声明:本文来自于微信公众号 游戏葡萄，作者:大田&青晖，授权站长之家转载发布。
过去一年多，游戏行业对AI的态度渐渐回归理性。最初大家惊叹于各种大模型的生成效果，现在大家往往更关心现实问题:能嵌入开发管线吗?工作流是什么样?成本和效果又如何?
Meshy AI创始人兼CEO胡渊鸣在今年GDC上用一组对比强烈的数据作为开场，向大家展示了3D生成工具Meshy（meshy.ai）的生产力:
“Meshy拥有超过1000万注册用户，三年内用AI生成了超过1亿个3D模型;相比之下，在整个人类历史上，人类手工创建的3D模型总量也就大概1.5亿个。”
这组数据背后是3D生成工具在商业化落地上的实质性进展。胡渊鸣透露，Meshy目前ARR（Annual Recurring Revenue，年度经常性收入）已经接近4000万美元，折合人民币2.8亿元以上，在海外3D生成市场占据最大的份额，超出了“第二名、第三名、第四名加第五名的总和”。
在1小时演讲中，Meshy团队及其客户分享了一些将3D生成工具用在游戏开发中的案例。将Meshy接入工作流后，前期概念网格、低模模型或UGC平台的角色定制等工作，需要的时间从几天压缩到了几小时，甚至几分钟。
以三七互娱为例，他们的一部分项目团队把原画导入Meshy生成初始模型，随后再交由美术进行精修打磨，提升了50%效率，节省了30%到40%的时间。
不过，Meshy不准备只停留在提供开发工具上，他们今后还想成为一家AI原生游戏公司。胡渊鸣介绍了自己对“AI原生游戏”的定义，并发布了新作《代号:黑箱》的Demo。这是一款幸存者like游戏，能让玩家用自然语言生成武器。
演讲结束后，胡渊鸣也和葡萄君聊了聊团队的商业历程、技术路线以及长远发展规划。在他的设想里，Meshy会在3D生成业务的基础上，研发大DAU的AI原生游戏，最终通过生成式AI解决“AI让人类不用工作以后，人类每天干啥” 的问题。
但不同于那种AI能够取代开发者或者直接生成游戏的论调，胡渊鸣在技术路线上更克制，强调把AI和传统工作流相融合:AI生成工具要一部分一部分地融入开发管线，AI生成的玩法要和传统游戏开发混合起来。和他们仔细聊过之后，我觉得这种克制和分寸，可能才是Meshy能跑通商业化的真正原因。
01
找到细分场景，
切入工作流
去年10月，葡萄君曾介绍过Meshy，当时的直观感受是，AI生成的质量有了长足进步，终于能成为生产力工具了;而这次GDC上Meshy的分享让我对AI生成如何融入游戏开发有了更清晰的认知。
总的来说，Meshy并没有那种用AI颠覆一切的宏大叙事，其融入管线的过程也是一个个环节跑下来的。
比如你可能想不到，2023年刚推出的Meshy，其第一批核心用户是恐怖游戏开发者。
图源胡渊鸣
胡渊鸣认为原因有两点:首先，Meshy0是当时市场上第一个能生成贴图、可公开访问的产品，“市场上没有别的选择”;其次，虽然Meshy0存在“模型有四张脸”之类的瑕疵，但这恰好符合恐怖游戏吓人的需求。
后来在2024年的文章《AI生成3D模型发展到哪了?》中，胡渊鸣总结出了一条经验:产品总是能找到细分场景。3D资产在实际应用中的质量要求参差不齐，就算模型的生成质量不高，也可以在要求不高的细分场景做落地，落地之后再求提升。
所以后来的几代Meshy，除了模型质量的提升，在更新的时候都有针对工作流去做优化。
比如早期的Meshy1主打生成速度，把原本耗时数小时的流程压缩到可用的一分钟内;Meshy2内置了网格处理功能，支持多边形数控制和四边形网格转换。虽然这时候的精细度还达不到生产标准，但它切入了前期的概念验证环节，开发者可以把原画放进Meshy生成初版网格，或者把生成模型作为关卡的白盒替代品，缩短项目初期的试错与反馈周期。
这次GDC上Meshy的客户Technical Art Games（TransPerfect旗下的游戏外包公司）也提到了这方面的应用:以前做个角色测试需要两到三天，但有了Meshy，他们把原画放进Meshy，可以当天拿第一版网格给客户，迅速拿到反馈;在内部，他们的美术人员有时也会用Meshy生成模型放进MetaHuman里作为基础底模，加快概念验证。
而后的Meshy3引入了智能修复，能够局部控制纹理特征;Meshy4把建模和贴图两个阶段拆开，开发者可以先筛选出干净的硬表面白模，再生成纹理;Meshy5引入了PBR材质和实时纹理编辑功能，加强的可控性让Meshy更加适配工作流。
今年发布的Meshy6里，Meshy延续了这种一步步嵌入工作流的思路。比如低模模式让资产在较少面数下保持较高质量，可以直接导入Blender或者Maya;API可以一条龙实现3D生成、贴图生成以及骨骼绑定。
从这次GDC上的分享也能看出来，Meshy确实在工作流中渐渐接管了许多环节:Stratton Studio（playful.ai旗下的游戏开发工作室）从概念设定、白模、高模雕刻生成，一直到UV展开和重新拓扑都用上了Meshy。Stratton Studio 总经理Josh说，低模模式和变体网格让小道具、石头花草之类的有机资产，基本上“不用重新拓扑，质量通常都过得去”。
当然，Meshy融入游戏研发管线的过程也不是一帆风顺的，比如在Technical Art Games内部，美术人员一开始对此有所抵触。不过Meshy提升开发效率的效果是实打实的:
Stratton Studio可以在两小时内完成一个原本要花三天的普通资产，减少约80%的场景布景时间，同时还能增加5%的资产变体。UGC平台Jars AI把Meshy接到后台，能几分钟生成原来要花几个小时帮用户做的3D角色模型，过去几个月，他们用Meshy生成了超过5万个角色模型，“如果从零开始手工制作，那绝对是个不可能完成的任务”。
所以在流程跑通之后，大家都能意识到，这种和传统流程结合的AI工作流，其实反而是一种对创作的解放，给了开发者更多灵活性和底气。
Josh提到，他们团队里有想法的初级美术人员可以直接把模型生成出来，放进引擎里，然后让上级直接拍板行或不行;做关卡的试错成本降低，也让开发者缓解了压力，能够进行更多实验;在一些小型项目里也能在一两周的时间内把玩家的想法做到游戏里。
说到这里，你应该能理解Meshy的“克制”意味着什么了。他们从最细分的落地场景开始，一步步渗入工作流，没有迈大步子。
尽管一开始有些阻力，但开发者们尝试过效果后，逐渐也接受了Meshy的融入，就像Technical Art Games说的，Meshy“并没有取代他们的工作，只是他们工具箱里多出来的一件工具而已”。
02
从技术大牛变成CEO
看到目前Meshy的商业化成绩，你可能会觉得他们走得很顺，但其实胡渊鸣也不是一开始就有这么清楚的路线。进一步了解他的创业史后，我发现Meshy这种克制的策略来源于市场的毒打，以及胡渊鸣从技术思维到商业思维的转变。
在开发Meshy之前，胡渊鸣已经是计算机图形学领域声名远扬的大牛了，不过他最初的两款产品在商业化上并不成功。
看履历，大部分人会说胡渊鸣是个技术天才。他高中拿下全国青少年信息学奥赛金牌保送清华，姚班毕业后前往MIT计算机科学与人工智能实验室攻读博士，博一期间在顶会上发表了6篇论文，只用了三年半就拿到了博士学位，还获得了杰出博士论文提名。
太极语言是胡渊鸣在读博期间创作的开源编程语言，2020年他用这个语言写了99行代码，实现了原本需要复杂的工业流程才能达到的计算机图形效果，他写的《99行代码的冰雪奇缘》也广为流传。从MIT毕业后，胡渊鸣用太极语言创办了太极图形，拿到了几千万美元的投资。
太极编程语言官网，项目有近3万星标
然而尽管太极语言在技术圈内广受好评，太极图形的商业化却并不顺利。胡渊鸣告诉我，他们的团队始终没找到高效的商业化路径，如果硬着头皮继续往下做，“大概率只能沦为做低毛利的外包业务”。
胡渊鸣尝试在太极图形的基础上做一款订阅制云渲染软件，结果是再次遭受市场毒打:项目要和二三十年的老牌本地软件竞争，还要面对不断飙升的GPU成本、全球用户的访问延迟等问题。最终，由于用户和商业化增长双双乏力，这个云渲染项目在2024年关停。
连续两款产品碰壁，让胡渊鸣切实体会到了商业化不易。他告诉我，在云渲染项目迟迟跑不通的时候，他一度想过“把钱退给投资人”。
但也正是因为这些经历，胡渊鸣明白了“CEO不仅要懂技术，也要懂产品、市场、团队管理、融资，什么都得知道”，Meshy也在这种思维转变中诞生。
他的判断体现了这种思维的转变:通过前两款产品，他发现物理仿真这个赛道相对停滞，而当大盘没有增量时，哪怕提供的工具再精妙，用户的采纳度也始终很难提上来。
相比之下，正处于爆发期的AI领域显然更有机会。胡渊鸣在推渲染器的时候，有个客户告诉他们:“我不会为你这个渲染器付钱，但是你把你里面的资产库卖给我，我会为这个付钱。”
胡渊鸣意识到，既然用户愿意为模型资产付费，那用AI以极低成本生成3D模型的商业模式就能够跑通，于是Meshy也由此诞生。沿着这个思路，Meshy把易用性当作“永远追求的事情”，力求变成开发者马上能上手的工具。
后来的故事大家都知道了:这种转变不仅帮胡渊鸣走出了险些退钱的低谷，也让Meshy在巨头林立的AI市场中找到了合适的生态位。
胡渊鸣说，3D生成市场体量目前还不算庞大，对于巨头而言，ROI未必高到值得他们倾注全力去竞争，这恰好为创业公司留下了发育窗口。“甚至海外一些巨头公司自己做过之后放弃了，最后反而变成了Meshy的客户。”
Meshy最近一个月活跃用户数已经接近500万
认清自己的位置，吃透一个垂直场景，事实证明这种被市场毒打出来的策略确实奏效，胡渊鸣说，Meshy做到了ARR每月增长20%到30%，最近3个月甚至涨了1.5倍。
不过在胡渊鸣的商业规划里，做出一款赚钱的生成工具，也只是个开头而已。
03
AI应该让游戏更好玩
Meshy最近在生成工具领域之外，还有一个比较引人注目的动作，那就是发布了《黑箱》的Demo，并试着在“AI原生游戏”赛道拿出验证性的产品。胡渊鸣在这个赛道也没有那种“AI一键生成完整游戏”的想法，而是选择了更克制的混合模型路线。
所谓混合模型路线，是指AI和传统游戏工程结合。
胡渊鸣觉得，依靠纯AI生成模型来做游戏虽然惊艳，但算力消耗巨大，而且转个视角世界就变了，玩起来延迟也比较高，反倒是传统游戏里根本不会有这方面的问题。
所以他不太相信纯靠生成一段视频，就能把现在的“3D资产+实时渲染+游戏引擎”这套开发体系完全颠覆掉。
拿《黑箱》来说吧，它的混合模式，是在底层开发上采用Unity引擎，像素美术、视觉特效、数值设计以及奖励和挑战设计也都遵循传统游戏开发流程，AI只负责玩法部分。
当然，把AI做到玩法里也是有讲究的。胡渊鸣的观点是，在AI原生游戏中，AI必须是核心玩法不可或缺的一部分，而不是拿着锤子找钉子。
而且它得切实让游戏变得更好玩，“如果用AI反而变得更无聊了，那这个游戏为什么还要存在?”
在胡渊鸣看来，AI能让游戏变得更好玩，是因为它解决了传统游戏开发里的“不可能三角”。
这个“不可能三角”指的是，传统游戏受限于人工编写的底层规则，往往很难同时做到表达力强、直观且易上手。
他举了几个不可兼得的例子。比如《Noita》里的魔杖机制表达力强，玩家可以把丰富的buff放进魔杖里，按顺序组合出不同的魔法效果，比如在“三发”后面放上“火球术”，魔杖就能放出三发火球。但是想要实现这种极强的自由玩法，需要玩家掌握复杂似编程的法术组合原理，这导致学习门槛高得令人发指，一个博士都得看10个小时教程才能学会。
《Noita》的法术组合被戏称为“法术编程”，图源Steam@Tanimodori
但是像《暗黑破坏神2》这样直观易上手的游戏，玩家的自由度又被框死在了系统预设的规则之内。
大模型的出现打破了这个不可能三角。“AI模型几乎可以接受任何输入，并且能泛化到很多场景……它也更直观，你能得到你想要的结果……也更容易上手，直接用自然语言跟它交互就行了。”
在《黑箱》中，Meshy训练了一个生成式基础模型，可以将文字描述映射到武器的运作方式上。
更直观地说，就是玩家告诉游戏自己要什么样的武器，游戏就会生成什么样的武器。比如你说“生成一个激光无人机”，AI模型会把资产库里的“激光发射器”和“无人机”结合成激光无人机。
在这份生成功能的基础上，《黑箱》在玩法上类似《吸血鬼幸存者》《土豆兄弟》，玩家在2D俯视地图上与敌人战斗，武器会自动攻击，游戏的核心体验在于武器的构筑。
胡渊鸣还有很多畅想，比如让AI生成更多元素:敌人、关卡、视觉设计，甚至音效……“最终目标是让AI成为实时的游戏设计师。”
但目前他的计划相对克制:他想做一家游戏公司，但不想一上来就做大体量的游戏，而是仅把《黑箱》作为一个原型，试着让“生成式的游戏玩法”（Generative Gameplay）这个模式跑通。至于商业上，他觉得能回本就挺好了。“我们肯定不会想一步登天。”
04
结语
被我问到终极愿景的时候，胡渊鸣觉得AI让人们从工作中解放出来只是时间问题，他希望Meshy能直接去解决那个时候的人的需求。
做《黑箱》也是因为他认为，人类永远需要获得快乐的体验，未来最受欢迎的快乐体验生成工具一定是AI原生游戏。
虽然这些愿景确实听起来很宏大，不过胡渊鸣认为，持续、可量化的交付才是验证宏大叙事的关键，所以目前Meshy的动作都还比较落地。
在他看来，随着开发效率的提高，用户对游戏质量也会有更高的要求。Meshy现在关注的是如何提高融入了AI的管线的上限，如何让作品更加可控，而后更加生动、更有创意。
比如在AI生成业务这一块，Meshy正在研发“Meshy Flow”，它能让Meshy融入管线的过程标准化，一个团队可以在生成时反复获得一致的结果，“哪怕是批量处理成百上千个资产”。
聊到最后，葡萄君感觉无论是内容生成，还是玩法生成，AI在游戏行业总的来说是在回归落地。
像胡渊鸣说的，不指望一步登天。作为服务商，他们能向市场需求看齐，踏踏实实地提供增量，去做现有管线里的一件趁手工具;作为开发商，他们又能在开发游戏的时候用传统引擎兜底，让AI去实现新的玩法，给玩家带来乐趣。
面对AI，游戏行业不免有焦虑和泡沫，比如它会不会颠覆管线、取代美术，甚至一键生成游戏?但从Meshy的发展来看，目前能把业务跑通、做大的，可能还是最克制、最接地气的那一拨产品。
