Z Potentials｜专访胡渊鸣，清华姚班 × MIT博士，打造500万+用户的3D AI平台Meshy，一年营收增长18x

Z Potentials｜专访胡渊鸣，清华姚班 × MIT博士，打造500万+用户的3D AI平台Meshy，一年营收增长18x Z Potentials｜专访胡渊鸣，清华姚班 × MIT博士，打造500万+用户的3D AI平台Meshy，一年营收增长18x Modified October 22, 2025 不足方面还是存在于 AI 生成 3D 中的一些通病，仍然存在拓扑还达不到人类的级别，可控性方面还不能支持用户对生成结果直接进行基于 AI 的修改，这是未来我们计划改进的方向。 现在来看， 3D 模型的应用已经不只是在游戏行业或工作室里，这个版本的 Meshy 上线后有大量用户的评价非常高，他们用 Meshy 生成大量的模型和手办，可以用打印机直接打印出来， 这也是 Meshy 这个版本非常大的亮点，很适合用来 3D 打印。 No access 0bc35uaeqaaaqaae357worufb3odjdwqasaa.f10002 00:00 ZP ： 在产品功能上， Meshy 提供哪些创作路径与工具（如文本提示词生成 / 图像转 3D/ 贴图 / 动画 /API 等）？这些功能之间如何协同，以支撑专业创作者与非专业创作者不同的需求？ 胡渊鸣 ： 我们的产品设计一直强调 “ 易用性 ” 和 “ 直觉化 ” 。 我一直有一个观点是，一个好的产品一定是符合直觉的，就是应该让大多数用户开箱即用。 Meshy 的核心功能包括：文本生成 3D 、图像生成 3D 、贴图生成、动画，以及 API 接口。 对于非专业用户，我们会将常用功能放在更容易访问的位置，降低门槛；对于专业用户，则提供更多扩展功能，比如 3D 转视频、以及更精细的贴图和视频生成接口。我们的整体逻辑是尽可能去做一个 “ 通用产品 ” ，而不是面向极窄垂直领域的工具。重要的是找到跨行业的共性需求。 从用户视角出发，一般有两种方式，一种是倾听用户的需求，另一种是从第一性原理推导 ，比如贝尔在发明电话的时候是没有做用户访谈的，他只是知道人和人之间一定有快速通讯的需求，因此电话这个事是有市场需求的。用户的想法是很重要的一部分，但如果只按照用户说的去做而没有自己的思考，就会把产品开发引入歧途。比如汽车出现前，用户只会说想要一个更快的马车，而不是一辆汽车。 目前来看，无论是游戏、影视还是 3D 打印等行业，都能用 Meshy 满足创作需求。我们既要让专业用户觉得功能足够强大，也要让非专业创作者觉得简单好用。 ZP ： 用戶体验和用户生成内容反馈如何？您有没有哪些数据可以分享，比如用户数、月活／付费用户／增长倍速／下载量等？目前产品在用户口碑和真实落地场景中的表现如何？ 胡渊鸣 ： 目前我们有超过 500 万用户。根据 SimilarWeb 的数据，每月网站访问量在 250 万到 300 万之间。整体增长速度很快，每个月营收都保持了两位数的增长，过去一年营收增长了 18 倍。 用户口碑和满意度也在稳步提升。我们做过用户调查，反馈普遍积极 。总体趋势是：用户创造价值越多，我们的商业化也就越容易。 ZP ： 能不能分享一两个真实的用户故事？例如某个游戏团队用 Meshy 从概念设计到最终模型交付只花了多少时间？ 胡渊鸣 ： 有一个海外的 2A 游戏工作室 Stratton Studio ，他们原本做一个坦克模型到放进游戏里要花 4 个小时，即便只是下载现成资源修改也需要耗时。用了 Meshy ，再结合 Blender 等工具，他们把整个流程缩短到 4 分钟，从 4 小时到 4 分钟，效率提升非常明显。 No access 0bc3kiagiaaaxyagca7winufauwdmrjaazaa.f10002 00:00 另一个故事很打动我。有位用户原本是建模师，但在一次意外中大脑受了损伤，导致无法再使用传统 3D 建模软件。他后来发现 Meshy 可以帮助他重新创作。他说 “ 我以为自己再也不能建模了，但没想到技术发展让我重新掌握了这项技能 ” 。这个反馈让我们团队非常感动。 ZP ： 技术挑战方面： Text to 3D 输出的可控性、贴图细节和 UV/ 拓扑质量、硬表面模型棱边锐度、与现实光影动态交互一致性，这些是多位用户与您自己共同指出的问题。您当前在这些方向上的技术路线与资源投入是怎样的？ 胡渊鸣 ： 技术突破通常来自三个方面：数据、算法和算力。 早期阶段，学术界会先探索新的网络架构，比如 Transformer 、 DiT 等，产业界则在其基础上通过更大规模数据和算力进行训练和优化。同时，数据在这个时代的重要性会比大家想象中更加重要一些。 3D 相比于架构较为成熟的大语言模型的训练有一个特别之处：算法如何设计并没有确定下来，是待讨论的核心问题。 3D 的算法还处于快速迭代期， 比如 3D 的表达方式、如何增强输入输出的对齐度、如何实现高效的可控生成。这些问题都需要团队逐一解决。 优化质量其实没有很 fancy 的事情， 我们的思路很直接：找到最聪明的人，组建合理的组织架构，让他们一个个攻克难题。没有什么捷径，就是不断迭代。 ZP ： 定价与商业模式： Meshy 的订阅计划结构是如何设计以兼顾个人创作者与工作室／团队使用者的？未来您看到哪些商业变现路径／合作模式是可行并且最有潜力的？ 胡渊鸣 ： 我们采用的是 Freemium 模式：用户可以免费使用基本功能，一部分会转化为付费用户。对于用量更大的用户，我们提供 Pro 、 Studio 和 Enterprise 等更高阶套餐。教育用户会有比较慷慨的折扣，希望培养未来市场。 我们定价的核心原则是：不同类型的用户需求不一样，但产品不能割裂成很多条线。 所以我们提供一个核心产品，再通过不同套餐和定价满足创作者、工作室、团队和企业的需求。未来可能的商业模式包括更多与产业结合的合作，比如和游戏公司、影视制作、教育、 AR/VR 等生态深度合作，探索新的收入来源。 03 在不确定中前行：从技术信仰到全球化执行的创业进化论 ZP ： 您认为在 3 5 年内， Meshy 的产品与市场会经历哪些阶段性的突破？（例如：质量门槛、渲染／实时化、引擎集成、 VR/AR/ 元宇宙入口等） 胡渊鸣 ： 我觉得能做的事情非常多。比如生成完整的 3D 场景，也就是多个物体的组合；再比如提升在游戏管线中的适配程度，包括几何拓扑、 UV 、材质质量等。我们还不断给产品加入新的 Workflow 。比如我们最近推出的 3D to Video 的功能，让用户可以把 Meshy 的 3D 模型组成可编辑的 3D 场景，并把这些 3D 场景变成图片、视频。 No access 0b2erqamwaaarman7bxwwjufbdgdzogabsya.f10002 00:00 沿着 3D 上下游有非常多可以去做的事情。 当你的产品有一些用户后，总可以做出新功能来满足他们的需求。 我们未来的迭代方向包括：提升生成质量、优化上下游流程、增强可控性等。 AI 生成可交互 3D 内容是一个趋势，但现在仍处在探索阶段，还不能替代成熟的实时引擎。不过我相信这是未来很有潜力的方向。 ZP ： 在国际化战略上，尤其对于非英语市场（中文、其他语言）， Meshy 是怎样规划界面、本地化、用户社群与支持等？这些方面对产品增长的影响有多大？ 胡渊鸣 ： 我们的界面设计从一开始就是国际化的，切换不同语言相对容易，本地化主要是提示词翻译等问题。回过头来看，我们的界面设计在整个 3D AI 行业是非常领先的。目前我们还是专注海外市场，尤其是欧美市场，因为那里的付费意愿偏强一些。未来我们会继续国际化。虽然一些海外国家人口规模不大，但游戏和软件产业非常成熟，生态更健康，也有很大空间。 ZP ： 您怎么看行业内竞争对手（如其他 Text to 3D 或 Image to 3D 的 AI 工具／开源项目／大型 AI 实验室） Meshy 的护城河在哪里？ 胡渊鸣 ： 我觉得要分几类。 一些项目看起来是竞争，但实际上更像合作伙伴。 开源模型的生成质量目前和闭源还有很大差距，但开源确实推动了学术和产业的探索，我们也会吸收其中好的想法到我们自己的产品当中。我们还设立了 Meshy 奖学金，每年发给为产业界贡献了新想法的在读学生。 至于大公司，它们拥有的资源肯定会比我们多。比如 Google 、 NVIDIA 、 OpenAI ，他们都曾在某个阶段做过 3D ，但很多最后都停止了，甚至成为了我们的客户，比如 Meta 。腾讯可能是依然在这个方向有较大投入的公司。相比大公司，创业公司的优势在于专注和决策效率高。 我们的团队速度快、每个人的责任感和 ownership 都很强。 在和用户关系上，创业公司也更灵活，比如 CEO 可以直接参与客户沟通，这是大公司很难做到的。海外用户对创业公司通常也更友好。所以我认为 Meshy 的护城河主要在三个方面： 1. 专注与坚持： 我们是现在 3D 生成玩家中最早入局的，并且持续迭代，具有先发优势。 2. 团队执行力： 扁平的小团队能快速决策、快速试错、快速迭代。 3. 用户关系和品牌： 用户其实愿意和创业公司一起成长，而大公司往往显得 “ 店大欺客 ” 。 ZP ： 在从 “ 太极图形 ” 向 “Meshy.AI” 转型过程中，您遇到过哪些最难克服的瓶颈？您是如何决策并调整方向的？ 胡渊鸣 ： 有一些时刻其实我自己也不确定未来的方向，但必须要下注。比如我们最初在太极的基础上尝试 NeRF （神经辐射场）技术，当时有两条路线：一条是用它做重建，一条是做生成。我们判断生成会是更大的市场，所以决定往生成方向走。 这个决策当时团队内部也没有共识，有些人觉得应该做重建。为了推动大家达成共识，我做了大量沟通。当时市面上几乎没有公开可用的 3D 生成产品 。我们决定快速上线，即使产品质量不高，也要先跑通用户验证。 我记得第一个版本用了 8 个小时，也就是早上 10 点开会，晚上 6 点就上线了。一天之内有 1000 个用户注册，这给了我们很大的信心。在小步快跑的试错过程中也 “ 被怀疑过 ” ：初期很多用户觉得生成的东西 “ 不靠谱 ” ，甚至由于最初的生成质量不是很好，第一个把 Meshy 用在游戏中的场景是 “ 用 Meshy 来做恐怖游戏的素材 ” 。但随着基础模型不断迭代，用户逐渐改变了自己的看法。 这段经历让我体会到：在怀疑和不确定中保持信念和深度思考，并通过小步快跑的数据验证，就能带领团队不断地看到希望，一步步看清未来。 ZP ： 领导力与团队管理上，从一个研究者／技术人的身份进入 CEO 角色，您最需要提升或改变的是什么？有没有某些领导风格、组织制度上的经验教训可以分享？ 胡渊鸣 ： 我认为这个问题的核心是 CEO 到底在公司里面应该扮演什么样的角色。 CEO （ “ 首席执行官 ” ）这个角色名字有点误导，但实际上， CEO 最重要的任务不是自己去执行，而是确保整个公司能赢。 在产品与市场匹配之前，我作为 CEO 还要亲自写代码、调参数、做产品。但当团队扩大后，我写代码的边际价值很低，更重要的是思考团队如何整体运作。 所以我的最大的转变是思维方式：从 “ 我能做什么 ” 变成每时每刻去想 “ 团队能做什么 ” 。会去思考哪一项工作是能给团队带来最大价值的。 所以我认为 CEO 要做的是：能够做出决策来保证战略能落地；能够提出更高标准，注重培养团队；知道该如何把合适的人放到合适的位置上，让擅长技术的人做专家，让擅长管理的人带团队。 从关注事情和技术细节转向关注人，这个转变是我最大的成长。 ZP ： 在承受外部期望（被标榜为 “ 天才少年 ” 、行业焦点、舆论关注等）与内部产品真实质量／用户反馈之间，您如何处理那些矛盾？对外讲故事 vs 对内专注交付，这两者怎样平衡？ 胡渊鸣 ： 我觉得首先要做到坦诚，就是自己是一个什么样的人应该心中有数，不能去对外宣传自己没有做到的东西，因为一旦一个组织的 CEO 开始不坦诚，那么整个组织的文化都会被破坏。 在我看来， “ 对外讲故事 ” 和 “ 对内专注交付 ” 不是对立的，而是一回事。因为讲出的故事是对未来的愿景描述，但必须是符合第一性原理和技术发展逻辑的，并且自己要真心相信。 只有这样，故事才是讲得通的，才能把团队和用户凝聚在一起。 真正的挑战是：你必须不断交付，去验证你的故事是对的。故事不是 “ 吹牛 ” ，而是愿景加验证过程。所以我不觉得这两者有矛盾。 ZP ： 创业过程中有没有 “ 几乎放弃 ” 的时刻？当产品用户体验不达标、或技术瓶颈显著时，是如何保持信念与执行力的？ 胡渊鸣 ： 有的。比如前两个产品（太极语言和渲染器产品）都没能成功，再加上当时家里老人去世，压力特别大。那时候我甚至想过把钱退还给投资人。 后来和一些创业者交流，他们很坦诚地说，这些失败很正常，他们惨的时候比我惨多了。创业本来就是要做好经历失败的准备。慢慢地，我重新找回了信心。 经过这几年的 “ 濒死体验 ” 和摸爬滚打，我更清楚地认识了自己，也更能坦然面对自己的优点和缺点。和团队沟通时，我也会直接承认哪里做得不好或不对，需要调整。我认为这些磨练对于一个人和一个团队是相当必要的，如果一直都很顺利的话，是没办法有更深层次的认知的。 ZP ： 如果让您给希望在 AI 生成 3D 方向创业或产品设计的年轻创始者一个忠告，您最想强调哪两点？ 胡渊鸣 ： 首先我不认为我们已经发展到特别好的程度足够给他们建议，只能说我学到了两点比较重要。 第一点是面对现实 ，要看清楚用户是否真的有需求，收入是一次性的还是有留存的，用户是否真正把产品用到了生产过程中，不要被暂时的假象迷惑，更不要自欺欺人。 第二点是保持勇敢 ，当你能够面对现实之后，就有勇气面对失败，你就会接受失败并从中快速学习，就能不断迭代，甚至越挫越勇。只要学得够快，总有一天会成功。只要还在尝试，就在通往成功的路上。 ZP ： 您平时关注的几个 AI/ 图形 / 生成式内容创业公司里有哪几家您觉得做得好？它们给您带来了什么启发？ 胡渊鸣 ： 可能有些俗套，但我觉得 OpenAI 还是非常值得学习的公司。 它的早期领导人 Ilya 坚持第一性原理的思考方式，比如认为智能水平与神经元数量成正比，人工神经网络和生物神经网络没有本质区别。 以前的计算机可以模拟出老鼠大脑中的神经元数目，那如果把神经元的数目逐渐变大，它的智能水平就能接近猴子，甚至接近人类。这些最底层的思考支撑了他们走上 AGI 的道路，尽管经历了多次失败。 OpenAI 15 年公司成立，但七年后（ 22 年）才做出出圈的成果 ChatGPT 。 不足方面还是存在于 AI 生成 3D 中的一些通病，仍然存在拓扑还达不到人类的级别，可控性方面还不能支持用户对生成结果直接进行基于 AI 的修改，这是未来我们计划改进的方向。 现在来看， 3D 模型的应用已经不只是在游戏行业或工作室里，这个版本的 Meshy 上线后有大量用户的评价非常高，他们用 Meshy 生成大量的模型和手办，可以用打印机直接打印出来， 这也是 Meshy 这个版本非常大的亮点，很适合用来 3D 打印。 No access 0bc35uaeqaaaqaae357worufb3odjdwqasaa.f10002 00:00 No access 0bc35uaeqaaaqaae357worufb3odjdwqasaa.f10002 00:00 ZP ： 在产品功能上， Meshy 提供哪些创作路径与工具（如文本提示词生成 / 图像转 3D/ 贴图 / 动画 /API 等）？这些功能之间如何协同，以支撑专业创作者与非专业创作者不同的需求？ 胡渊鸣 ： 我们的产品设计一直强调 “ 易用性 ” 和 “ 直觉化 ” 。 我一直有一个观点是，一个好的产品一定是符合直觉的，就是应该让大多数用户开箱即用。 Meshy 的核心功能包括：文本生成 3D 、图像生成 3D 、贴图生成、动画，以及 API 接口。 对于非专业用户，我们会将常用功能放在更容易访问的位置，降低门槛；对于专业用户，则提供更多扩展功能，比如 3D 转视频、以及更精细的贴图和视频生成接口。我们的整体逻辑是尽可能去做一个 “ 通用产品 ” ，而不是面向极窄垂直领域的工具。重要的是找到跨行业的共性需求。 从用户视角出发，一般有两种方式，一种是倾听用户的需求，另一种是从第一性原理推导 ，比如贝尔在发明电话的时候是没有做用户访谈的，他只是知道人和人之间一定有快速通讯的需求，因此电话这个事是有市场需求的。用户的想法是很重要的一部分，但如果只按照用户说的去做而没有自己的思考，就会把产品开发引入歧途。比如汽车出现前，用户只会说想要一个更快的马车，而不是一辆汽车。 目前来看，无论是游戏、影视还是 3D 打印等行业，都能用 Meshy 满足创作需求。我们既要让专业用户觉得功能足够强大，也要让非专业创作者觉得简单好用。 ZP ： 用戶体验和用户生成内容反馈如何？您有没有哪些数据可以分享，比如用户数、月活／付费用户／增长倍速／下载量等？目前产品在用户口碑和真实落地场景中的表现如何？ 胡渊鸣 ： 目前我们有超过 500 万用户。根据 SimilarWeb 的数据，每月网站访问量在 250 万到 300 万之间。整体增长速度很快，每个月营收都保持了两位数的增长，过去一年营收增长了 18 倍。 用户口碑和满意度也在稳步提升。我们做过用户调查，反馈普遍积极 。总体趋势是：用户创造价值越多，我们的商业化也就越容易。 ZP ： 能不能分享一两个真实的用户故事？例如某个游戏团队用 Meshy 从概念设计到最终模型交付只花了多少时间？ 胡渊鸣 ： 有一个海外的 2A 游戏工作室 Stratton Studio ，他们原本做一个坦克模型到放进游戏里要花 4 个小时，即便只是下载现成资源修改也需要耗时。用了 Meshy ，再结合 Blender 等工具，他们把整个流程缩短到 4 分钟，从 4 小时到 4 分钟，效率提升非常明显。 No access 0bc3kiagiaaaxyagca7winufauwdmrjaazaa.f10002 00:00 No access 0bc3kiagiaaaxyagca7winufauwdmrjaazaa.f10002 00:00 另一个故事很打动我。有位用户原本是建模师，但在一次意外中大脑受了损伤，导致无法再使用传统 3D 建模软件。他后来发现 Meshy 可以帮助他重新创作。他说 “ 我以为自己再也不能建模了，但没想到技术发展让我重新掌握了这项技能 ” 。这个反馈让我们团队非常感动。 ZP ： 技术挑战方面： Text to 3D 输出的可控性、贴图细节和 UV/ 拓扑质量、硬表面模型棱边锐度、与现实光影动态交互一致性，这些是多位用户与您自己共同指出的问题。您当前在这些方向上的技术路线与资源投入是怎样的？ 胡渊鸣 ： 技术突破通常来自三个方面：数据、算法和算力。 早期阶段，学术界会先探索新的网络架构，比如 Transformer 、 DiT 等，产业界则在其基础上通过更大规模数据和算力进行训练和优化。同时，数据在这个时代的重要性会比大家想象中更加重要一些。 3D 相比于架构较为成熟的大语言模型的训练有一个特别之处：算法如何设计并没有确定下来，是待讨论的核心问题。 3D 的算法还处于快速迭代期， 比如 3D 的表达方式、如何增强输入输出的对齐度、如何实现高效的可控生成。这些问题都需要团队逐一解决。 优化质量其实没有很 fancy 的事情， 我们的思路很直接：找到最聪明的人，组建合理的组织架构，让他们一个个攻克难题。没有什么捷径，就是不断迭代。 ZP ： 定价与商业模式： Meshy 的订阅计划结构是如何设计以兼顾个人创作者与工作室／团队使用者的？未来您看到哪些商业变现路径／合作模式是可行并且最有潜力的？ 胡渊鸣 ： 我们采用的是 Freemium 模式：用户可以免费使用基本功能，一部分会转化为付费用户。对于用量更大的用户，我们提供 Pro 、 Studio 和 Enterprise 等更高阶套餐。教育用户会有比较慷慨的折扣，希望培养未来市场。 我们定价的核心原则是：不同类型的用户需求不一样，但产品不能割裂成很多条线。 所以我们提供一个核心产品，再通过不同套餐和定价满足创作者、工作室、团队和企业的需求。未来可能的商业模式包括更多与产业结合的合作，比如和游戏公司、影视制作、教育、 AR/VR 等生态深度合作，探索新的收入来源。 03 在不确定中前行：从技术信仰到全球化执行的创业进化论 ZP ： 您认为在 3 5 年内， Meshy 的产品与市场会经历哪些阶段性的突破？（例如：质量门槛、渲染／实时化、引擎集成、 VR/AR/ 元宇宙入口等） 胡渊鸣 ： 我觉得能做的事情非常多。比如生成完整的 3D 场景，也就是多个物体的组合；再比如提升在游戏管线中的适配程度，包括几何拓扑、 UV 、材质质量等。我们还不断给产品加入新的 Workflow 。比如我们最近推出的 3D to Video 的功能，让用户可以把 Meshy 的 3D 模型组成可编辑的 3D 场景，并把这些 3D 场景变成图片、视频。 No access 0b2erqamwaaarman7bxwwjufbdgdzogabsya.f10002 00:00 No access 0b2erqamwaaarman7bxwwjufbdgdzogabsya.f10002 00:00 沿着 3D 上下游有非常多可以去做的事情。 当你的产品有一些用户后，总可以做出新功能来满足他们的需求。 我们未来的迭代方向包括：提升生成质量、优化上下游流程、增强可控性等。 AI 生成可交互 3D 内容是一个趋势，但现在仍处在探索阶段，还不能替代成熟的实时引擎。不过我相信这是未来很有潜力的方向。 ZP ： 在国际化战略上，尤其对于非英语市场（中文、其他语言）， Meshy 是怎样规划界面、本地化、用户社群与支持等？这些方面对产品增长的影响有多大？ 胡渊鸣 ： 我们的界面设计从一开始就是国际化的，切换不同语言相对容易，本地化主要是提示词翻译等问题。回过头来看，我们的界面设计在整个 3D AI 行业是非常领先的。目前我们还是专注海外市场，尤其是欧美市场，因为那里的付费意愿偏强一些。未来我们会继续国际化。虽然一些海外国家人口规模不大，但游戏和软件产业非常成熟，生态更健康，也有很大空间。 ZP ： 您怎么看行业内竞争对手（如其他 Text to 3D 或 Image to 3D 的 AI 工具／开源项目／大型 AI 实验室） Meshy 的护城河在哪里？ 胡渊鸣 ： 我觉得要分几类。 一些项目看起来是竞争，但实际上更像合作伙伴。 开源模型的生成质量目前和闭源还有很大差距，但开源确实推动了学术和产业的探索，我们也会吸收其中好的想法到我们自己的产品当中。我们还设立了 Meshy 奖学金，每年发给为产业界贡献了新想法的在读学生。 至于大公司，它们拥有的资源肯定会比我们多。比如 Google 、 NVIDIA 、 OpenAI ，他们都曾在某个阶段做过 3D ，但很多最后都停止了，甚至成为了我们的客户，比如 Meta 。腾讯可能是依然在这个方向有较大投入的公司。相比大公司，创业公司的优势在于专注和决策效率高。 我们的团队速度快、每个人的责任感和 ownership 都很强。 在和用户关系上，创业公司也更灵活，比如 CEO 可以直接参与客户沟通，这是大公司很难做到的。海外用户对创业公司通常也更友好。所以我认为 Meshy 的护城河主要在三个方面： 1. 专注与坚持： 我们是现在 3D 生成玩家中最早入局的，并且持续迭代，具有先发优势。 2. 团队执行力： 扁平的小团队能快速决策、快速试错、快速迭代。 3. 用户关系和品牌： 用户其实愿意和创业公司一起成长，而大公司往往显得 “ 店大欺客 ” 。 ZP ： 在从 “ 太极图形 ” 向 “Meshy.AI” 转型过程中，您遇到过哪些最难克服的瓶颈？您是如何决策并调整方向的？ 胡渊鸣 ： 有一些时刻其实我自己也不确定未来的方向，但必须要下注。比如我们最初在太极的基础上尝试 NeRF （神经辐射场）技术，当时有两条路线：一条是用它做重建，一条是做生成。我们判断生成会是更大的市场，所以决定往生成方向走。 这个决策当时团队内部也没有共识，有些人觉得应该做重建。为了推动大家达成共识，我做了大量沟通。当时市面上几乎没有公开可用的 3D 生成产品 。我们决定快速上线，即使产品质量不高，也要先跑通用户验证。 我记得第一个版本用了 8 个小时，也就是早上 10 点开会，晚上 6 点就上线了。一天之内有 1000 个用户注册，这给了我们很大的信心。在小步快跑的试错过程中也 “ 被怀疑过 ” ：初期很多用户觉得生成的东西 “ 不靠谱 ” ，甚至由于最初的生成质量不是很好，第一个把 Meshy 用在游戏中的场景是 “ 用 Meshy 来做恐怖游戏的素材 ” 。但随着基础模型不断迭代，用户逐渐改变了自己的看法。 这段经历让我体会到：在怀疑和不确定中保持信念和深度思考，并通过小步快跑的数据验证，就能带领团队不断地看到希望，一步步看清未来。 ZP ： 领导力与团队管理上，从一个研究者／技术人的身份进入 CEO 角色，您最需要提升或改变的是什么？有没有某些领导风格、组织制度上的经验教训可以分享？ 胡渊鸣 ： 我认为这个问题的核心是 CEO 到底在公司里面应该扮演什么样的角色。 CEO （ “ 首席执行官 ” ）这个角色名字有点误导，但实际上， CEO 最重要的任务不是自己去执行，而是确保整个公司能赢。 在产品与市场匹配之前，我作为 CEO 还要亲自写代码、调参数、做产品。但当团队扩大后，我写代码的边际价值很低，更重要的是思考团队如何整体运作。 所以我的最大的转变是思维方式：从 “ 我能做什么 ” 变成每时每刻去想 “ 团队能做什么 ” 。会去思考哪一项工作是能给团队带来最大价值的。 所以我认为 CEO 要做的是：能够做出决策来保证战略能落地；能够提出更高标准，注重培养团队；知道该如何把合适的人放到合适的位置上，让擅长技术的人做专家，让擅长管理的人带团队。 从关注事情和技术细节转向关注人，这个转变是我最大的成长。 ZP ： 在承受外部期望（被标榜为 “ 天才少年 ” 、行业焦点、舆论关注等）与内部产品真实质量／用户反馈之间，您如何处理那些矛盾？对外讲故事 vs 对内专注交付，这两者怎样平衡？ 胡渊鸣 ： 我觉得首先要做到坦诚，就是自己是一个什么样的人应该心中有数，不能去对外宣传自己没有做到的东西，因为一旦一个组织的 CEO 开始不坦诚，那么整个组织的文化都会被破坏。 在我看来， “ 对外讲故事 ” 和 “ 对内专注交付 ” 不是对立的，而是一回事。因为讲出的故事是对未来的愿景描述，但必须是符合第一性原理和技术发展逻辑的，并且自己要真心相信。 只有这样，故事才是讲得通的，才能把团队和用户凝聚在一起。 真正的挑战是：你必须不断交付，去验证你的故事是对的。故事不是 “ 吹牛 ” ，而是愿景加验证过程。所以我不觉得这两者有矛盾。 ZP ： 创业过程中有没有 “ 几乎放弃 ” 的时刻？当产品用户体验不达标、或技术瓶颈显著时，是如何保持信念与执行力的？ 胡渊鸣 ： 有的。比如前两个产品（太极语言和渲染器产品）都没能成功，再加上当时家里老人去世，压力特别大。那时候我甚至想过把钱退还给投资人。 后来和一些创业者交流，他们很坦诚地说，这些失败很正常，他们惨的时候比我惨多了。创业本来就是要做好经历失败的准备。慢慢地，我重新找回了信心。 经过这几年的 “ 濒死体验 ” 和摸爬滚打，我更清楚地认识了自己，也更能坦然面对自己的优点和缺点。和团队沟通时，我也会直接承认哪里做得不好或不对，需要调整。我认为这些磨练对于一个人和一个团队是相当必要的，如果一直都很顺利的话，是没办法有更深层次的认知的。 ZP ： 如果让您给希望在 AI 生成 3D 方向创业或产品设计的年轻创始者一个忠告，您最想强调哪两点？ 胡渊鸣 ： 首先我不认为我们已经发展到特别好的程度足够给他们建议，只能说我学到了两点比较重要。 第一点是面对现实 ，要看清楚用户是否真的有需求，收入是一次性的还是有留存的，用户是否真正把产品用到了生产过程中，不要被暂时的假象迷惑，更不要自欺欺人。 第二点是保持勇敢 ，当你能够面对现实之后，就有勇气面对失败，你就会接受失败并从中快速学习，就能不断迭代，甚至越挫越勇。只要学得够快，总有一天会成功。只要还在尝试，就在通往成功的路上。 ZP ： 您平时关注的几个 AI/ 图形 / 生成式内容创业公司里有哪几家您觉得做得好？它们给您带来了什么启发？ 胡渊鸣 ： 可能有些俗套，但我觉得 OpenAI 还是非常值得学习的公司。 它的早期领导人 Ilya 坚持第一性原理的思考方式，比如认为智能水平与神经元数量成正比，人工神经网络和生物神经网络没有本质区别。 以前的计算机可以模拟出老鼠大脑中的神经元数目，那如果把神经元的数目逐渐变大，它的智能水平就能接近猴子，甚至接近人类。这些最底层的思考支撑了他们走上 AGI 的道路，尽管经历了多次失败。 OpenAI 15 年公司成立，但七年后（ 22 年）才做出出圈的成果 ChatGPT 。 另外我很欣赏 Epics Game （ ZP 注：一家美国电子游戏与软件开发公司，创立于 1991 年，公司总部位于北卡罗来纳州卡里镇）。他们不仅做了虚幻引擎，还开发了《 Fortnite 》这款游戏，这是巨大的商业成功案例。虚幻引擎是整个图形学和人类视觉技术的集大成之作。 应用层公司里，我觉得 Lovable 和 Cursor 做得很好。 他们抓住了用户真实的需求，找到了 AI 与已有的工作流程结合的场景，找到大市场并切入。我自己写代码时也会用 Cursor ， Lovable 的原型功能也非常好。这些案例说明，只要找到足够大的机会，把 AI 与真实场景结合，潜力是巨大的。 ZP ： 最近有没有什么书、论文或者个人影响很深的作品／艺术家，让您在美学／技术／产品思考上有新的顿悟？ 胡渊鸣 ： 对我影响很大的人是马斯克。虽然他作为老板可能很严苛，但他的执行力和第一性原理思考方式非常值得学习。 在金融危机时， SpaceX 和 Tesla 都快撑不下去了，但他依然坚持两条线都做，现在两家公司都非常成功。我自己也开 Tesla 的车，觉得它的 FSD 是目前最好的自动驾驶系统。 马斯克的特别之处在于：他既能讲出宏大的愿景故事，又能真正交付结果。这两点同时做到的人非常少。他对我启发很大。 请注意，此次访谈内容已经过精心编辑，并得到了Meshy 的认可。有兴趣与 Meshy 合作的读者可以通过 ZP 联系公司 ，我们也欢迎读者通过留言互动，分享您对本访谈的看法。 Z Potentials 将继续提供更多关于人工智能、全球化市场、机器人技术等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END 🔗 原文链接： https://mp.weixin.qq.com/s/lnYbTclT... https://mp.weixin.qq.com/s/lnYbTclT... 原创 Z Potentials Z Potentials2025年10月21日 11:40 上海 生成式 AI 正在重写 3D 内容的生产流程：从 “DCC 工具 + 外包 ” 的线性供给，演进到 “ 资产规模化生成 + 管线可用 ” 的指数供给模式。过去五年，技术范式经历了从实时体积渲染， NeRF ，到 Score Distillation ， 3D 扩散的快速迭代；需求侧则由游戏与影视，向 3D 打印、电商样机、数字人、教育培训、以及 AR/VR 等长尾场景外溢。行业痛点并未消失 —— 几何精度、 UV/ 拓扑、材质细节与可控性仍是落地瓶颈 —— 但 速度 × 成本 曲线已被永久改写：从 “2 周／ $1000” 降至 “ 分钟级／ $1” ，这不仅降低了门槛，也催生了全新的商业机会与生态位。结论很清晰：未来 3–5 年的赢家不在炫技式的 “ 单点 Demo” ，而在构建起 可规模化资产生产 + 标准化管线适配 + 高频迭代的产品运营体系 。 在这条演进路径上， Meshy 的创始人胡渊鸣展现出难得的跨领域能力组合：图形学 × 物理仿真 × 系统工程 × 产品同理心。他拥有清华姚班本科与 MIT 博士的扎实学术背景，对三维几何、物理仿真、可微计算等底层原理理解深入；从零开发 “ 太极（ Taichi ）编程语言 ” 的经历，也锻炼了他对复杂系统的抽象与工程实现能力。更重要的是，团队在商业化路径上实现了关键转型：从依赖 “ 工具收费 ” 转向更符合市场需求的 “ 资产生成服务 ” ，真正从技术驱动升级为用户价值驱动，形成了对产品节奏与市场竞争的务实认知。 在产品层面， Meshy 的定位非常聚焦 ——“ 用文字或图片生成 3D 模型 ” 。在最新版本中，几何结构与细节密度实现跃迁级提升：空间分辨率三轴均翻倍，整体约 8 倍细节提升；角色与精细物体生成效果处于头部水准；生成 20–30 秒、贴图约 1 分钟，维持高吞吐与低时延并存。功能链路从 Text to 3D 、 Image to 3D 到重拓扑、动画与 API ， 既满足入门用户 “ 开箱即用 ” ，也为专业用户提供可扩展的工作流支持。增长与营收同样硬核： 累计 500 万 + 用户，站点月访 250–300 万，每个月收入也保持了两位数的增长，过去一年营收翻了 18 倍 。 Meshy 的护城河不在于论文数量，而来自三方面叠加：先发优势与专注力、高效的组织执行力、以及活跃的用户生态 —— 这三者共同将 “ 技术质量差距逐渐缩小 ” 的现实，转化为 “ 产品真正被工作流接纳 ” 的结果。 接下来，我们将沿着 “ 个人成长 — 学术底层 — 产品转型 — 技术演进 — 商业化与国际化 ” 这一主线，还原胡渊鸣如何从清华姚班到 MIT ，构建跨学科的技术视野与市场洞察；解析 Meshy 在几何结构、贴图细节、风格控制及速度 / 质量平衡上的工程取舍；并最终探讨其在全球 3D 生态中的定位与未来可能性。 • 从 “ 世界如何运行 ” 的好奇，走到 “ 让世界被创造 ” 的能力。 • 别做收缩市场的英雄，永远选在增长曲线里冲锋。 • 工具难变现，但资产有人付费 —— 从卖工具到卖资产，是关键路径纠偏。 • 同理心是最好的产品经理：能提前 “ 感到 ” 用户哪里不顺。 • 把 “2 周 /$1000” 打到 “2 分钟 /$1” ，商业边界随之改写。 • 速度是入场券，质量是通行证：几何 /UV/ 材质 / 可控性，逐项补课才算落地。 • 好故事 = 愿景 × 第一性原理，唯一证明是持续、可量化的交付。 • CEO 的工作不是亲自执行，而是确保团队 “ 整体能赢 ” 。 • 3D 的真正瓶颈不在算力，而在表达与可控生成的算法范式。 • 把开源当伙伴、把大厂当客户；护城河是专注、执行力与用户关系复利。 01 从学术到创业：从 “ 造世界 ” 到 “ 造产品 ” 的底层跃迁 ZP ： 请先介绍一下您的成长经历，包括求学阶段（清华姚班本科； MIT 博士）以及您在图形学、物理仿真方面的早期科研与学习，是如何锻造您在技术与市场机会上的敏感性的？ 胡渊鸣 ： 我是江苏扬州人，家里是知识分子家庭。小时候其实很难想象自己会去创业。长辈对我的期待更像是和他们一样成为大学老师或者科研人员。家庭对我最大的影响是做事认真、务实和勤奋。我很多年后才发现：原来不是所有的父母在几乎所有醒着的时间都在工作的，而我父母的工作在生活中的占比是很高的。 我很早就开始接触编程，小学时因为喜欢玩游戏，就想做自己的游戏，于是开始写代码。到高中时拿了 NOI （全国青少年信息学奥林匹克竞赛）金牌，后来被保送清华，再后来考试考到了姚班。可能每一个清华同学都会有的一个人生阶段是，发现人和人的差距比人和草履虫的差距更大。清华的同学都非常优秀，我在姚班认识了一批很厉害的同学，