“我其實天生就是一個適合創(chuàng)業(yè)的人?！?br/>

文丨祝穎麗

編輯丨宋瑋

王詩沐最鮮明的標簽曾是網(wǎng)易云音樂創(chuàng)始人。之后，他的職業(yè)軌跡就顯得有些 “迷失”：在騰訊的幾年里，他主導(dǎo)過 NFT、社交電商等創(chuàng)新項目，執(zhí)掌過騰訊新聞，但都因為業(yè)務(wù)關(guān)停、縮小或戰(zhàn)略調(diào)整而顯得沉寂。

2022 年，王詩沐離開騰訊，一度 “消失” 于公眾視野。但對王詩沐自己來說，過去一段時間事情一直在沿著他的路線圖往前走。

他是對內(nèi)容形態(tài)很敏感的人，早在快手和抖音崛起前，他就看到了短視頻作為新范式的價值；同時也看到了視頻這種媒介的缺陷：它是單向的、被動的、讓人沉迷的。在他看來，視頻之后的下一代內(nèi)容形態(tài)，應(yīng)該是 3D——一種具備極強互動性和動態(tài)反饋的介質(zhì)。

早在騰訊時，他就開始接觸 3D 內(nèi)容。當時他負責的創(chuàng)新事業(yè)部，定下了三個核心點：AI、3D 和區(qū)塊鏈。在他看來，這分別代表了新的生產(chǎn)力、新的介質(zhì)和新的生產(chǎn)方式。

AI 加上 3D，也最終成為了他現(xiàn)在的事業(yè)。2022 年底，王詩沐創(chuàng)立了全靈（Seele）。他從零開始訓(xùn)練 3D 游戲大模型，直到今年最終完成。接下來，他們還將發(fā)布一個 4D “世界模型”，讓游戲從 “渲染” 走向 “實時生成”、以及一個統(tǒng)一 3D 理解、生成與編輯的大模型。

如今，搭載他們自研模型的網(wǎng)頁產(chǎn)品 Seele 已能實現(xiàn)分鐘級生成游戲：一個簡單的跳一跳或俄羅斯方塊，幾分鐘搞定；復(fù)雜的 3D 場景和玩法，幾個小時內(nèi)就能成型。目前，Seele 積累了超過 100 萬用戶，生成游戲數(shù)量超過 3 萬個。

回看過去，王詩沐遺憾自己 “出來晚了”，這種目標純粹的創(chuàng)造狀態(tài)令他沉迷：“我早就該創(chuàng)業(yè)了，我現(xiàn)在非?？鞓?。”

煉出一個 3D 游戲模型

游戲早就證明了 3D 的吸引力：強互動、高沉浸、參與感極強，但 3D 內(nèi)容過去沒有長出 “平臺”，是因為制作門檻太高了。

過去二十年，3D 幾乎等同于 PGC（Professionally Generated Content 專業(yè)生產(chǎn)內(nèi)容）。一個像樣的 3D 游戲，動輒上億成本、百人團隊。UGC （User Generated Content 用戶生產(chǎn)內(nèi)容）在這個世界里幾乎沒有生存空間。

王詩沐一直在思考，能不能把 3D 內(nèi)容的生產(chǎn)門檻降低。2022 年底他離職創(chuàng)業(yè)，在大語言模型尚產(chǎn)品尚未面世前，就已經(jīng)開始研究 “如何讓 3D 內(nèi)容規(guī)模化生產(chǎn)”。

那時能用的技術(shù)非常原始：GAN（對抗生成網(wǎng)絡(luò)）、強化學(xué)習(xí)。做得很慢，也很重，且生成的模型 “泛化性” 極差——比如做完一個歐洲人模型，要切換到亞洲人或動物，幾乎得重頭再來。

很快，大語言模型的爆發(fā)徹底改變了規(guī)則。用基于 Transformer 的自回歸模型（時間序列的統(tǒng)計方法）來做 3D 模型的訓(xùn)練，能將生產(chǎn)效率提高 100 倍不止。

然而，訓(xùn)練這套 3D 游戲大模型面臨一個 “冷啟動” 障礙：數(shù)據(jù)。

互聯(lián)網(wǎng)上遍地是文本和代碼，但高質(zhì)量的 3D 游戲數(shù)據(jù)，包括 3D 模型、動畫序列、腳本代碼，極其稀缺，且分散在藝術(shù)家手中。為了解決這個問題，全靈團隊采取了一個巧妙的產(chǎn)品策略：他先做了一個名為 koko 的應(yīng)用。

koko 是一個 3D 虛擬人工具，用戶可以上傳 3D 模型，生成一個可以對話、跳舞的 Avatar（化身）。當時 Chatbot 類型的應(yīng)用 正在大火，團隊利用這個時機，迅速就吸引了三千多位擁有高質(zhì)量 3D 數(shù)據(jù)的創(chuàng)作者，并以此積累了最原始的 3D 數(shù)據(jù)。

但拿到數(shù)據(jù)只是第一步，真正的難題在于如何處理。在 3D 領(lǐng)域，數(shù)據(jù)的復(fù)雜程度遠超文本和圖片。一個 3D 模型不僅包含幾何結(jié)構(gòu)，還包含材質(zhì)、骨骼動畫、物理屬性以及它在空間中的交互邏輯。

為此，公司內(nèi)部甚至專門建立了一個近百人的數(shù)據(jù)團隊，“你很難想象，一家創(chuàng)業(yè)公司會有一個上百人的數(shù)據(jù)團隊（含外包和實習(xí)生）。”

通過 koko 積累的數(shù)據(jù)，團隊高精度的標注與清洗，Seele 最終在 2023 年底開始了正式訓(xùn)練，經(jīng)過一年多的迭代，2025 年 5 月，Seele 游戲大模型第一代誕生了，基于此的產(chǎn)品 “Seeles.ai” 也正式上線。

自此，用戶只需要輸入一段文字，通過與 AI 自然語言交互就能得到一個可運行的游戲。

目前這個模型能力還在初期，王詩沐將之定義為 “L1 階段”，智能水平還只能生成簡單的預(yù)覽版游戲。他預(yù)計，大約到 2026 年上半年，其能力上限就可以做出類《動物森友會》級別的復(fù)雜游戲；到 2029 年，能做出 《頭號玩家》級別的全沉浸式世界。

技術(shù)驅(qū)動的產(chǎn)品

對于王詩沐來說，做 Seele 與當年做網(wǎng)易云音樂有本質(zhì)區(qū)別。

網(wǎng)易云靠的是市場敏銳度、是對用戶的洞察；而 Seele 的底色是技術(shù)。對技術(shù)理解的深度，不僅會直接影響產(chǎn)品的鍛造，還會影響運營以及商業(yè)化等方方面面。

不同于行業(yè)目前普遍采用的 “AI+工具鏈” 模式——利用模型能力輔助現(xiàn)有工作流進行提效，Seele 相信未來模型的能力足以支撐起商業(yè)級游戲的完整生成。因此，他們不想止步于單點工具的開發(fā)，而是自研底層模型，試圖讓用戶僅通過多輪對話造出完整的游戲，實現(xiàn)從靈感到完整游戲的 “端到端” 創(chuàng)造。

另一個認知是，他們看到，當自回歸大模型訓(xùn)練出來后，只要持續(xù)迭代下去，未來的邊際成本會越來越低。

目前 AI 行業(yè)普遍面臨一個困境：成本無法收斂。一千個用戶生成一千張圖或一段視頻，每一幀都是新的推理消耗。

但 Seele 的游戲模型邏輯不同，“游戲是解耦的，一個用戶跑步的視頻，你沒辦法把里面的人背景，跑步的動作都分離出來，但是游戲是可以的，因為游戲本質(zhì)上是分離的數(shù)據(jù)?！?/p>

王詩沐解釋，他們的用戶如果生成相似的射擊游戲，里面的建筑、槍械、地圖的是多模態(tài)對齊的資產(chǎn)；而當另一個用戶要做跑酷游戲時，相似風(fēng)格的建筑資產(chǎn)也是可以復(fù)用的。這種資產(chǎn)復(fù)用帶來的 “成本收斂”，讓 Seele 生成一個復(fù)雜游戲的邊際成本降到了幾美金。

目前，Seele 主要還主要以會員訂閱來收費，但在未來，隨著創(chuàng)造一款游戲的成本降到更低，團隊不希望不再從用戶手上收使用產(chǎn)品的錢，而是通過廣告分成來實現(xiàn)商業(yè)化。

比如，平臺通過會算法篩選優(yōu)質(zhì)游戲、再進行分發(fā)，而創(chuàng)作者就可以通過在游戲中植入廣告獲得收入分成。

“天生適合創(chuàng)業(yè)的人”

雖然在大公司做到高管，但王詩沐更愿意定義自己為一個 “天生適合創(chuàng)業(yè)的人”。他享受創(chuàng)業(yè)帶來的專注感和目標感，甚至?xí)榱?‘身體力行’ 搞明白開公司是怎么回事，而親自去跑工商注冊。

全靈目前保持著精簡的團隊規(guī)模，正式員工僅 40 余人。未來，他們希望最上限也不要超過 1000 人。他們公司沒有專門的 HR，王詩沐親自負責最后一輪面試，決定新員工能否錄用。

為了適應(yīng)大模型的飛速發(fā)展，全靈大約每個季度進行一次組織架構(gòu)調(diào)整。 例如，在 2024 年，當技術(shù)實驗證明 “自回歸” 路徑優(yōu)于 “擴散” 路徑后，團隊迅速取消了按模態(tài)（3D、圖像、文本、語音）劃分的方式，轉(zhuǎn)而進行整體合并。

隨著 L1 階段的游戲趨于成熟，公司準備再次調(diào)整團隊的資源分配。他們目前 70% 的人力資源在模型側(cè)；下一步，他希望加大游戲的發(fā)行和商業(yè)化的力度，預(yù)計未來組織資源分配在模型和產(chǎn)品商業(yè)化上將達到 1:1 。

王詩沐認為傳統(tǒng)的 “誠信”、“正直” 等正面價值觀是人類基本道德，無需贅述；在 Seele，他們通過規(guī)定 “紅線” 來約束組織：不要官僚主義、不要貪污腐敗 。

在 AI 創(chuàng)業(yè)公司普遍爭奪最聰明的人時，王詩沐對人才的思路也顯得特別。

他認為，勤奮的作用比聰明更重要；為了理解圖形學(xué)底層邏輯，他們核心團隊曾全員利用工作之外的時間，在一個月內(nèi)都看完了幾十個小時的專業(yè)視頻課程（Games 101），這讓他們整個團隊都拉齊了對 AI 技術(shù)的理解。

他也不迷信頂級名?；蚨嗄曩Y歷，而是傾向于相信年輕人的學(xué)習(xí)能力 。全靈公司里，現(xiàn)在就有 2024 年畢業(yè)的非名校本科生直接參與大模型訓(xùn)練，并已能獨當一面。

十幾年前，剛做出網(wǎng)易云時，王詩沐說自己有一種 “春風(fēng)得意” 的感覺，感受的是大江大河、時代洶涌的推背感；再次置身 AI 的浪潮里，他覺得自己已經(jīng)淡定得多。他偶爾焦慮，但從不痛苦，因為創(chuàng)業(yè)帶給他的專注、自由以及掌控的 “快樂” 已經(jīng)足夠多。

為呈現(xiàn)創(chuàng)業(yè)者的個人特點和保留思考的完整度，以下為部分對王詩沐的采訪問答，與正文互為補充：

晚點：你創(chuàng)業(yè)，選擇的為什么是 3D 游戲這個切口？

王詩沐：我看好 3D，也不只是說它的商業(yè)價值大。顯然，是我覺得 “互動” 對人類的價值是很高的。人本質(zhì)上是個社交型的群居的動物，你一個東西的互動性很強，并且能打破時空限制的話，是可以大大增強人類的交互性的。

晚點：有必要自己做一個模型出來嗎？為什么你們有能力做，怎么做？

王詩沐：如果能夠廣泛降低生產(chǎn)成本的話，那 3D 交互會成為人們互相交流的新的想象空間。所以，怎么樣去能夠把這個互動成本趨近于 0，這是我們首要去考慮的問題。

以前人們互相發(fā)短信是一毛錢，后來發(fā)微信，你有個包月流量，這個邊際成本趨近于零了。那從終局來思考的話，要達成的是技術(shù)范式的轉(zhuǎn)變，意味著我們要選擇一個邊際成本持續(xù)往下降的技術(shù)路線。

我本科本來也是學(xué)這個計算機圖形方向的，我原來在浙大的 CAD 實驗室。

第一個就是我們自己學(xué)，我去讀了大量的論文，然后看了大量的視頻，自己一步步地去搞明白，要實現(xiàn)這個大模型到底需要什么東西，有哪些模塊。

也去找對應(yīng)的，能做出這樣技術(shù)路線的人才，能力圖譜就是理解大模型結(jié)合游戲，但對游戲的理解，不需要特別深，尤其忌諱太深。

因為如果你是一個游戲行業(yè)非常資深的人，會覺得我們這個做法有點太搞笑或者是太小兒科，一開始是絕對出不來高質(zhì)量的東西的。

晚點：從產(chǎn)品經(jīng)理到自己做模型，是個轉(zhuǎn)型嗎？

王詩沐：我對自己的定義不是一個產(chǎn)品經(jīng)理，我不喜歡給人打標簽，也不給自己打標簽。我覺得做產(chǎn)品是一項綜合能力，包括原來我在網(wǎng)易云音樂的時候，我很早就開始搞算法。

網(wǎng)易音樂一開始的那個私人 FM 的算法，我還自己寫，還去看過 meta 所謂的信息流推薦，我覺得一個好的產(chǎn)品經(jīng)理要有很綜合的能力，不只是說我調(diào)研一下用戶需求、市場需求，寫一下 PRD，到后面他需要有很好的架構(gòu)能力，商業(yè)思想，還有技術(shù)理解能力。

你的綜合能力越強，你才能操這個盤，所以我肯定是很勤奮努力的。

晚點：你們想用 AI 降低生產(chǎn) 3D 游戲的門檻，但有那么多用戶有創(chuàng)造游戲的需求嗎？而且它似乎比做一個視頻對能力要求更高？

王詩沐：游戲門檻是不是會更高？不會。電子游戲是經(jīng)過專業(yè)人士是去制作的，它的制作、程度非常復(fù)雜，因此你會覺得這個游戲我肯定做不出來。但你對一個小孩說跳房子，他只要看別人跳過一遍，馬上會跳。打彈珠也是。

游戲互動是人類的天性，仔細想想看，從我們小時候出生開始，什么東西不用教，你只要是個人你就能學(xué)會的？

嬰兒從小就會摸，會玩，會跟周圍環(huán)境互動，互動是人類的天性。

晚點：但 “互動” 是游戲嗎？

王詩沐：其實游戲是非常寬泛的。為什么最早的時候把它定義成 “第七藝術(shù)”，現(xiàn)在可能大家不怎么提了，反而越來越往 3A 游戲這個方向去靠？這個是個資本化的結(jié)果，我不否認。

但是一旦游戲的生產(chǎn)門檻降低，你時空打破了，自然會有更好玩的內(nèi)容，會有大量的個性化的內(nèi)容涌現(xiàn)出來。

晚點：你們現(xiàn)在游戲大模型能力下，上限能做到什么？

王詩沐：坦白講，我們目前整個游戲大模型的技術(shù)還在起步偏起步階段?，F(xiàn)在平臺上，超越我們認知的，一個是有用戶做出來一個挺好玩的第一人稱射擊游戲；一個開放世界游戲。

晚點：你現(xiàn)在怎么回想在網(wǎng)易的經(jīng)歷？

王詩沐：我自己其實比較少去想。那個時候確實很年輕，我是 86 年的人，網(wǎng)易云上線的時候，我 26 歲，三個創(chuàng)始人之一，確實是有一種春風(fēng)得意的感覺。

到了 2016 年，我 30 歲的時候，整個網(wǎng)易云也做起來了，后面的整個增長勢能也是挺好的。我也沒有覺得榮耀或者是什么，可能比較喜歡沉浸在做產(chǎn)品的感受中。

那個時候做網(wǎng)易云，我覺得很強的感受是大江大河、整個時代潮流在洶涌；現(xiàn)在，我仍然處于時代洪流之中，但是我淡定很多，我能夠很清晰感受到這個潮水的浮浮沉沉，但整個人會看得更加清楚，心智會更加堅定。

晚點：你在騰訊獲得了什么？

王詩沐：有更多創(chuàng)新的機會。我在騰訊是開始從零去做孵化器，要從戰(zhàn)略層面思考，比如為什么選 3D，當時找了幾個關(guān)鍵點，我是逐層一點一點去摸索，從零開始。

在網(wǎng)易云音樂，我雖然是早期的員工，但是網(wǎng)易做音樂這件事情并不是我決策的，這個是丁老板決策的，我是個執(zhí)行者，但是到了騰訊，我要去想做什么？應(yīng)該怎么做？還有沒有機會和價值？

這個過程中就會更進一步，中間也會有很多的困難和挫折，然后再復(fù)盤。

晚點：在騰訊的幾個產(chǎn)品（小鵝拼拼、幻核）都關(guān)了，你覺得算是失敗嗎？

王詩沐：如果純粹從產(chǎn)品角度上來講，那當然是失敗了，對吧？因為最終下線了。

但我能夠辯證地看。因為騰訊是一家很大的公司，他的戰(zhàn)略決策不是以產(chǎn)品為單元的。比如說，騰訊需不需要需要電商，我覺得是需要的，但騰訊需不需要小鵝拼拼我覺得要打個問號。所以我會拆分來看。

包括像幻核也是，我們當時做了半年的時間，營收很可觀，其實對于創(chuàng)業(yè)公司來講不得了，但對騰訊這種體量的公司來說，新業(yè)務(wù)場景還在早期探索階段、合規(guī)邊界尚在確立中，所以他要有一個調(diào)整，我也可以理解。

晚點：從大公司做管理，到自己創(chuàng)業(yè)，你發(fā)生了什么變化？

王詩沐：我從來不覺得自己是大公司里 “典型” 的人，我其實天生就是一個適合創(chuàng)業(yè)的人。我只是陰差陽錯。因為我在內(nèi)陸環(huán)境生長起來的，年輕的時候膽子沒那么大，眼界沒那么開。

我二十來歲的時候，樹立的理想是做個產(chǎn)品總監(jiān)，年薪 10 萬。這個是真事兒，我跟我爸媽都講過。

我后面到了 30 歲左右，才開始更加了解自己，我真正人生想追求的并不是金錢，或者是純粹的地位，我就是喜歡創(chuàng)新、創(chuàng)造，所以我就應(yīng)該創(chuàng)業(yè)。

22 年下半年出來創(chuàng)業(yè)的時候，我第一個感受是我創(chuàng)業(yè)晚了。我早就該創(chuàng)業(yè)，16 年就應(yīng)該創(chuàng)業(yè)。

我現(xiàn)在非常快樂，我快樂不是指自己多成功，而是指我整個人的生活狀態(tài)，我很享受。我并不覺得這些困難、苦惱讓我難受。我記得我沒創(chuàng)業(yè)之前，看到一些文章，有很多人焦慮什么的，我也會焦慮，但是我從來不痛苦。

晚點：你覺得自己是是個什么樣的創(chuàng)始人？

王詩沐：親力親為。我們公司現(xiàn)在沒有 HR，HR 就是我，然后有一個財務(wù)同學(xué)是今年才入職。

最開始那個公司的工商注冊，包括融資都是我自己去跑的，就是給公司省錢。當然不是說我摳門到幾百塊錢都不愿意出，而是我不覺得這個東西是浪費我的時間、浪費我的精力。

我反而身體力行，覺得得搞明白公司工商實際上它是個什么東西。我覺得這個應(yīng)該去做，我們公司現(xiàn)在大概 50% 的員工都是我過往十多年老同事，阿里的、網(wǎng)易的、騰訊的大家互相都有所了解。

題圖來源：Seele 創(chuàng)始人王詩沐