毋庸置疑，1997年的宋亚宸是AI应用领域非典型性创业者。在大模型创始人普遍拥有耀眼技术背景的当下，他文科出身，曾联合创立了MiniMax。

宋亚宸选择将创业方向押注在AI 3D大模型上，于2023年创立VAST。他坚信，AI 3D时代的大众级创作与设计工具，能够让每个人以几乎零门槛、零成本、即时完成3D创作。随着AI硬件与相关基础设施逐步成熟，信息终将回归其三维的本真形态，并由此孕育出一个“3D版的TikTok”。

据《福布斯》报道：截至2025年8月，VAST年经常性收入（ARR）已突破1200万美元，在拥有超650万专业用户（85%位于海外）的同时，全职员工总数不足百人。

12月29日，VAST的Tripo Studio 1.0上线。如果说Tripo大模型是“大脑”，负责生成，那么Studio就是“手”。它试图重构传统的3D制作管线，将以往需要专业团队耗时数周的建模、绑骨、贴图工序缩短至分钟级。

宋亚宸希望通过这款产品，让专业设计师从80%的机械劳作中解脱，去回归那20%的创意本身。

2025年底，《深网》在VAST北京办公室见到了宋亚宸。这位“非典型”创业者、“小敝兽”CEO，将向我们揭示，他如何规划那条通往“3D版TikTok”的现实路径。

以下是对谈整理，经节选与编辑：

3D：是“小众工具”，还是信息的“源文件”

深网：不少C端用户对“3D”还比较陌生，更不用说“AI 3D”。能否介绍一下VAST究竟在做什么？

宋亚宸：我们专注于AI 3D大模型的研发。它的核心是“多模态生成”，就像一个精通多国语言的翻译官。用户只需输入一段文字描述或上传一张图片，模型就能直接“翻译”出立体的、可交互的3D内容。这意味着，即使毫无建模经验，任何人都能通过一句话或一张图，构建出真实的三维模型。

深网：当初为什么选择AI 3D这个相对硬核的赛道，而不是更热门的大语言模型？

宋亚宸：因为我们看到了它被长期低估、但潜在规模远大于现有媒介的市场空间。传统的文学、电影，本质上都是以观看为核心的媒介，用户更多是旁观者，市场辨模也相对稳定。游戏是一个很好的参照。它同样是数字内容，但通过交互机制，让用户真正参与进来，已经支撑起一个约2600亿美元的全球市场。从这个意义上说，游戏可以被看作是目前最成熟、也最成功的一类3D可交互内容形态。当3D内容的生成和使用门槛被进一步降低后，它会从游戏这一单一场景，扩展到更多领域。所以我们判断，AI 3D可交互内容最终支撑起一个接近30000亿美元且仍在高速增长的市场。

深网：但对比抖音、小红书这类成熟的UGC平台，3D内容的体量似乎还很小？

宋亚宸：这正是我们的机会所在。历史证明，当一种内容载体出现“革命性”的创新工具，让大众都能参与创作时，其市场辨模将是原有精英市场的5到10倍。微博之于诗歌，抖音之于电影，都是如此。3D之所以小众，是因为一直缺乏让普通人也能上手的“超级工具”。我们的核心商业逻辑，就是打造这个工具，催生出一个万亿美金级别的、可交互的3D UGC内容平台。

深网：但3D内容需要用户主动交互，这比被动地“刷”短视频累得多。这种高交互成本，是否会限制它的用户规模？

宋亚宸：人类的需求是复杂立体的，绝非只有“懒惰”这一面。如果只追求省力，那最火的运动应该是下棋，而不是篮球、足球。关键在于，你提供的体验是否足够独特和吸引人。B站的弹幕、抖音的评论，都证明了人们愿意为高质量的互动体验付出精力。只要3D体验足够好，交互本身就会成为魅力，而非负担。

深网：除了商业潜力，从更根本的技术演进角度看，你如何定义3D这种媒介形式？

宋亚宸：我认为，3D才是信息的“源文件”，而文字、图片、视频都只是受技术所限的“压缩格式”。在人类文明出现前的几十亿年里，物理世界本身就是三维的。我们发明各种低维媒介，是因为过去的“传输带宽”不够。随着技术发展，信息载体必将“返璞归真”。如果未来真的存在AGI（通用人工智能），它理应基于最原始、最真实的3D“源文件”进行训练，而不是基于人类发明的压缩格式。因此，3D是通往终极通用的必经之路。

从“大脑”到“双手”：如何打造AI原生的3D工作流

深网：VAST先发布了3D大模型Tripo，现在又推出了工作台Tripo Studio 1.0。你如何规划“大脑”和“手”的关系？

宋亚宸：早期行业普遍是“模型即产品”，就像ChatGPT，给你一个对话框生成结果。但我们很快意识到，用户需要的不是一个孤立的3D文件，而是端到端的完整工作流。因此，我们“勇敢”地发布了Tripo Studio，试图重构3D内容的生产管线。最初的版本有成功的创新，也有不符合实际需求的功能。经过半年与用户的深度磨合，Tripo Studio1.0版本是我们交出的新答卷。

深网：Tripo Studio 1.0最大的升级是什么？

宋亚宸：主要在两方面。第一，交互体验的融合。我们思考了AI原生工作流该有的样子，既保留了专业用户熟悉的操作习惯，不让它变得“反人类”，又深度融合AI能力来降低门槛。第二，大幅降低上手曲线。我们不再假设用户都懂3D“黑话”，优化了引导，让新手也能边做边学，无需啃说明书。在此基础上，从输入到生成一个完整、可直接使用的3D模型的整体效率提升约300%，制作流程也因此变得更顺畅、更稳定。

深网：“大脑”Tripo模型本身有哪些进化？

宋亚宸：模型能力全面升级：几何模型（高模）到3.0版，细节更精细、表面更平整；贴图材质到3.0版，色彩更准确；为实时渲染优化的低模到2.0版，能快速生成高质量网格。这保证了从生成到使用的链条都更高效。

深网：你曾把AI 3D的发展比作手机摄像头的进化。按从360P到4K的标尺，你们现在处在什么阶段？

宋亚宸：这取决于用户群体。对于大众消费和3D打印爱好者，我们的生成质量已达到“惊艳”的领先水平。但对于航天器螺丝钉级别的工业精度要求，目前还远远不够。AI 3D作为大众创作工具的价值正在爆发，但走向全面工业化应用还有长路要走。

深网：AI 3D领域是否存在类似大语言模型的“幻觉”问题？

宋亚宸：这是两回事。3D生成是一个确定性极强的转换过程：输入一张红色物体的图，就必须输出红色的3D模型。如果输出绿色，那叫Bug，不叫幻觉。我们面对的挑战更多是“角落案例”，比如处理透明物体或复杂光影，这些是技术难题，而非模型“胡编乱造”。Tripo的产出是高度稳定和可控的。

深网：你曾将产品愿景对标AI编程助手Cursor。但3D创作流程比写代码更复杂，如何让它真正嵌入工作流？

宋亚宸：Cursor是方向。文字、视频领域能直接做“模型即产品”，是因为已有成熟的UGC平台来承载创作结果，立刻产生价值。但3D缺乏这样的“TikTok”。因此，我们必须先从工具切入，为专业和准专业人群提供一套像Cursor一样完整的工程化流程，让创作结果能在现有工作场景中产生价值。这是当前最务实的路径。

深网：目前产品更偏向专业人士，这与“让每个人都能创作”的愿景是否矛盾？

宋亚宸：不矛盾，这是分阶段实现的策略。Tripo Studio是为“专业效率”打造的复杂工具。同时，我们还有一款处于保密阶段、即将发布的产品，它专门面向“小白”用户，将以极其简单直观的方式，让普通人瞬间体验3D创作的乐趣。从专业到大众是逐渐泛化的过程。

成为“TikTok”：如何在巨头的视野盲区里成长

深网：这个领域大厂也已关注。你觉得你们的时间窗口长吗？

宋亚宸：时间窗口不是“藏”出来的，是靠持续创新跑出来的。当行业对3D大模型尚无认知时，我们凭“先相信”获得了技术领先。当巨头看懂模型并开始追赶时，我们已定义了Tripo Studio这套新工作流。等大家看懂Studio，我们已在布局面向大众的UGC产品了。生意场的领先，在于不断勇敢定义下一件别人还没完全看懂的事。

深网：如果大厂进入这个领域，你们的护城河是什么？

宋亚宸：这取决于“全力”的程度。如果真有大厂CEO明天告诉我，他放弃主营业务，砸两千亿All-in AI 3D，那我肯定洗洗睡了（笑）。但现实中，大厂的决策逻辑并非如此。你看泡泡玛特或米哈游，大厂有资源，但能轻易干掉它们吗？很难。很多时候，真正的机会存在于大多数人“看不见”或“看不上”的认知缝隙里。即便我告诉大家“3D版抖音”的愿景，许多人当下也不会相信。这就是我们的护城河。

深网：据说你们销售团队只有两人？为什么？

宋亚宸：我们的理念是，当技术和产品足够领先时，对销售的依赖会减弱。销售主要做两件事：让世界知道你；在产品同质化时靠关系取胜。目前，我们选择让产品力本身说话，对技术领先度有足够信心。这是营收增长的核心驱动力。

深网：国内市场潜力巨大，但你们的客户85%在海外。为什么？

宋亚宸：国内3D产业（游戏、动画、电商等）非常蓬勃，但核心问题是，企业对SaaS软件的付费意愿和习惯仍在培养中。这是许多科技企业选择出海的核心原因之一。不过，对于C端大众市场，情况反而乐观。只要产品能激发创作热情，这个市场的潜力是巨大的。

深网：你提到过“3D版TikTok”的愿景，这听起来是一个非常宏大的未来，你预判它什么时候会到来？

宋亚宸：“3D版TikTok”只是一个更好理解的说法，本质上它是一个承载海量可交互3D内容的平台。当每个人都能通过手机和AI工具低门槛地参与创作时，这种平台一定会诞生。至于具体时间，我觉得会比大家想象中快不少。虽然很难准确预判是5年还是10年，但一旦技术和认知的临界点到了，它的爆发速度会非常惊人。