關(guān)鍵路徑。那么3D是不是也會有自己的類抖音平臺？

經(jīng)過VAST自己和一些合作伙伴的大量嘗試，我們發(fā)現(xiàn)3D現(xiàn)在的創(chuàng)作門檻還是太高了，還是缺乏一個屬于自己的“攝像頭”——你很難想象沒有手機(jī)攝像頭，你怎么玩小紅書、怎么用抖音去分享你自己每天的生活。

3D是不是有機(jī)會先出現(xiàn)一個大眾級別的創(chuàng)作工具，降低用戶創(chuàng)作的門檻、降低用戶創(chuàng)作的成本，并且讓大家實時進(jìn)行創(chuàng)作，才有機(jī)會誕生一個所謂的3D版抖音。

3D版抖音誕生需要什么樣的創(chuàng)作工具？

那么這個大眾級別的創(chuàng)作工具是什么？就是剛剛提到的3D大模型。

我們認(rèn)為在第一階段，也就是截至快結(jié)束的今年，3D生成技術(shù)已經(jīng)達(dá)到720p分辨率水平，并聚攏百萬級開發(fā)者；到了2025年，開發(fā)者數(shù)量會達(dá)到千萬級別。

這些AI 3D的原生創(chuàng)作者，不會再去做很重磅的游戲。就像之前米哈游創(chuàng)始人蔡浩宇講過的，未來0.0001%的頂尖人才還是會繼續(xù)做游戲，但99.99%的人其實轉(zhuǎn)向根據(jù)自己的興趣隨意創(chuàng)造游戲。

到2026年，這些原生的AI 3D創(chuàng)作者會探索出一些新的3D內(nèi)容范式，這就需要有一個全新的UGC 3D內(nèi)容平臺去承載和分發(fā)。

而且現(xiàn)在還處于第一階段時，3D生成已經(jīng)在一些場景里實際落地了，比如說傳統(tǒng)的CG、游戲、動畫、影視、虛擬制作，還有傳統(tǒng)的TMT，涉及到直播、教育、電商等等；還包括傳統(tǒng)的工業(yè)、3D打印、工業(yè)設(shè)計、鞋服、家居、首飾、玩具、文具、燈具、香薰、蠟燭、文創(chuàng)、食品等行業(yè)；當(dāng)然還包括所謂的新興行業(yè)，也就是空間智能（這個行業(yè)會得到長足的發(fā)展），比如說元宇宙、XR、MR、具身智能的仿真模擬、數(shù)字孿生、數(shù)字人等。

3D生成已經(jīng)解決了一些核心的問題：

• 原來我們做3D模型，需要幾百美金，便宜點(diǎn)也需要幾十美金?，F(xiàn)在你去做一個3D模型，只需要0元。
• 原來需要幾天甚至幾周時間做一個3D模型，現(xiàn)在只需要幾十秒。
• 原來需要高昂的設(shè)備的成本，需要專業(yè)的兩三年建模經(jīng)驗的建模師，現(xiàn)在零門檻。

同時我們還可以實現(xiàn)規(guī)?；蛡€性化。

“讓所有人零門檻創(chuàng)建有意思的3D內(nèi)容”

目前，全世界前十的3D打印公司里，超過一半是我們的客戶，并且已經(jīng)上線使用了。

原來的3D打印在全世界有幾百萬人群，他們都不會建模。現(xiàn)在每個人都能用AI 3D的能力建自己的模型，生成一條賽博朋克的魚，或者皮卡丘和鋼鐵俠的結(jié)合體，生成后再打印出來，就擁有自己獨(dú)一無二的手辦了——這是完成定制化的需求。

于是，有很多首飾、手辦、積木玩具的廠商，可以利用AI 3D快速生成自己想要的款式，然后放到市面上看大家的反饋。尤其最近要過年了，還能快速做一些定制化的toB禮盒。

除了用于商業(yè)化場景，其實每一個人都可以做自己想要的3D的工業(yè)設(shè)計和產(chǎn)品需求，包括我自己。

所有的普通用戶都可以在Tripo3D.AI里生成自己想要的工業(yè)設(shè)計，而且和想象中一模一樣，然后直接打印出來，比如做一套自己的國際象棋棋子。

今年年中，VAST在海外有上千個用戶上傳了自己用Tripo生成的一部部動畫。

這就是3D生成現(xiàn)在已經(jīng)達(dá)到的成熟度。

我不會建模，沒有學(xué)過Blander、Maya、3D Max，也不會Unity或者UE，我也不是一個3D內(nèi)容創(chuàng)作者。但我自己嘗試借用Tripo的能力，花了一個早上的時間，做了人生中第一部動畫。

所以我敢說，現(xiàn)在已經(jīng)能夠讓每個人零門檻地去創(chuàng)作這么有意思的3D內(nèi)容。

我們的用戶里有一個哥們特別有意思。

他用Tripo生成了幾百個3D模型，拼成了一個太空站，做了倆視頻，覺得自己很牛，發(fā)了一個推特，馬斯克覺得也很牛，就轉(zhuǎn)了，在全球范圍內(nèi)有1億的播放量。

還有另一個創(chuàng)作者也非常有意思，他用我們的3D生成能力搭建了一個自己的XR空間。

他把每天遇到的開心、糟心的事情告訴AI，AI根據(jù)內(nèi)容生成各種各樣有意思的手辦、城堡，像是一本3D日記。他既可以邀請別人來逛他的3D日記本，也可以邀請大家來這里一起創(chuàng)作。

我想說的是，在XR的時代，當(dāng)虛擬現(xiàn)實世界到來了以后，我們看到3D生成會帶來一種新的交互形式，就像一個成語形容的那樣，“言出法隨”。

在虛擬現(xiàn)實的世界里，很重要的一個核心技術(shù)，就是成熟的3D生成技術(shù)。

最后介紹一下VAST的slogan：

為世界進(jìn)文明，為人類造幸福。

感謝大家的時間！