“我其实天生就是一个适合创业的人。”
文丨祝颖丽
编辑丨宋玮
王诗沐最鲜明的标签曾是网易云音乐创始人。之后，他的职业轨迹就显得有些 “迷失”：在腾讯的几年里，他主导过 NFT、社交电商等创新项目，执掌过腾讯新闻，但都因为业务关停、缩小或战略调整而显得沉寂。
2022 年，王诗沐离开腾讯，一度 “消失” 于公众视野。但对王诗沐自己来说，过去一段时间事情一直在沿着他的路线图往前走。
他是对内容形态很敏感的人，早在快手和抖音崛起前，他就看到了短视频作为新范式的价值；同时也看到了视频这种媒介的缺陷：它是单向的、被动的、让人沉迷的。在他看来，视频之后的下一代内容形态，应该是 3D——一种具备极强互动性和动态反馈的介质。
早在腾讯时，他就开始接触 3D 内容。当时他负责的创新事业部，定下了三个核心点：AI、3D 和区块链。在他看来，这分别代表了新的生产力、新的介质和新的生产方式。
AI 加上 3D，也最终成为了他现在的事业。2022 年底，王诗沐创立了全灵（Seele）。他从零开始训练 3D 游戏大模型，直到今年最终完成。接下来，他们还将发布一个 4D “世界模型”，让游戏从 “渲染” 走向 “实时生成”、以及一个统一 3D 理解、生成与编辑的大模型。
如今，搭载他们自研模型的网页产品 Seele 已能实现分钟级生成游戏：一个简单的跳一跳或俄罗斯方块，几分钟搞定；复杂的 3D 场景和玩法，几个小时内就能成型。目前，Seele 积累了超过 100 万用户，生成游戏数量超过 3 万个。
回看过去，王诗沐遗憾自己 “出来晚了”，这种目标纯粹的创造状态令他沉迷：“我早就该创业了，我现在非常快乐。”
炼出一个 3D 游戏模型
游戏早就证明了 3D 的吸引力：强互动、高沉浸、参与感极强，但 3D 内容过去没有长出 “平台”，是因为制作门槛太高了。
过去二十年，3D 几乎等同于 PGC（Professionally Generated Content 专业生产内容）。一个像样的 3D 游戏，动辄上亿成本、百人团队。UGC （User Generated Content 用户生产内容）在这个世界里几乎没有生存空间。
王诗沐一直在思考，能不能把 3D 内容的生产门槛降低。2022 年底他离职创业，在大语言模型尚产品尚未面世前，就已经开始研究 “如何让 3D 内容规模化生产”。
那时能用的技术非常原始：GAN（对抗生成网络）、强化学习。做得很慢，也很重，且生成的模型 “泛化性” 极差——比如做完一个欧洲人模型，要切换到亚洲人或动物，几乎得重头再来。
很快，大语言模型的爆发彻底改变了规则。用基于 Transformer 的自回归模型（时间序列的统计方法）来做 3D 模型的训练，能将生产效率提高 100 倍不止。
然而，训练这套 3D 游戏大模型面临一个 “冷启动” 障碍：数据。
互联网上遍地是文本和代码，但高质量的 3D 游戏数据，包括 3D 模型、动画序列、脚本代码，极其稀缺，且分散在艺术家手中。为了解决这个问题，全灵团队采取了一个巧妙的产品策略：他先做了一个名为 koko 的应用。
koko 是一个 3D 虚拟人工具，用户可以上传 3D 模型，生成一个可以对话、跳舞的 Avatar（化身）。当时 Chatbot 类型的应用正在大火，团队利用这个时机，迅速就吸引了三千多位拥有高质量 3D 数据的创作者，并以此积累了最原始的 3D 数据。
但拿到数据只是第一步，真正的难题在于如何处理。在 3D 领域，数据的复杂程度远超文本和图片。一个 3D 模型不仅包含几何结构，还包含材质、骨骼动画、物理属性以及它在空间中的交互逻辑。
为此，公司内部甚至专门建立了一个近百人的数据团队，“你很难想象，一家创业公司会有一个上百人的数据团队（含外包和实习生）。”
通过 koko 积累的数据，团队高精度的标注与清洗，Seele 最终在 2023 年底开始了正式训练，经过一年多的迭代，2025 年 5 月，Seele 游戏大模型第一代诞生了，基于此的产品 “Seeles.ai” 也正式上线。
自此，用户只需要输入一段文字，通过与 AI 自然语言交互就能得到一个可运行的游戏。
目前这个模型能力还在初期，王诗沐将之定义为 “L1 阶段”，智能水平还只能生成简单的预览版游戏。他预计，大约到 2026 年上半年，其能力上限就可以做出类《动物森友会》级别的复杂游戏；到 2029 年，能做出 《头号玩家》级别的全沉浸式世界。
技术驱动的产品
对于王诗沐来说，做 Seele 与当年做网易云音乐有本质区别。
网易云靠的是市场敏锐度、是对用户的洞察；而 Seele 的底色是技术。对技术理解的深度，不仅会直接影响产品的锻造，还会影响运营以及商业化等方方面面。
不同于行业目前普遍采用的 “AI+ 工具链” 模式——利用模型能力辅助现有工作流进行提效，Seele 相信未来模型的能力足以支撑起商业级游戏的完整生成。因此，他们不想止步于单点工具的开发，而是自研底层模型，试图让用户仅通过多轮对话造出完整的游戏，实现从灵感到完整游戏的 “端到端” 创造。
另一个认知是，他们看到，当自回归大模型训练出来后，只要持续迭代下去，未来的边际成本会越来越低。
目前 AI 行业普遍面临一个困境：成本无法收敛。一千个用户生成一千张图或一段视频，每一帧都是新的推理消耗。
但 Seele 的游戏模型逻辑不同，“游戏是解耦的，一个用户跑步的视频，你没办法把里面的人背景，跑步的动作都分离出来，但是游戏是可以的，因为游戏本质上是分离的数据。”
王诗沐解释，他们的用户如果生成相似的射击游戏，里面的建筑、枪械、地图的是多模态对齐的资产；而当另一个用户要做跑酷游戏时，相似风格的建筑资产也是可以复用的。这种资产复用带来的 “成本收敛”，让 Seele 生成一个复杂游戏的边际成本降到了几美金。
目前，Seele 主要还主要以会员订阅来收费，但在未来，随着创造一款游戏的成本降到更低，团队不希望不再从用户手上收使用产品的钱，而是通过广告分成来实现商业化。
比如，平台通过会算法筛选优质游戏、再进行分发，而创作者就可以通过在游戏中植入广告获得收入分成。
“天生适合创业的人”
虽然在大公司做到高管，但王诗沐更愿意定义自己为一个 “天生适合创业的人”。他享受创业带来的专注感和目标感，甚至会为了 ‘身体力行’ 搞明白开公司是怎么回事，而亲自去跑工商注册。
全灵目前保持着精简的团队规模，正式员工仅 40 余人。未来，他们希望最上限也不要超过 1000 人。他们公司没有专门的 HR，王诗沐亲自负责最后一轮面试，决定新员工能否录用。
为了适应大模型的飞速发展，全灵大约每个季度进行一次组织架构调整。 例如，在 2024 年，当技术实验证明 “自回归” 路径优于 “扩散” 路径后，团队迅速取消了按模态（3D、图像、文本、语音）划分的方式，转而进行整体合并。
随着 L1 阶段的游戏趋于成熟，公司准备再次调整团队的资源分配。他们目前 70% 的人力资源在模型侧；下一步，他希望加大游戏的发行和商业化的力度，预计未来组织资源分配在模型和产品商业化上将达到 1:1 。
王诗沐认为传统的 “诚信”、“正直” 等正面价值观是人类基本道德，无需赘述；在 Seele，他们通过规定 “红线” 来约束组织：不要官僚主义、不要贪污腐败 。
在 AI 创业公司普遍争夺最聪明的人时，王诗沐对人才的思路也显得特别。
他认为，勤奋的作用比聪明更重要；为了理解图形学底层逻辑，他们核心团队曾全员利用工作之外的时间，在一个月内都看完了几十个小时的专业视频课程（Games 101），这让他们整个团队都拉齐了对 AI 技术的理解。
他也不迷信顶级名校或多年资历，而是倾向于相信年轻人的学习能力 。全灵公司里，现在就有 2024 年毕业的非名校本科生直接参与大模型训练，并已能独当一面。
十几年前，刚做出网易云时，王诗沐说自己有一种 “春风得意” 的感觉，感受的是大江大河、时代汹涌的推背感；再次置身 AI 的浪潮里，他觉得自己已经淡定得多。他偶尔焦虑，但从不痛苦，因为创业带给他的专注、自由以及掌控的 “快乐” 已经足够多。
为呈现创业者的个人特点和保留思考的完整度，以下为部分对王诗沐的采访问答，与正文互为补充：
晚点：你创业，选择的为什么是 3D 游戏这个切口？
王诗沐：我看好 3D，也不只是说它的商业价值大。显然，是我觉得 “互动” 对人类的价值是很高的。人本质上是个社交型的群居的动物，你一个东西的互动性很强，并且能打破时空限制的话，是可以大大增强人类的交互性的。
晚点：有必要自己做一个模型出来吗？为什么你们有能力做，怎么做？
王诗沐：如果能够广泛降低生产成本的话，那 3D 交互会成为人们互相交流的新的想象空间。所以，怎么样去能够把这个互动成本趋近于 0，这是我们首要去考虑的问题。
以前人们互相发短信是一毛钱，后来发微信，你有个包月流量，这个边际成本趋近于零了。那从终局来思考的话，要达成的是技术范式的转变，意味着我们要选择一个边际成本持续往下降的技术路线。
我本科本来也是学这个计算机图形方向的，我原来在浙大的 CAD 实验室。
第一个就是我们自己学，我去读了大量的论文，然后看了大量的视频，自己一步步地去搞明白，要实现这个大模型到底需要什么东西，有哪些模块。
也去找对应的，能做出这样技术路线的人才，能力图谱就是理解大模型结合游戏，但对游戏的理解，不需要特别深，尤其忌讳太深。
因为如果你是一个游戏行业非常资深的人，会觉得我们这个做法有点太搞笑或者是太小儿科，一开始是绝对出不来高质量的东西的。
晚点：从产品经理到自己做模型，是个转型吗？
王诗沐：我对自己的定义不是一个产品经理，我不喜欢给人打标签，也不给自己打标签。我觉得做产品是一项综合能力，包括原来我在网易云音乐的时候，我很早就开始搞算法。
网易音乐一开始的那个私人 FM 的算法，我还自己写，还去看过 meta 所谓的信息流推荐，我觉得一个好的产品经理要有很综合的能力，不只是说我调研一下用户需求、市场需求，写一下 PRD，到后面他需要有很好的架构能力，商业思想，还有技术理解能力。
你的综合能力越强，你才能操这个盘，所以我肯定是很勤奋努力的。
晚点：你们想用 AI 降低生产 3D 游戏的门槛，但有那么多用户有创造游戏的需求吗？而且它似乎比做一个视频对能力要求更高？
王诗沐：游戏门槛是不是会更高？不会。电子游戏是经过专业人士是去制作的，它的制作、程度非常复杂，因此你会觉得这个游戏我肯定做不出来。但你对一个小孩说跳房子，他只要看别人跳过一遍，马上会跳。打弹珠也是。
游戏互动是人类的天性，仔细想想看，从我们小时候出生开始，什么东西不用教，你只要是个人你就能学会的？
婴儿从小就会摸，会玩，会跟周围环境互动，互动是人类的天性。
晚点：但 “互动” 是游戏吗？
王诗沐：其实游戏是非常宽泛的。为什么最早的时候把它定义成 “第七艺术”，现在可能大家不怎么提了，反而越来越往 3A 游戏这个方向去靠？这个是个资本化的结果，我不否认。
但是一旦游戏的生产门槛降低，你时空打破了，自然会有更好玩的内容，会有大量的个性化的内容涌现出来。
晚点：你们现在游戏大模型能力下，上限能做到什么？
王诗沐：坦白讲，我们目前整个游戏大模型的技术还在起步偏起步阶段。现在平台上，超越我们认知的，一个是有用户做出来一个挺好玩的第一人称射击游戏；一个开放世界游戏。
晚点：你现在怎么回想在网易的经历？
王诗沐：我自己其实比较少去想。那个时候确实很年轻，我是 86 年的人，网易云上线的时候，我 26 岁，三个创始人之一，确实是有一种春风得意的感觉。
到了 2016 年，我 30 岁的时候，整个网易云也做起来了，后面的整个增长势能也是挺好的。我也没有觉得荣耀或者是什么，可能比较喜欢沉浸在做产品的感受中。
那个时候做网易云，我觉得很强的感受是大江大河、整个时代潮流在汹涌；现在，我仍然处于时代洪流之中，但是我淡定很多，我能够很清晰感受到这个潮水的浮浮沉沉，但整个人会看得更加清楚，心智会更加坚定。
晚点：你在腾讯获得了什么？
王诗沐：有更多创新的机会。我在腾讯是开始从零去做孵化器，要从战略层面思考，比如为什么选 3D，当时找了几个关键点，我是逐层一点一点去摸索，从零开始。
在网易云音乐，我虽然是早期的员工，但是网易做音乐这件事情并不是我决策的，这个是丁老板决策的，我是个执行者，但是到了腾讯，我要去想做什么？应该怎么做？还有没有机会和价值？
这个过程中就会更进一步，中间也会有很多的困难和挫折，然后再复盘。
晚点：在腾讯的几个产品（小鹅拼拼、幻核）都关了，你觉得算是失败吗？
王诗沐：如果纯粹从产品角度上来讲，那当然是失败了，对吧？因为最终下线了。
但我能够辩证地看。因为腾讯是一家很大的公司，他的战略决策不是以产品为单元的。比如说，腾讯需不需要需要电商，我觉得是需要的，但腾讯需不需要小鹅拼拼我觉得要打个问号。所以我会拆分来看。
包括像幻核也是，我们当时做了半年的时间，营收很可观，其实对于创业公司来讲不得了，但对腾讯这种体量的公司来说，新业务场景还在早期探索阶段、合规边界尚在确立中，所以他要有一个调整，我也可以理解。
晚点：从大公司做管理，到自己创业，你发生了什么变化？
王诗沐：我从来不觉得自己是大公司里 “典型” 的人，我其实天生就是一个适合创业的人。我只是阴差阳错。因为我在内陆环境生长起来的，年轻的时候胆子没那么大，眼界没那么开。
我二十来岁的时候，树立的理想是做个产品总监，年薪 10 万。这个是真事儿，我跟我爸妈都讲过。
我后面到了 30 岁左右，才开始更加了解自己，我真正人生想追求的并不是金钱，或者是纯粹的地位，我就是喜欢创新、创造，所以我就应该创业。
22 年下半年出来创业的时候，我第一个感受是我创业晚了。我早就该创业，16 年就应该创业。
我现在非常快乐，我快乐不是指自己多成功，而是指我整个人的生活状态，我很享受。我并不觉得这些困难、苦恼让我难受。我记得我没创业之前，看到一些文章，有很多人焦虑什么的，我也会焦虑，但是我从来不痛苦。
晚点：你觉得自己是是个什么样的创始人？
王诗沐：亲力亲为。我们公司现在没有 HR，HR 就是我，然后有一个财务同学是今年才入职。
最开始那个公司的工商注册，包括融资都是我自己去跑的，就是给公司省钱。当然不是说我抠门到几百块钱都不愿意出，而是我不觉得这个东西是浪费我的时间、浪费我的精力。
我反而身体力行，觉得得搞明白公司工商实际上它是个什么东西。我觉得这个应该去做，我们公司现在大概 50% 的员工都是我过往十多年老同事，阿里的、网易的、腾讯的大家互相都有所了解。
题图来源：Seele 创始人王诗沐
