Meshy.AI胡渊鸣与红杉吴茗谈AI原生游戏、世界模型与PMF

摘要

• Meshy.AI 在过去 12 个月营收增长 14 倍，已接近 4,000 万美元 ARR，且仍保持约 20% 的月增长，但胡渊鸣决定把下一条曲线押在 AI 原生游戏。 首款小体量游戏《黑箱》计划几个月内登陆 Steam，此后再依次挑战中等与大型作品；他的目标是在 3—5 年里把公司从生成式 AI 公司逐步变成以游戏为主的公司，“至少做到一个像任天堂那样成功的公司”。
• 胡渊鸣给 AI 原生游戏划了两条缺一不可的标准：离开 AI 就不能成立，而且 AI 必须让核心玩法真正更好玩。 给 NPC 换上 AI 对话只是表现层换皮；《黑箱》则让攻击技能、武器合成和世界交互由 AI 生成，以“意料之外”制造惊喜，以“情理之中”保留玩家控制，再用自然语言降低门槛。游戏市场只奖励头部产品：“生成一万个六十分的游戏没有任何意义”，目标必须是“用 AI 直接去做一个九十九分的游戏”。
• Meshy 找到 PMF 的关键，不是把既有图形学能力继续产品化，而是从“我能做什么”转向“用户真正愿意为什么付钱”。 图形工具商业空间有限，一位用户甚至直言不会为渲染软件付钱，却愿意为其中的 3D 资产库付 5 块钱；这推动团队从工具转向模型库，再借 ChatGPT、Stable Diffusion 所代表的生成范式做 3D 生成。最初结果“只有恐怖游戏能够用上”，但方向终于对准了真实需求。
• 胡渊鸣判断，游戏世界模型的长期常态不是纯像素神经网络，而是生成式 AI 与经典图形学结合的 hybrid world model。 现有 video diffusion 世界模型可能需要 1,000 TFLOPS 以上，iPhone 17 约有三四十 TOPS，游戏持续可用的只有几 TOPS，中间仍差两个数量级；摩尔定律和电池又难以填平缺口。经典引擎可以廉价保证 60 fps、空间一致性与物理规则，AI 负责生成变化，正如 vibe coding 让模型先生成 code，再由廉价执行器运行。
• AI 可以替代“有训练数据”的工作，却尚不擅长没有历史样本的新方向、范式外想象与创造性判断。 这意味着纯 manager 的组织价值可能下降，每个人都要能直接产出或成为 AI manager；但面对从未有人做过的事情，仍需要“灵光一闪”、逻辑推理、随机猜测或“信仰一跃”。吴茗追问直觉能否最终被世界模型求解，胡渊鸣保留了不确定性：长期预测高度混沌，当前 AI 的 “think out of the box” 能力仍不足。
• AI for fun 的商业前提，是生产率提升将稀缺资源从劳动转向时间、体验与精神满足。 胡渊鸣把自由定义为“对不喜欢的事情说 no 的权利”，并判断人们会用更少工作换取更多体验；生成式 AI 可以让人在有限生命里获得近乎无限的 experience。风险也像《WALL·E》展示的那样真实，因此真正有价值的内容不能只是成瘾和付费机器，而要靠 taste 找到大众接受、创作者表达与商业成功的交点。
• 对创始人的关键判断变量不是履历，而是 motivation、面对事实的勇气，以及“掉下坑以后一定能爬起来”的韧性。 胡渊鸣在创业约 18 个月、连续两个产品商业化失败时一度想把钱还给投资人；第三次转型却因一句“好啊，你试一试，我支持你”继续走到了 Meshy。吴茗最看重的是 motivation；胡渊鸣则强调：“如果世界上有人把这件事做成了，但不是我，我会遗憾”，并把余生归结为“科学、艺术和乐趣”。

精读

1. 游戏让胡渊鸣相信，最简单的规则也能生成最丰富的世界

• 胡渊鸣最早从《吃豆人》《仙剑奇侠传》《红色警戒》和《帝国时代 2》进入计算机世界；父亲的学生在实验室联机时，他还会帮忙“望风”。吸引他的不只是玩，而是汇编指令只有加减乘除，却能绘制五彩缤纷的世界。

• 小学三四年级时，他用 RPG Maker XP 把同学做成 NPC，再通过邮件把 RPG 发给全班；随后从 BASIC、Visual Basic 6.0 学到 Ruby、C++。父母作为老师很抵触“学生不但玩游戏，还做游戏影响更多人”，但这条创作线后来从未中断。

• 高中竞赛金牌让他保送清华、进入姚班，再到 MIT 攻读博士，研究计算机图形学、物理仿真和 GPU 编译器。路径看似不断升级，底层问题始终是同一个：“用最简单的规则，描述一个最丰富的世界。”

• 清华期间，他曾为太太生日做了一款游戏，七天约有 2 万人游玩；走进教室看到同学不听课、都在玩自己的作品，他第一次强烈感受到创作者让他人进入一个世界的成就感。

2. 从图形学到 transformer，改变的是 primitive，不变的是造物冲动

• 传统图形渲染通过模拟光线传输和基本物理规律构造世界；AI 原生游戏则可能以 transformer、attention 和大量案例为 primitive，用数据学习“什么机制好玩、什么会让玩家快乐”。胡渊鸣认为，两者都是从基础表示出发组合复杂世界。

• 数据驱动带来的变化，是有些体验不必再被写成明确的定量规则。模型可以从大量语料与案例中形成对玩法、节奏和反馈的理解，让原本固定的游戏机制变得更活泼，但最终仍必须落到玩家感受。

• 他对“好玩”的终极 benchmark 极其感性：“玩家玩的时候脸上能看到笑容，然后我能听到他的笑声。”吴茗随即追问，笑声只能在成品发布后观察，开发阶段仍需要一套可优化、可迭代的 system。

3. 开发过程中就能大致判断好不好玩，因为优秀游戏的每个反馈都经过设计

• 胡渊鸣玩了近 30 年游戏，已经在自己身上形成一个玩家模型：《暗黑破坏神》的砍怪、捡装备、升级循环，《塞尔达传说》的多路径解谜，都让他反过来追问“为什么好玩”，而不是只记录自己玩得开心。

• 他用宫本茂的石头举例：监制会问开发团队“这边为什么会有一块石头”，若答案只是随手放置，那就不够。游戏中的元素必须服务探索、挑战、叙事或反馈，不能没有原因地占据玩家注意力。

• 好游戏既需要剧情和艺术风格，也需要挑战与回报形成正反馈，并把玩家维持在适当的“幸福曲线”中：难度不能令人过度 frustrated，又要不断提供成就感和探索欲。一个真正理解玩家的开发者，不必等到全部完成才知道方向是否成立。

4. AI 原生游戏不是加一层 AI，而是离开 AI 就无法成立

• 胡渊鸣把定义画成两个相交的圆：第一个条件是“这个游戏离开了 AI 是不能玩的”，第二个条件是“AI 的使用真的使得这个游戏更加好玩了”。只有交点才是有价值的 AI 原生游戏。

• 给传统游戏的 NPC 换成 AI 对话不满足第一条，因为拿掉 AI，游戏仍能照常运行；先拥有一项酷技术，再“拿着锤子找钉子”，也不保证给玩家创造价值，甚至可能牺牲传统游戏原本好玩的部分。

• 吴茗对市场现状的质疑值得保留：很多团队宣称 AI 能无限生成世界和副本，但至今仍难看到真正出圈的 native AI game。胡渊鸣的回答不是增加生成量，而是先找到已经被验证的玩法，再判断 AI 能否解除其原有边界。

• 游戏是极端头部化的内容市场：“生成一万个六十分的游戏没有任何意义嘛，因为大家永远会去玩这个九十分的游戏。”如果为了使用 AI 做出一个 50 分产品，技术新奇不会形成补偿；目标只能是“用 AI 直接去做一个九十九分的游戏”。

5. 《黑箱》把不可预测性直接变成核心玩法

• 在《黑箱》中，玩家的攻击技能、武器合成和世界交互都由 AI 生成；抛掉 AI 后，游戏会变得“非常非常 boring”。这使 AI 不再是美术或对话层的装饰，而是玩法循环不可或缺的部分。

• 每次合成武器时，玩家都会期待一个“意料之外、情理之中”的结果：前者提供惊喜，后者意味着结果仍受输入影响，玩家有参与感和控制感。AI 的价值恰好是持续产出不同结果，又不让差异退化成完全随机。

• 第三个要素是低门槛。大语言模型从自然语言语料训练而来，玩家无需掌握复杂编辑器，就能用直觉表达意图；胡渊鸣的说法是，“每一个人零到九十九”都可能从中得到快乐。

• 团队计划几个月内先在 Steam 上推出一款小体量作品，用真实反馈积累经验和资源；成功后再做中等体量，继而挑战更大的游戏。胡渊鸣估计，这条递进路线需要 3—5 年。

6. Meshy 的高速增长为第二曲线提供了耐心与资源

• Meshy 在过去 12 个月营收增长 14 倍，目前接近 4,000 万美元 ARR，在这一体量上仍能保持约 20% 的月增长。胡渊鸣回忆，最初连 1,000 万美元 ARR 都觉得很难，做着做着才跨过这一关口。

• 主营业务的状态让游戏成为可承担的第二曲线，而不是孤注一掷的逃离。胡渊鸣把它视为对自己的奖励：第一条曲线已经“开花结果”，现在可以寻找热爱、能力与世界未来需求三者的交集。

• 他的长期组织目标很明确：先用小作品降低学习成本，再把经验、人才与现金流滚入更大作品，最终让公司从生成式 AI 业务逐渐转成以游戏为主，而不是一开始就制作大体量游戏。

7. 三次转型把产品问题从“我会什么”改写成“用户买什么”

• 太极图形积累了行业影响力，却暴露出图形基础设施的商业天花板。胡渊鸣观察，Unity、Unreal Engine 即使成功，能从游戏价值链分得的收入仍有限；Epic Games 的主要收入来自《Fortnite》，而不是 Unreal Engine，引擎本身并非理想商业模式。

• 团队尝试其他 graphics 产品时，也发现许多使用场景处于收缩状态。真正的转折来自一名用户：“你把这个软件卖给我们，我们是不会付你钱的；但是你如果把这个软件里面的 3D 资产卖给我，我可能愿意付五块钱。”

• 这句话让团队从渲染软件转向 3D 模型库，再继续追问：既然传统模型库依赖人工上传或交易，能否像 ChatGPT 生成文字、Stable Diffusion 生成图片一样，低成本生成 3D 模型？当时 Meshy 是第一个上线、公开可访问的这类产品。

• 最初生成效果非常抽象，胡渊鸣笑称“只有恐怖游戏能够用上”。但更重要的变化已经发生：产品不再从现有技术能力出发寻找场景，而是带着同理心追问用户真正要什么；“没有需求”才是大量创业公司死亡的原因。

8. 技术型 CEO 的成长，不要求把自己改造成另一种人

• 创业前，胡渊鸣唯一的职场身份是实习生：“I was intern before I was CEO。”他不仅要补管理和商业知识，甚至要学习普通 employee 每天如何工作；全家几代都是老师，父母“宁可我去吃粉笔灰，也不要我去做生意”。

• 他转述 Lisa Su 给自己的启发：大量 MIT PhD 在为 Harvard MBA 工作，这件事并不必然合理。技术型 CEO 的优势是能真正理解技术，而商业知识相对可以后补；关键不是否认短板，而是建立一套适合自己的经营逻辑。

• 严重内向也被他重新设计成工作方式。写公众号相当于给自己建了一个 RAG：别人先检索文章，仍有不清楚之处再来沟通，从而减少一遍遍解释的社交开销；录完播客后，他预计自己需要“五个小时不说话”才能恢复。

• 融资时，他把数据透明地交给投资人，不做粉饰：“我是什么样就是什么样，你自己来看。”这种方式未必在每次数字比较中占便宜，却让他无需消耗精力表演，并吸引认可坦诚沟通方式的投资人。

9. 同理心必须有边界，创始人先照顾好自己才能给团队供能

• 创业第一阶段，胡渊鸣过度在意员工是否开心，容易把内部感受置于用户需求之前；他后来意识到，公司存在是为了创造用户价值，否则组织可能滑向“慈善机构”，失去明确使命与定位。

• 第二阶段又走向反面：为了完成目标，可以不吃饭、不睡觉，以各种方式“摧残折磨”自己。如今进入第三阶段，他既保留对团队的关爱，也承认 founder 长期透支身体最终会伤害公司。

• 他的总结是：“一个 founder 他永远是先爱自己，然后多余的这些爱才能给团队。”CEO 状态低迷会直接传递给组织；同理心有助于理解用户和员工，但面对 tough decision 时必须“当断则断”，防止换位思考变成持续内耗。

• 找到 AI 原生游戏，正是这套新平衡的产物：它既是公司潜在的第二增长曲线，也是他真正愿意投入的创作。高速增长阶段谈不上完全松弛，但热爱本身能补充能量，而不再只是消耗。

10. AI 正在重新改写组织，纯 manager 的价值可能下降

• 胡渊鸣曾系统学习安迪·格鲁夫的《高产出管理》《只有偏执狂才能生存》，以及 Pat Lencioni 关于团队协作障碍的著作；但他感到“春节一过，整个世界就又变了”，旧管理经验中哪些仍成立，需要重新验证。

• 他原本回国想在某些岗位招到最好的人，却在飞机上发现，借助 Claude Code、GPT Codex 和 agent orchestration，用 AI 好像也能把这些事情做得不错，还能让 AI 近乎 24 小时持续思考。唯一确定的事情再次变成“变化本身”。

• 对 AI 时代组织的判断因此更激进：公司对纯 manager 的需求可能下降，每个人都要具备一定的自己能产出的东西，或者成为未来重要的 AI manager。

• 吴茗把问题推进到护城河：当 OpenAI、Anthropic、豆包、通义千问等推出更强甚至免费的模型时，Meshy 还能留下什么？胡渊鸣的回答并非模型能力永远领先，而是寻找训练数据无法直接覆盖的新需求和新作品。

11. 有数据的工作终会被模型吸收，没有数据的未来仍需要创造

• 胡渊鸣的判断相当明确：“所有训练数据的东西都能够被 AI 搞定。”只要存在一个数据集，就可以训练模型解决相应问题；真正稀缺的是历史上从未有人做过、因而没有相应训练数据的事情。

• 探索这种新方向时，人可能需要“灵光一闪”，也可能依靠逻辑推理、随机猜测或感性的“信仰一跃”预测未来。所谓 “think out of the box”，是在现有范式边界外形成想象；他坦言，当前 AI “还不太具备”这种能力。

• 吴茗的反问没有被抹平：直觉也许只是数据不足时的一次选择，如果存在一个大的世界模拟器，它背后可能有数学结构，并最终成为可建模、可搜索的问题。胡渊鸣接受这种可能性，却指出长期世界预测高度混沌，技术实现仍非常困难。

12. 直觉不保证正确，但会暴露内心真正的选择

• 胡渊鸣做 A、B 二选一时，会想象抛一枚硬币：如果正面代表 A、反面代表 B，他希望哪面朝上？把选择暂时交给随机数发生器，反而会暴露内心真正期待的结果，这就是他的 “follow my heart”。

• 他并不声称直觉始终正确。创业是在不断与真实世界碰撞：发现想错了就吸取教训，下一次调整得更好；这种判断本身就是一种 benchmark，只能通过一次次反馈调试自己的模型。

• 更接近他的实际方法是：“不是说我做出正确的选择，而是我先做出这个选择，然后我努力让它被证明是正确的。”这既包含“干一行爱一行”的耐心，也承认选择之后仍要靠执行把可能性做实。

• 做游戏就是理性和感性的重合。理性上，他相信 Meshy 积累的多模态模型训练能力能让已有玩法更好玩；感性上则是“再不做游戏就老了”，他想从每天处理人事与汇报的经营者，向创作者和艺术家靠近。

13. 世界模型本质上是从历史状态预测未来，但长期未来高度混沌

• 胡渊鸣对广义 world model 的定义是：给定已知历史，预测未来。在决定论时空观下，如果知道世界在 t=0、1、2……n−1 时所有粒子的 configuration，就尝试推断 t=n 时的新状态。

• 按这个定义，物理学家两百年前就在研究世界模型。今天产业语境中更常见的是用 video diffusion model 或 video autoregressive model 做 next-frame prediction，主要面向 robotics、具身智能和游戏。

• 这类模型理论上也能模拟决策：分别预测采取 A、B、C 后世界会怎样，再辅助选择。但胡渊鸣保留了关键限制——现实世界非常混沌，预测本身就难，尤其无法轻易把短期 frame prediction 外推成可靠的长期未来。

14. 游戏需要的不是纯像素模型，而是可实时交互的 hybrid world model

• 纯 pixel-based 世界模型把大量计算花在重新学习传统引擎已经解决的规律上。胡渊鸣举例，相机转 360 度后，原先坐在面前的人仍应坐在原位；video diffusion 为维持这种一致性“费了老鼻子劲”，传统引擎却天然保存对象与空间状态。

• 他甚至用带有玩笑性质的估算说明浪费：一个 10B 参数模型里，“也许有 5B”都在学习世界物理规律。经典图形学已经能更廉价、确定地实现这些约束，没有必要让神经网络每一帧重新猜测。

• Meshy 设想的 hybrid world model 由 AI 成分与经典图形学共同组成：引擎保障 60 fps、视角一致性和基本物理，Generative AI 负责生成内容与交互变化，让玩家每次进入都得到不同体验。

• 这条路径还有现实商业优势。团队可以在每个阶段做出可上线的游戏、获得用户和资源，再逐步扩大 AI 比例；相比等待一个纯 transformer 世界模型成熟，它“每时每刻都是有市场的”。

15. 算力差距和 vibe coding 都指向 hybrid 是常态而非过渡

• 吴茗提出最强反方：如果未来算力性能提升三个数量级以上，hybrid 是否只是一种中间态？胡渊鸣的回答是“它是常规态”，并分别从终端算力和软件执行范式论证。

• 当前 video diffusion world model 可能需要 1,000 TFLOPS 以上；iPhone 17 可能有三四十 TOPS，而为了避免手机发热到失控，游戏实际持续可用的可能只有几 TOPS。两者相差约两个数量级，摩尔定律“基本上已经停止”，电池也很难突然跃迁。

• 神经网络架构和 representation 未来可能继续进步，他没有否认这一点，但一次跨越两个数量级仍“比较难”。因此，把确定性规律交给低成本引擎、把生成能力留给 AI，是受算力约束后的结构性分工。

• vibe coding 已验证相同机制：大语言模型先生成 code，再由 x86 汇编、NVPTX 等廉价执行层运行，而不是让 transformer 直接承担全部计算。世界模型也可能先生成机制或中间表示，再由传统系统执行；区别只是把软件变成了“最复杂的软件形态”——游戏。

16. AI for fun 押注的稀缺资源，是被生产率释放出来的时间

• 胡渊鸣把幸福、富足和自由收敛成一句话：“我有对不喜欢的事情说 no 的权利。”人不一定能摆脱全部责任，但生产率越高，就越可能拒绝不愿做的劳动，把有限生命分配给主动选择的体验。

• 他用工作制演变说明方向：农业社会需要随时待命，可能一周 7 天都要种地；工业革命后出现 weekend，福特又推动每周 40 小时、五天八小时；一些欧洲国家继续探索四天半。Meshy 每周三居家办公，也是在增加 flexibility，而非要求团队减少投入。

• 如果这一趋势延续，人会拥有更多休闲时间，并追求“在有限的生命当中体验到近乎无限的 experience”。胡渊鸣判断，AI for work 已经基本收敛，继续进入同类效率工具的机会有限；下一阶段值得争夺的是精神乐趣和体验供给。

• 翼装飞行等高风险体验对 founder 并不现实，但生成式 AI 可以帮助人体验“翼装飞行是什么感受”。AI for fun 的愿景不是单纯消磨空闲，而是让每个人有限的一生获得更丰富的体验、满足感与价值。

17. Taste 决定 AI 释放的时间通向作品，还是通向《WALL·E》

• 吴茗用《机器人总动员》提出警告：不用工作的人都躺在悬浮椅上，虽然舒适，却显得空虚而悲伤。胡渊鸣认为，答案在于高质量、有深度的内容，而不是最大化停留时长和付费冲动。

• 游戏可以是“让玩家成瘾的机器”，驱动不断氪金；也可以像任天堂的许多作品，“把你当成孩子去对待”，提供更纯粹的快乐。这两种内容都可能赚钱，但创造的价值与精神结果完全不同。

• 因而创作者最重要的判断之一是 taste。胡渊鸣相信存在一个 sweet spot：大众能够接受，创作者也能完成表达；宫崎骏、宫本茂、久石让、诺兰和卡梅隆代表的，正是商业规模与个人品味可以同时成立的可能。

• 他以庵野秀明的《新世纪福音战士》为例：TV 版后段因经费不足出现意识流表达，甚至用过长时间静止画面，最初反响也不算理想，但作品最终找到了受众。真正好的 AI for fun 应让人感到“被提升”，而非只是被麻醉。

18. 科学、艺术和乐趣构成了一条按十年计算的创作路线

• 演唱会、日出、日落和自然环境让两位对谈者谈到“在场体验”：即使内容可以远程复制，人仍需要进入一个场域，从日常世界抽离。胡渊鸣尤其被大自然创造的 vibe 吸引，也重新开始用相机训练自己的美感。

• 他把余生压缩成三个关键词：“科学和技术决定我们可以做什么，艺术和品味决定我们不做什么，然后乐趣和愿景给我们不断做下去的动力。”三者共同限定作品的能力边界、取舍标准与持续投入的原因。

• 30 岁的他不愿给艺术与商业结合设置短期 deadline。假设能活到 120 岁，剩下 90 年可以分成九份；他希望每十年拿出一部好作品，而且每一部都比上一部更好。

• 太极让他在科学上走得更远，Meshy 教会他商业如何运作，下一阶段希望补上艺术与美感。创业后长期闲置的相机因此重新启用：摄影既是个人兴趣，也是未来游戏业务所需要的 taste 训练。

19. 创始人的底层资产，是直面失败后仍有再试一次的强烈愿望

• 光鲜履历背后，胡渊鸣在 MIT 第一年曾因与导师的科研兴趣、理念不合而差点退学；创业约 18 个月时，太极商业化失败，第二个产品也没找到收入，再叠加家中老人去世，他一度认真考虑“把钱还给投资人算了”。

• YC 视频列举的错误几乎条条击中当时的公司：没有 PMF 时团队超过 20 人、提前招聘 recruiter、不去和用户交流。他甚至自嘲“楼下卖水果的阿姨好像都有 PMF，我自己读到 PhD 为什么就找不到 PMF”，但这段压力也迫使他学习市场天花板、竞争、增长、人才与赛道选择。

• 做第三个产品时，他已经不敢主动联系投资人，担心反复调整方向会被视为能力不足；电话那头却回答：“好啊，你试一试，我支持你。”那一刻“整个世界都变好了”，团队也陪他走到今天，不少成员已经任职四五年。

• 吴茗把做公司概括为 permanent crisis；胡渊鸣则说，自己逐渐相信“只要我在，公司就不会出问题，我都能顶住”。糟糕的事情没有减少，只是 founder 逐渐习惯了这种状态。

• 胡渊鸣每三到六个月仿佛开除一次旧的自己——不自信、不会借团队力量、讨好所有人、过度保守、只想省钱和杞人忧天的版本依次退场；当前版本选择与自己和解，也承认未来可能发现“和解太多也不行”。

• 吴茗对 founder 的最高权重是 motivation，而非天才履历：长期处于正反馈的好学生，遭遇创业负反馈后可能把错误归给环境；真正能走下去的人会想，“这个事情如果有人做成了，但不是我会遗憾”。胡渊鸣认同其中的矛盾——既要务实面对现实，又不能被现实禁锢；“悲观者往往正确，乐观者往往成功。”

• 创业最终给他的不是看不到坑的能力，而是“我掉下坑，我一定能爬起来”的信心。最差不过重新开始，而此前积累会让重建更快；因此胡渊鸣说，谈到 AI 游戏时，两人好像完全没有讨论过“不做”的选择，他愿意把余生持续投入，至少做出一家像任天堂那样成功的公司。