Tripo CEO谈用AI“增强”创作者而非“取代他们”

AI 正以多种方式进入游戏行业，其中发展最活跃的方向之一就是资产生成。早期方案大多聚焦于加速建模、贴图等孤立环节，而新一代平台开始更深地嵌入生产管线，影响团队做原型、迭代和内容规模化的方式。本次访谈，我们与 Tripo 创始人兼 CEO Simon Song 聊了聊其最新模型背后的技术底子，包括 Tripo 3.0、P 系列，以及实验性的“世界模型”思路。Tripo 的工具已经用在实时 UGC 管线、快速原型和大规模资产变体中，并能接入行业标准的 DCC 工具和引擎。在 Song 看来，核心是增强创作者，而不是取代他们——这也一直是游戏开发中使用 AI 的讨论和评论的焦点。

Tripo AI 增长很快，已经拥有数百万用户和数万名 API 开发者。从你的角度看，开发者使用这个平台最让你意外的方式是什么？

Simon Song，创始人兼 CEO： 最初让我们意外的一个场景来自 UGC（用户生成内容）游戏平台的创作者生态。开发者不只是把 Tripo 当作独立工具来生成 3D 模型，而是把它接进实时内容创作流程。比如，在和 Eggy Party 这类创意游戏生态探索合作时，我们观察到一个很有意思的现象：创作者在实时设计地图和互动世界。AI 3D 生成让他们几秒内生成道具或场景元素，直接放进关卡编辑器里立刻测试。过去，这些资产通常得由专业美术团队一件件做出来。现在，创作者可以按需生成内容，并在创作过程中立即使用。在我们看来，这意味着 AI 不再只是资产生成工具，它正在成为 UGC 世界构建流程中不可分割的一部分。

随着 Tripo 3.0 的发布以及近期公布的新模型阵容，支撑这一代全新 3D 资产创建的核心技术突破是什么？

Simon Song： Tripo 3.0 采用了我们团队全新研发的 SparseFlex 表示方法。该方法能精确捕捉模型细节、开放表面与内部几何结构，同时支持更高效的训练策略。这降低了计算开销，并允许更高分辨率的训练，使 AI 生成的 3D 模型能够用于大规模商业应用。我们的旗舰模型 Tripo H3.1 进一步解决了角色形态、面部和几何文字方面长期存在的瓶颈。在我们的基准测试中，Tripo H3.1 在输入对齐、结构精度、纹理质量和生成速度等核心指标上均处于行业领先地位。我们的另一条产品线 Tripo P 系列，则专注于解决当前 3D 网格生成常受序列化妥协所困的问题。冗长的序列化数据严重制约生成效率，而单向因果偏置则抑制了全局空间交互。从第一性原理出发，我们以全新的思维方式和算法框架重新思考 3D 应当如何被表达和生成。Tripo P1.0 首次重构了空间生成的底层范式，不再对 3D 物体进行局部计算，而是转向统一原生概率空间（Unified Native Probability Space）。模型不再“预测”下一个点，而是对整个空间结构进行宏观层面的概率坍缩。模型首先在噪声空间中沉淀出形态的“基底”；随后，复杂的拓扑关系在这一统一概率空间中基于该基底演化生成。Tripo P1.0 打破了维度构建的壁垒，让高维信息能够在无序噪声空间中即时对齐。这使得极其复杂的 3D 拓扑能够同时“收敛”成形，实现了从局部拼接向全局涌现的根本性跨越。最终结果是，Tripo P1.0 仅需 2 秒即可生成专业级 3D 模型，拓扑干净、线框稳定，且可直接用于引擎。此外，在这一新方法下，我们发现模型的可编辑性与精度可扩展性潜力得到了显著优化。

很多开发者关心 AI 生成的 3D 资产如何融入传统管线。Tripo 与常见游戏引擎和 DCC 工具的集成方式是怎样的？把资产从生成推进到生产需要哪些步骤？

Simon Song： Tripo 生成的资产可以直接以 FBX、OBJ、GLB 等行业标准格式导出，并且包含完整的几何结构和贴图信息。这意味着资产可以轻松导入 Blender、Maya 等主流 DCC 工具做进一步编辑，也可以直接放进 Unity、Unreal Engine 等游戏引擎中测试和集成。我们的生态插件覆盖了最主流的 3D 创作工具和内容引擎。此外，不少团队通过我们的 API 把生成能力接入自己的资产管理系统或自研编辑器，从而实现更自动化的生产管线。

在实际开发环境中，从资产生成到正式进入生产管线通常要经过几个步骤：

1. 生成与初筛： 团队通过文本或图像输入生成多个版本的资产，从中挑选最符合需求的结果。
2. DCC 优化与精修： 在 DCC 工具中对资产进行精修，包括优化拓扑、控制面数、调整 UV 或材质细节。
3. 引擎集成与测试： 将资产导入游戏引擎做实时测试和场景集成，并补充碰撞体、LOD（Levels of Detail）、物理属性等技术设置。
4. 版本管理： 最后把这些资产作为正式生产资产纳入团队的版本控制和资源库系统。

通过生成高精度网格和贴图，Tripo 大幅压缩了从最初概念到成品的时间成本。Tripo 提供了一套完整的工具管线，能够把高模转为低模，支持三角面和四边面拓扑、可编辑贴图，以及生成带绑定的动画。借助 DCC 插件，这些内容可以直接导入 Unity 等引擎进行管线开发。整体生产效率的提升显著减少了传统建模和资产准备所需的时间，让团队能把更多精力放在创意设计和玩法体验上。而且，由于生成的资产在结构和格式上已经接近生产标准，后续环节的返工率也有效降低，团队的整体效率进一步提升。

能否解释一下什么是世界模型（World Model），以及时序或多模态生成会如何影响未来的游戏开发工作流？

Simon Song： “世界模型”意味着游戏的交互表达不再局限于网格和 PBR（基于物理的渲染）表现。本质上，这一概念让 AI 不仅能理解一个静态的 3D 物体，还能理解一个世界在时间维度上如何变化。传统的 3D 生成模型主要关注“生成一个物体或一个资产”，而 Tripo W1 这类模型更关心一个场景如何随时间演变，以及不同元素之间如何相互作用。在实际应用中，这意味着开发者可以用视频、文本或图像等多模态输入，让 AI 推断场景的空间结构、物体之间的关系以及潜在的动态变化。例如，一段视频包含的不只是视觉信息，它还隐含了运动轨迹、空间布局和物体间的关系。通过世界模型，AI 可以从这些数据中理解环境，并进一步生成可用于游戏开发的 3D 场景或资产。不过必须承认，整个行业在世界模型方面的工作仍处于早期研究阶段，因此它对游戏产业的影响目前更多还是一种愿景。对于游戏开发工作流，这项能力可能带来重大转变：开发者不再需要从零构建每一个资产或场景，而是可以从真实拍摄素材或参考视频中快速生成一个世界的基础结构，再由美术和设计团队打磨完善。从长远看，开发者将从单纯制作单个资产，转向定义规则、风格和玩法逻辑，由 AI 协助生成并扩展整个世界。我们认为，这代表着 AI 演进中的一个关键阶段——从“生成资产”走向“理解并生成世界”。

AI 生成资产最大的挑战之一，是保持一致的拓扑结构、UV 布局以及面向实时渲染的优化。Tripo 如何解决这些问题，确保资产在实时引擎中仍然可用？

Simon Song： 首先，我们优化生成资产的 UV 占用率，通常可以达到 60% 或更高。这大幅减少了纹理空间的浪费，并最大化纹理分辨率的利用率。在几何层面，我们优化高模与低模之间的对应关系。在此基础上，我们确保准确烘焙法线贴图，并生成多级 LOD（细节层次）模型。这样，同一个资产就能在引擎管线中根据具体性能需求，在不同精度级别之间切换。

Tripo 已经与 Stability AI、Scenario.gg、Riot、EA 等公司建立了合作。目前各工作室是如何把 AI 生成的资产纳入工作流的？你们看到的效率提升最大的环节在哪里？

Simon Song： 越来越多的工作室开始把 AI 生成的资产接入实际生产管线。不过，这通常不是对现有工作流的彻底替代，而是一个加速内容生产和迭代的强力工具。在许多团队的实践中，AI 生成最常用于早期的概念探索和资产原型阶段。比如设计新的道具、环境元素或建筑构件时，团队可以在很短时间内生成多个不同风格或结构的版本，快速验证视觉方向和关卡布局。这种方式大幅缩短了从最初概念到可测试资产的时间。另一个关键应用是资产变体的大批量生产。在开放世界游戏或 UGC 平台中，道具或环境资产往往需要海量变体——不同风格的建筑、装饰或自然元素。AI 帮助团队快速生成这些变体，再通过标准的美术和技术管线进行筛选与打磨。从效率提升的角度看，我们目前观察到变化最明显的三个具体方面：

1. 从概念到原型的速度： 团队可以在几分钟内拿到可用的 3D 资产，而不必花几小时甚至几天从零建模。
2. 资产变体与内容规模化： AI 让团队能在短时间内生成大量可用素材。
3. 创意迭代速度： 当设计或关卡需要调整时，开发者可以快速生成新版本用于测试，而不必重启整个资产制作流程。

因此我们认为，AI 在当前阶段最关键的价值，是帮助团队从重复性的生产任务中解放出更多时间。这让创作者能更专注于玩法设计、艺术方向和世界观构建——这些才是真正定义游戏体验的部分。

对于今天正在尝试 AI 辅助流程的开发者来说，你认为 AI 驱动 3D 生成最大的机会和局限分别在哪里？

Simon Song： 我认为，AI 驱动 3D 生成给开发者带来的最大机会，是内容生产成本和门槛的大幅下降。在传统游戏开发流程里，3D 资产制作往往是最耗时、最耗人力的环节之一。借助 AI，开发者可以在几秒内生成原型资产，快速尝试不同风格和设计方向，迭代速度因此明显加快。这对大型工作室有价值，对独立开发者和小团队意义更大——他们能用有限的资源完成更复杂的世界构建。另一个重要机会是内容规模的扩展。随着 AI 生成能力提升，开发者更容易批量产出变体资产，比如环境元素、道具或建筑组件。这对开放世界游戏、UGC 平台以及涉及实时内容生成的产品尤其关键。归根结底，AI 帮助团队把精力从重复性的生产工作转移到创意设计和玩法体验上。

对于这类创作中的 AI 使用，你怎么看其中的伦理问题、AI 可能取代开发者，以及围绕这项技术的普遍争议？

Simon Song： 我们始终把 AI 看作增强创作者能力的工具，而不是取代他们的工具。AI 的价值在于帮团队减少高度重复的生产环节，让美术和开发者把更多时间投入真正的创作。从行业演进的角度看，技术进步通常会重塑岗位结构，而不是简单地消灭岗位。比如游戏行业随着工具演进，就出现了新的角色，像 Tools Engineer，以及近来的 AI Tools Artist。我认为 AI 会带来类似的转变。未来会出现更多围绕 AI 工作流设计、数据管理和创意控制的岗位。当然，我们也非常重视数据使用、版权和创作者权益等问题。建立一个透明、负责任的技术生态至关重要，这需要监管机构、内容创作者和行业组织共同参与并推动规范。总的来说，我不认为 AI 会削弱人类创意的重要性。恰恰相反，它会降低门槛，让更多人参与到 3D 内容和互动世界的创作中来。真正的价值在于我们如何把技术和创意结合起来，而不是让一方取代另一方。

展望未来，AI 驱动的 3D 创作下一步会走向哪里？Tripo 这样的工具又会在未来几年如何改变艺术家和技术美术的角色？

Simon Song： 我认为，AI 驱动的 3D 创作正在迈向“理解并生成完整世界”。过去几年，大多数工具主要解决的是资产层面的问题——生成单个角色、道具或场景组件。但随着 Tripo W1 这类世界模型的出现，AI 开始理解更复杂的空间结构、物体关系，以及随时间维度发生的变化。AI 可以协助快速生成基础内容，而艺术家则负责定义视觉方向、筛选和打磨生成结果，并把它们整合成一套连贯的艺术体系。对技术美术来说，这种转变会更加明显。未来的 TA 不能只懂传统渲染、资产优化和工具链，还要参与 AI 工作流的设计与管理，包括把生成模型接入生产管线、保证生成输出的风格一致，以及让 AI 生成的资产符合实时引擎的技术标准。因此，我相信未来几年会出现一种新的创作范式：AI 负责大规模生成，艺术家做创意和审美决策，技术美术把这些能力整合进稳定、高效的生产管线。在这种模式下，AI 让创作者能够在高得多的层面上参与内容创作。

Simon Song，Tripo 创始人兼 CEO

采访者：David Jagneaux

Bwrap - Topology Transfer

BWrap 可以把现有网格包裹到新的扫描、雕刻或角色上，同时让你控制拓扑如何转移。