再融資10億：被多家游戲巨頭押注的世界模型，想改寫未來3D內容生產邏輯

領跑全球的VAST生成了一套面向未來的內容基建。

文/托馬斯之顱&王丹

現代投資圈有一句俗話：「資本會自動流向自己最被需要、回報最高的地方」。

按這個標準來看，游戲行業的老朋友：通用人工智能公司VAST最近一個月完成兩輪大額融資，就很容易理解了。

7月2日，VAST宣布已在本月完成超10億的A3輪融資，資方包括4399、貪玩、巨人等游戲大廠，以及諸多車企、互聯網公司、投資機構和地方產業基金。而今年6月，他們才剛剛完成A+和A++兩輪合計近2億美元的融資。

VAST的代表作是AI 3D大模型Tripo，它的全球用戶超過2000萬，海量游戲大廠都已把它應用到了自己的開發管線。

今年3月，Tripo發布了H3.1和P1.0兩個新版本。其中H3.1在輸入對齊、結構精度、貼圖質量等核心指標上有明顯提升，生成的模型可以直接用于3D打印和工業設計，刷新了行業的精度天花板；

P1.0模型則能根據輸入的圖片在兩秒內輸出拓撲規整、布線合理的3D資產，再多給一分鐘，還能自動生成紋理貼圖。這也是迄今全球唯一一款能在數秒內輸出生產級網格的AI 3D大模型。

6月初，他們又首曝了在研的世界模型Project Eden，表示「區別于傳統世界模型路線預測下一幀畫面，Eden模擬的是一個持續運行的環境……這是第一個原生面向多人與智能體并發交互，并運行在一致世界狀態中的世界模型」。

這里先和不熟悉的朋友介紹一下：世界模型的能力并不止于生成文字、圖片、視頻、模型等單段素材，而是可以生成可交互、持續存在、符合物理規律的世界。

左右滑動查看

不再需要人來整合拼接，也不需要引擎來生成……看到這兒，你應該明白世界模型對游戲行業沖擊有多大了：今年1月底，谷歌開放Genie 3實驗原型時，Unity股價跌約24%、創下自2022年以來的最大單日跌幅，Roblox、Take-Two、AppLovin等游戲相關公司的股價，也均下跌。

當時有人指出，世界模型很難影響游戲，因為它存在難以維持一致性的局限性，AI會「遺忘」過往場景。俗話說就是，你在世界模型生成的世界里走著走著，一回頭，來時的景卻變了，好似AI只知道生成新內容，卻記不住過去的事兒一樣。

而Project Eden提出的「一致世界狀態」，顯然就是要解決這個痛點。他們沒有采用一體化生成視頻的方案，而是通過重新梳理技術架構，最終讓世界具有記憶、規則不變，且支持多人交互。

在同一個世界，不同玩家打靶的動作都會被獨立判斷

對游戲人來說，這聽起來令人擔憂……直接輸出世界，是不是傳統的研發流程要被顛覆？自己的知識結構是不是要徹底翻新？

但 VAST CTO 梁鼎認為，游戲行業沒必要焦慮。世界模型真正的價值，在于讓C端消費者用更簡易的方式創作高質量互動內容，而非取代現有的游戲開發模式：

“（為游戲廠商提效）不是我們做世界模型的出發點，我們認為世界模型代表一種全新的創作形態。”

梁鼎的說法，對應了VAST「做UGC互動平臺和3D內容生態的基座」的長期愿景。或許正如VAST創始人宋亞宸先前所說，他們真正想做的，是“讓人人都成為超級創作者。”

如果這一天真的實現，如宋亞宸所說，游戲行業的規模至少能翻10倍。屆時什么是游戲、誰在玩游戲、誰能做游戲、游戲人又該如何靠游戲掙錢……一切都將發生巨大的改變。

以下是葡萄君與梁鼎的對話（為方便閱讀，內容有所調整）：

01

世界模型：

出發點并非降本提效

葡萄君：你們是什么時候開始做世界模型的？

梁鼎：去年下半年。那時不少AI團隊看到了世界模型這個機會，大家都在積極嘗試。和被外界評價「市場狹窄」的3D生成不一樣，世界模型的市場想象空間很大，也很快成了AI領域的熱點。

對于VAST來說，因為先前在AI 3D生成領域有積累經驗，我們認為自己在世界模型方向存在一定優勢，有能力去做。

不過更重要的是，VAST自成立之初，目標就是做UGC內容平臺，而對UGC用戶來說，可以推演世界規律的世界模型，意味著更高的自由度，以及端到端、更簡化的創作路徑。

我們認為它是更理想化、上限更高的實現方式。

葡萄君：這和市面上其他世界模型所實現的效果，有什么區別？

梁鼎：目前我們觀察到的世界模型，在應用上存在兩個方向。

第一個方向側重具身智能（有身體并支持物理交互的人工智能）。

在這個方向上，現在較多人用的是純視頻路線，即WAM（World Action Model，世界動作模型），簡單概括就是視頻進、視頻出——輸入端是「當前視頻幀（觀測）+Action（動作/指令）」，輸出端是「視頻+Action」。

這是繼VLA（Visual-Language-Action，視覺-語言/指令-動作）之后出現的，比較主流的實現方法。當然，并非所有世界模型都在走這條路線。

World Labs的Marble，就更側重場景生成。它能做出靜態的、仿真的環境，為具身智能提供環境模擬，但沒法推演世界發展。所以有些人會認為Marble不能歸類為世界模型。

楊立昆的JEPA，則側重讓人工智能去理解、感受世界運行的規律，并根據規律來做決策，但不追求畫面呈現、畫面推演。

相對而言，我們走了一條更通用的世界模型之路。

具體來說，面向互動內容，Project Eden提供的是「環境生成+交互邏輯構建」的一站式能力。它既能支持大眾創作者以自然語言、簡易動作，一鍵創作可多人共享的互動世界，也能服務游戲、影視、VR/AR、數字孿生等行業的內容生產與互動體驗落地。

另外面向科研領域，Project Eden還能為具身智能的大規模訓練與多智能體性能評測， 提供具備完整物理規則、長時序一致性、可自由干預的仿真環境。

葡萄君：這和其他世界模型不一樣在哪？

梁鼎：我們想實現的，不單單是實時交互，還有多人同時在線交互。具身智能在大部分情況下，并不存在多人同時交互的強需求。

兩輛車在Eden里同時競速，共享同一個世界

同時，我們需要實現長時間、大空間的一致性記憶。通俗點講，用戶離開當前場景，過了一段時間回來，這個場景應該保持原先的樣子。

具身智能在這方面的研究負擔不算非常重，他們關注的往往是「過去幾十秒的事」和「接下來幾十秒要怎么做」，不需要擔心長時間記憶。

葡萄君：一致性記憶實現起來有多困難？

梁鼎：不簡單，我們花了很長時間去想怎么實現。

最開始我們考慮過「大力出奇跡」，比如做一個類似Seedance的視頻模型，把它的規模控制到類似語言模型的大小，并讓單個模型實現端到端輸出。

但這解決不了前面提到的兩個問題：第一，視頻模型很難同時輸入、輸出多人在線交互內容；第二，純視頻模型難以保證空間和時間的一致性，它要通過歷史幀來推測接下來的幀，但我們不可能讓大模型把幾十小時的歷史幀全記下來。

既然純視頻路線行不通，我們就開始想其他辦法，最終逐步推演到現在分層、收斂的技術路線。

葡萄君：怎么分層？

梁鼎：具體來說，Project Eden最核心的一層，負責狀態的維護，并據此進行推演。它不需要以視頻幀的方式去記住發生的事情，而是以3D信息的形式來記憶，包括環境中各種物體在空間的位置、狀態等。核心層不負責輸出任何內容，只負責記憶和推演。

第二層，則像一個轉換樞紐。它負責將核心層記錄、推演的，保有時間和空間一致性的3D信息，轉變成更抽象的2D視頻信息。樞紐層依然無法直接輸出面向用戶的內容，因為它轉譯出的視頻非常粗糙。

最后一層，才負責渲染。它會把粗糙、抽象的2D視頻信息，渲染成有細節的、更精細的畫面。

也就是說，我們最終采用的解法，是將底層的世界狀態推演與表層的視覺渲染進行了原生解耦。

葡萄君：Project Eden這套解法，可以商用了嗎？

梁鼎：現階段Project Eden距離商用還有距離。它的推理速度不夠快，而推理速度會直接影響用戶體驗。

同時，我們不希望把模型放在云端，那樣它生成的成本可能大于等于云游戲，架設在用戶本地的話，成本相對可控，用戶體驗也比較好。但當下Project Eden進行實時推理，還是需要比較好的顯卡，甚至單卡還跑不動。之后我們還要進一步壓縮模型規模，并結合硬件性能做優化。

我們的的目標是最終在移動端也能使用Project Eden。

葡萄君：所以未來游戲廠商可以直接用你們的世界模型做游戲？

梁鼎：那并不是我們的出發點。

我們做世界模型，主要是認為它代表一種全新的創作形態，可以讓普通用戶用一種端到端的方式，更自由地生成內容。

未來我們自己會做一個為普通用戶提供創作和消費的內容平臺。

葡萄君：從短期來看，世界模型會影響游戲公司的工作模式嗎？之前我看你們有過一些設想，比如利用世界模型做畫風測試，或者用它來取代一些不需要精細生成的狀態機場景。

梁鼎：這些都是潛在的應用場景，包括大家也可以拿世界模型來做宣發素材，但這些不是我們的初衷，也不是世界模型最核心的價值。我們最終希望能通過3D大模型也好、世界模型也好，讓每個普通人都能零門檻地創造互動世界。

葡萄君：那你覺得這些用戶可能會用世界模型創作什么內容？

梁鼎：和很多人的想法不同，我認為世界模型不一定擅長做3A開放世界。因為它們的制作成本很高，期待玩家投入大量的時間和金錢，但因此具備比較高的學習門檻。世界模型則可以讓更多用戶創作出偏個性化、輕互動的內容。

舉個例子，一個小伙子想給女朋友求婚，那可以嘗試搓個虛擬場景，埋一些解謎線索，讓女朋友在生成世界里解謎，根據線索最終找到一枚戒指。這就能構成一種浪漫溫馨的體驗。

這事兒很私人，可以在小范圍內滿足創作者和消費者的想法。也可以分享出來，讓大家借鑒、參考它做出自己的求婚場景。

葡萄君：聊起AI游戲，很多人會假設未來會有無限供給、無限消費。按照你的邏輯推演，可能用戶生產出來的內容，可能只給自己，或是給身邊幾個人來消耗就夠了？

梁鼎：分情況。用戶創作的目的不一定是為了掙錢。

部分用戶創作UGC內容，可能只是想給自己或周圍人分享，就像今天拍短視頻、發朋友圈一樣。

但也有人創作了能被很多人共情、欣賞的內容之后，就會獲得很大的流量，被大量點贊、轉發、收藏。這其實會有些像今天的短視頻生態。

葡萄君：現在很多游戲公司都焦慮自己會不會沒看懂、沒參與世界模型，最后錯過了很大的機會。對此你怎么看？

梁鼎：我覺得不用焦慮。

很多公司也會問，是不是傳統游戲的研發有一天會被世界模型影響？然后問很多細節。但其實傳統游戲賣的是好玩的內容，是為了讓用戶愿意花錢；而我們這條路的商業模式完全不一樣，游戲內的資產、消費、交易甚至廣告，也一定會和現在的模式完全不同。

02

3D大模型：

沒想過讓AI取代從業者

葡萄君：聊聊Tripo吧。現在Tripo現在進展到什么地步了？

梁鼎：我們今年3月發布了Tripo H3.1、Tripo P1.0模型，離「AI生成后直接可用」更近些了。

在此之前，很多人用AI只能生成高模建模，面數可能高達百萬面。這樣的模型布線不合理，面數太高，UV也展開不了，沒法直接在游戲里使用。

而Tripo P1.0可以在維持精度的前提下，讓模型面數降下來，布線也更合理。這樣用戶就不需要再手動從高模烘焙低模了。

當然，Tripo依然不算完全成熟，我們還有很長的路要走。包括有些功能，也是通過和游戲廠商實際溝通，我們才發現需要增加或改進。包括拆件之類的功能，也是從大家的需求中來的。

VAST的智能部件拆件功能

可以自動分件AI 3D資產，直接進入下游管線

葡萄君：有點好奇，最近游戲廠商又提了哪些需求？

梁鼎：比如有不少游戲公司想嘗試用AI做資產重置，想把幾十年前老游戲的舊素材，翻新成畫質更高、精度更高的版本。那我們就可以做一些特定的算法，幫助他們適配管線。

葡萄君：之前你們曾經說Tripo變成一個開發平臺，除了3D生成，再集成一些類似動畫制作的能力。你們會希望它有一天取代游戲引擎嗎？

梁鼎：取不取代游戲引擎，不是我們要考慮的問題。

Tripo的核心價值是提升用戶的生產力。專業用戶怎么用著方便，我們就怎么配合。

比如，他們習慣用DCC（Digital Content Creation，如3DS Max、Maya、Blender等）、游戲引擎，那我們就在他們習慣的流程里，去嵌入Tripo的能力。

也許未來某一天，專業用戶的開發流程被Agent之類的東西影響了，不習慣用引擎做游戲了，那我們也會順應新管線去對應調整。

現在有的小團隊，會拿我們生成的資產直接用，或者把Tripo作為插件在引擎管線里使用；大一點的游戲公司，會把我們接入美術中臺，讓美術中臺提供通用的能力，給到各個團隊。這些我們都很歡迎。

葡萄君：現在Tripo能做到「原生可用」的程度嗎？之前有人說，AI發展再快，「最后一公里」的問題也難以解決，終究還是需要人工調整收尾。

梁鼎：首先，可用的定義本來就因人而異。

單說游戲行業，就分手游、PC、主機；體量大到可至3A，小到可至休閑、小程序游戲……不同創作團隊，對可用的需求有區別。

對于資產精度要求不高的小型公司來說，Tripo生成的內容，大概已經可以直接作為游戲資產使用了；但大型游戲公司，則大多會將Tripo接入美術中臺，再由中臺提供通用能力。

所以我們更在乎的，是如何通過技術提高產能，減少人工調整的工作量，而不是說去取代專業用戶或專業工具。

比如原先專業用戶做一個高質量內容，可能在3D Max里需要人工搓兩周，有了Tripo的幫助后，這個時間可能縮短到3小時。未來這個過程是否能壓縮進1小時，或是5分鐘？這是我們要考慮的問題。

葡萄君：如果一家公司特別希望把Tripo融入自己的生產流程，你會給他們怎樣的建議？

梁鼎：這方面我們有很多最佳實踐。Tripo哪些能力比較好，可以用在什么場景下面，哪些有局限，該和什么工具組合使用，我們都會事先講清楚。

其實很多建議都比較通用。比如雖然Tripo提供了幾何、貼圖和綁骨的能力，但我們建議你還是要按照先改幾何，再貼圖，再做動畫的順序。很多用戶可能會先生成帶貼圖的模型，然后再拆件、綁骨，綁骨后發現效果不行，又要重新貼圖，這樣流程來來回回調整，反而開發速度會變慢，效果也不好。

另外也有一些公司追求極致的精度，會覺得現在的Tripo還做不出他們想要的高精建模。但其實你可以把模型的各個部件拆開，單獨生成，再組合起來，這樣整體精度就會變得更高。

03

為吃餃子蘸醋，

還是為吃醋包餃子？

葡萄君：未來VAST可能會擁有多少產品？Tripo和Project Eden最終會合二為一嗎，做成一個非常龐大的開發平臺嗎？

梁鼎：不會，我們從一開始就計劃打造多條產品線。

Tripo的定位很明確，和世界模型完全不一樣，它就是AI 3D一站式工作臺，降低創作門檻，提升用戶生產力。除了Tripo和Project Eden，我們還會進行一些其他產品線的嘗試。

不同產品線所依靠的底層AI大模型技術是共通的，只是應用層面、面向的群體不一樣。

葡萄君：多個產品線都在做，你們如何協調技術團隊？

梁鼎：我們的產品線劃分得相對清晰，每個產品都有對應的產品團隊和工程團隊，但算法團隊非常扁平，也非常透明。

而且我們的算法團隊很早就會參與到產品設計中，不是說產品、工程想清楚自己要什么后，再把問題丟給算法。像去年構想世界模型時，算法、工程團隊就會一起討論用戶想要什么，我們能做什么，我們跟其他競爭對手的差異是什么。

葡萄君：所以跟其他做世界模型的同行相比，你們的核心競爭力是什么？

梁鼎：一方面是我們在3D層面的積累。畢竟我們的世界模型技術路線是3D+視頻，核心層要靠3D技術來搭建。

另一方面，可能和其他團隊不同，我們對互動內容這件事比較有信仰。

具體來說，我們并不是因為世界模型很火熱，才去做世界模型。而是因為從2023年開始，我們就執著于實現UGC互動內容平臺這個目標。

做3D大模型，是為了離這個目標更近；做世界模型也是同理；未來說不定我們還要做更多嘗試。

說白了，你是為了吃餃子才蘸醋，還是為了吃醋而包餃子？目標不同，團隊在長期投入、應用實踐等方面，也有競爭力的區別。

葡萄君：有人會說，未來游戲的邊界會變得越來越模糊，可交互內容的市場至少會和游戲一樣大。你們怎么看它的發展態勢？

梁鼎：我們沒想那么多，但它會是獨立于短視頻、獨立于游戲的一種形態，有自己的發展規律。不過至少到現在，你還不能指望每個人都懂什么叫資產，什么叫藍圖，什么叫游戲發布，我們必須要把它做得足夠簡單，又足夠自由才行。

游戲葡萄招聘內容編輯，

（星標可第一時間收到推送和完整封面）