#50 宋亚宸：95后/00后创业者的“马斯克值”与现实

原文讲解：节目到底讲了什么

宋亚宸出生于 1997 年，节目页面介绍他毕业于约翰斯·霍普金斯大学，曾在商汤 CEO 办公室工作，是 MiniMax 的早期联合创始成员，后来创办面向 AIGC 3D 的 VAST。节目录制时，他正在经历一家年轻公司的早期阶段：团队不大、钱和算力都紧张，产品还在快速试错，却已经因为 2023 年 SIGGRAPH 的演讲和 3D 方向进入国际技术圈的视野。

一、先把这个年轻人讲清楚：为什么是 3D，而不是“做一个大模型”

主持人先让宋亚宸按时间线讲自己的经历。他在美国学习和生活了八年，回国后进入商汤 CEO 办公室，做过战略研究，也接触过 AR、VR、文化旅游、云和 AI 游戏等方向。那段经历让他看到大公司如何观察技术和产业，但并没有替他决定最终方向。2021 年，他加入 MiniMax 早期团队，参与过从底层模型到 2C 产品的探索；当公司逐渐把重点放在更通用的基础模型时，他仍然想把大量时间放在 3D、游戏和动画上。

他讲的 3D 问题很具体。传统动画、游戏和影视制作需要大量建模、贴图、绑定、修改和沟通，资产制作周期长，懂专业软件的人又少。VAST 的设想是让用户从文字或图片生成带纹理的 3D 模型，再把模型送进专业流程继续编辑，而不是只生成一个看起来漂亮但无法使用的图片。宋亚宸说，自己并不想把 AI 变成论文或奖项的展示，而希望孩子在地铁上能玩到真正有趣的技术产品。

主持人问他为什么不留在 MiniMax。宋亚宸的回答不是“原公司不好”，而是创业方向的差异：当一个人已经知道自己愿意长期投入什么，继续待在一个更大的方向里可能反而降低专注。他承认这是很主观的选择，也承认时机很差。2022 年底到 2023 年初，利率上升、地缘冲突和风险资本收缩叠加，做一个需要算力和人才的 3D 基础模型并不轻松。

他把 AI 1.0 和 AI 2.0 做了一个节目式区分。AI 1.0 更像为人脸、OCR、车辆或智慧城市等具体问题手工设计算法，由科学家和工程师针对垂直任务优化；AI 2.0 则更多依靠海量数据和通用模型，通过更大的训练过程形成能力，再向语言、视觉、3D 等多个应用延伸。这不是严格的技术史分期，而是他用来解释创业机会变化的语言：从“为一个任务造模型”转向“先做通用能力，再寻找产品入口”。

二、95后和00后为什么更容易从兴趣出发

张小珺把问题从宋亚宸个人扩展到 95 后、00 后创业者：他们是不是更少先积累名望、资本和社会关系，而是遇到机会就开始做？宋亚宸没有把自己描述成从小就有宏大商业理想的人。他说自己最初只是想做 3D，后来在工作和合作中发现，AI 可以把兴趣、产业和游戏连接起来，于是“自己做一家公司”变成了更直接的选择。

他认为这一代人的成长环境很重要。漫画、动画、小说、影视、游戏和互联网内容不是偶尔的娱乐，而是他们理解世界、形成审美和学习叙事的材料。一个老投资人可能把游戏看成消费时间，一个年轻产品人可能把二十年游戏经验看成用户研究、交互直觉和内容判断。宋亚宸甚至说，自己小时候被父母限制的游戏时间，后来变成了长期积累的行业感觉；如果让他去做一个纯粹的 2B 大语言模型，没有在内容和游戏里积累过的 sense，他反而可能处于劣势。

这段话不是说“玩游戏就能创业成功”，而是强调创业的优势经常来自过去不被当作工作经验的时间。人们在什么领域长期投入，会形成别人很难用几个月研报补齐的判断力。但兴趣只有在产品和用户里被验证，才会成为能力；如果只是沉浸在自己的审美里，它也可能变成自嗨。

宋亚宸还承认自己的家庭经济基础相对稳定，所以创业不是被生存逼出来的选择。这个细节很重要：年轻创业者的“勇敢”并不只来自性格，也来自失败成本、家庭支持、签证和现金储备。把少数人的选择包装成所有年轻人的精神特征，会遮蔽真正的结构条件。

他观察到身边不少同龄人有两个主流选择：去投行、VC、PE 等金融行业，或者读化学、生物、AI、机器人等方向的博士。创业者有时不是先积累十年社会资本再出发，而是通过一次合作直接获得技术、产品、用户和投资人的补位。早期团队往往什么都缺，只能边做边补：没有正式 BP，就先做 demo；没有用户，就去游戏和 3D 社区找反馈；投资人不理解，就把产品阶段和未来路径拆开解释。

三、最难的不是宏大愿景，而是没有工资、没有算力和没有办公室

节目没有把创业寒冬讲成一种浪漫磨炼。宋亚宸说，最难的场景就是发不出工资、没有足够算力、没有自己的正式办公室，也没有一个随时可以调用的完整人才团队。早期团队只能向别人借算力、借经验、借人，去问专家“这个东西应该怎么做”。他提到大约有三十多个人曾经在一段时间里没有拿到正式工资，这个数字是个人回忆，不是公司披露，本文不把它当作经过审计的财务事实。

当资本环境好的时候，基础模型公司容易把融资当成产品的替代物：先招很多技术人才、买很多算力、把产品化和商业化放到以后。宋亚宸认为，2022 年底和 2023 年初的寒意迫使他重新计算每一份资源：公司必须尽快做出产品，尽快拿到用户反馈，尽快证明 MVP 或 PMF，而不是只追求模型榜单和光鲜的技术指标。

他把这种环境称为一种“资源的反面诅咒”。资源多不一定更好：团队可以到处尝试、不断招人、做三到五年没有产品；资源少反而迫使大家聚焦一拳，问每一个技术优化是否改善用户体验。这个判断有条件：只有当团队确实知道要解决的问题、可以快速得到反馈时，寒冷才可能形成纪律；如果方向错误、产品周期长或需要前置合规，缺钱只会让公司过早死亡。

融资方式也跟着改变。相比等三个月正式 close 一轮，他描述了一种更短平快的方式：投资人有意愿就直接进来，拿到一笔钱继续迭代，再根据进展进行下一次融资。无论具体法律和交易结构如何，节目想表达的是现金流节奏的变化——融资不再是一年一次的盛大事件，而更像公司在不确定市场中持续购买时间。但这种灵活性也会增加治理、股权和投资人预期管理的复杂度。

他认为资本变冷的另一个原因，是 GPT 和 AIGC 的进展没有达到早期市场的夸张预期。人们曾经以为 AGI 很快到来、万物都能生成、下一次互联网浪潮马上发生；后来看到模型能力、商业化、生成质量和落地速度仍然需要时间，投资人自然会更保守。节目播出时的行业判断属于 2023 年末语境，不应当直接当作今天的技术预测。

四、“马斯克值”到底是什么：把愿景变成招聘和产品压力

主持人问“高马斯克值”是什么意思。宋亚宸给出的不是穿衣风格或个人魅力，而是极度聚焦一个目标、愿意把资源都围绕目标组织，并且把目标讲到别人愿意参与。他说“无论用什么方法都要实现本质目标”时，本文把它理解为访谈中的极端修辞，不把不受约束的方法当作管理或伦理建议。

SIGGRAPH 2023 的经历是这个概念最完整的例子。节目录制时，他回忆自己被邀请做 3D 生成 AI 的主题演讲，需要经过面试、提交公司与技术材料，并得到 Blender CEO 和海外合作伙伴等人的推荐。演讲不只是讲一个模型，而是讲一个未来：3D 不应只属于专业工作室，而要进入普通人的家庭和想象力。SIGGRAPH 官方项目页和专题页可以核对，Yachen Song 确实以 Vast 创始人身份在 2023 年担任 sponsored keynote speaker，主题是从 2D 到 3D 的生成式 AI；“第一位中国 keynote”则按节目和 VAST 的公开宣传口径处理。

他把 Jobs 和 Musk 分成两种不同的目标感：Jobs 更像把产品体验打磨到足够顺滑、漂亮和可用，Musk 更像把科幻目标变成工程组织。宋亚宸希望自己同时拥有两者：一端是让用户觉得好玩、自然、愿意使用，另一端是让工程师愿意为一个足够大的问题长期投入。他本人把毛泽东称为更接近“偶像”的人物，把 Musk、张一鸣等人称为可以偷师的对象；偶像、学习对象和商业模仿对象并不是一回事。

“马斯克值”最直接的用途是招聘。宋亚宸说，自己有很大一部分时间用于招人，甚至把 SIGGRAPH 演讲当作人才吸引器。AI 创业需要算法路线、算力、数据和产品，优秀人才会在 OpenAI、Adobe、NVIDIA 等组织之间比较机会。一场演讲不能证明公司技术一定领先，但可以把公司放进人才的考虑范围，帮助创始人获得更多对话机会。

五、人才和数据为什么像黑洞：愿景必须支付现实成本

节目讲到 3D 领域的竞争时，宋亚宸把资源分成几类。算法决定模型怎样学习，算力是训练和推理的赛道，数据则是给模型持续学习的燃料。语言数据和图像数据可以通过公开互联网获得相对丰富的规模，3D 原生数据却更难：游戏、动画、影视和社区资产涉及版权、格式、制作流程和质量筛选。

他声称团队在很短时间内积累了超过千万级的高质量 3D 数据，并把 OpenAI、NVIDIA 等公司的数据规模作为比较。由于这些数字都是嘉宾自述，且没有公开数据集审计，本文只保留它们要表达的战略判断：3D 创业的瓶颈不只是“有没有一个好模型”，还包括能否合法、持续、低成本地获得可用数据，以及数据能否形成真实用户反馈。

宋亚宸不太认可只看 benchmark 和排行榜。他认为 3D 输出更接近用户，如果一个模型生成的资产无法进入游戏、动画或工业流程，榜单上的提升并不等于产品价值。相反，用户能否修改、复用、分享、付费和形成新的资产，是更接近真实结果的验证。这里可以抽象成一个循环：模型输出 → 用户编辑 → 反馈和资产 → 数据改善 → 更好的模型和工作流。循环越靠近生产现场，越不容易被单次 demo 伪装。

人才吸引和数据积累会相互强化，但也会形成黑洞：为了更强模型要更多人才，为了证明人才价值要更多算力，为了支付算力要更快融资，为了融资又要讲更大的模型故事。只有产品和用户能在中间提供现金流或可信反馈，黑洞才可能变成飞轮。

六、冷技术与暖产品：年轻团队最难解决的是文化翻译

节目后半段进入管理。宋亚宸把团队粗略分成两种气质。一类是技术人员：教育程度高，重视逻辑、标准和任务完成，不一定喜欢团建或频繁社交；他们愿意为了一个难问题连续攻坚。另一类是产品、游戏和内容人员：需要感性、审美、故事、情绪价值和温暖的日常环境，希望一起聊新游戏、参加展会、分享好玩的东西，工作方式也更灵活。

两类人都可能很年轻，也都可能有经验，所以这不是简单的年龄冲突。真正的冲突发生在评价标准和社交 token 不一样：技术人员把论文引用、模型效果和工程难题当作“厉害”，产品人员可能把高 DAU、收入、用户喜欢和游戏体验当作“厉害”。如果创始人只说“我们要文化融合”，却不解释两种价值怎样共同服务用户，技术和产品会互相觉得对方不专业。

宋亚宸描述自己的做法是“老炮加小天才”。技术负责人需要有从零到一、带大团队、打过硬仗的经验，年轻研究者则带来新点子、快速实验和不受旧路径约束的探索。他用沙漠和绿洲比喻：老兵知道哪里曾经有水、怎么分配水和怎样避免重复踩坑，年轻人可能用自行车而不是马车进入沙漠，更容易发现新的绿洲。这个组合的前提是老兵愿意让年轻人探索，年轻人也愿意听懂经验背后的约束，而不是把经验一概当作保守。

他还把城市选择和文化分工联系起来：北京有更密集的 AI 技术人才和高校资源，上海、杭州更容易找到游戏、消费、内容和产品气质。这里包含很强的个人地域印象，不能推广成城市能力的客观排名。更稳妥的读法是，人才密度、生活方式、产业网络和团队气质会互相影响办公地点；技术团队和产品团队未必应该用完全相同的招聘半径。

七、年轻创业者的面貌与缺口：快、热、直接，但不一定耐久

当主持人让他描述 95 后、00 后创业者时，宋亚宸给出几个关键词：非常热爱，执行速度快，受不了慢，点子多，愿意把事情做到底；在工作中比较直接，不擅长复杂政治，但在自己的社区和人才圈里维护 reputation。他观察到，这群人不像上一代创业者那样主动参加传统论坛和媒体活动，更在意小圈子里的用户反馈、支持者和同行口碑。

他们的兴趣也可能很杂：游戏、番剧、二次元、木工、蹦迪、学习希伯来语和阿拉伯语，或者把工作与生活混合成不断输入内容的状态。节目把这种“玩”视为创造力来源，而不是效率的敌人。可问题也同时出现：年轻人可能没有经历过大的失败，缺少资本、人脉、供应链和危机处理经验；一个宏大的梦想不一定具备可操作性，遇到真正的现金和组织危机，也不一定有足够韧性。

所以他不建议把十个 00 后直接放在一起就叫创新团队。更有效的结构是让年轻人的速度和想象力，接上老人的判断、关系、责任和复盘。年龄不是唯一变量，“年轻”在节目里更像一种对未来仍有强烈信仰、愿意快速改变方向的心态；70 后、80 后、90 后也可能拥有这种心态，95 后也可能没有。

他给投资人的第一条建议甚至有点开玩笑：至少玩过王者荣耀。认真读，它不是要求投资人变成玩家，而是希望投资人理解游戏、内容、消费和年轻人的时间结构。第二，给年轻团队真实试错的空间，因为他们可以很快调整具体方向；第三，相信年轻人的直接管理方式，但前提是他们有足够热爱、信仰和感染他人的能力。这三条是个人建议，不是投资决策规则。

八、AIGC 的早期范式：模板、平台与 3D 的空白位置

节目把 2023 年 AIGC 的产品尝试归纳为“内容模板”。证件照类应用限制用户只能上传自己的照片，某些语音或视频产品让名人用另一种语言说话，用户不需要从零学习工具，只需要进入一个明确玩法，再把结果分享出去。这样的模板有娱乐价值，也有传播机制；但如果没有平台承接用户和创作者，热度可能只是短期现象。

宋亚宸认为 3D 的机会在于，它还没有一个类似 TikTok 的大规模内容平台。视频和短内容已经有成熟分发入口，新产品若想做一个新的视频平台，要和既有巨头竞争；3D 内容则仍然缺少普及的创作和消费空间，生成模型可以同时降低创作门槛、增加资产供给，再尝试建立新的交互平台。这个判断是嘉宾的创业方向，不等于 3D 平台一定会成功。

节目最后回到融资和创业现实：冷市场迫使 AIGC 公司更在意产品上线速度、用户数、留存、收入、战略合作和真实付费。一个模型“很好”只是起点，还要回答 2B 客户会不会部署、2C 用户会不会反复玩、生成结果能不能进入工作流、成本是否允许规模化。宋亚宸希望公司从“模型”走到“产品”，再走到内容和交互生态，但他也承认这条路需要不断试错。

结构化提炼：年轻优势不是年龄，而是几种可组合的能力

这个表达是对节目内容的抽象，并不意味着年轻人天然更有优势。它还必须乘上经验、资本、人才、算力、产品和组织责任，否则“快”可能只是更快地消耗资源。

1. 把“年轻”改写成可观察变量。 不是年龄，而是时间积累、路径依赖、试错成本和学习速度。
2. 把“热爱”接到用户。 热爱提供长期动力，用户反馈决定方向是否值得继续。
3. 把“老兵”接到探索。 经验不是为了压制新点子，而是减少不可逆的资源浪费和组织伤害。

证据审计：自画像、公开事实与推广口径

独立判断：真正的年轻优势，是更低的路径依赖

我认为这期最值得保留的，不是“95 后比上一代更适合创业”，而是它展示了另一种创业起点：一个人不必先把自己包装成完整的商业领袖，才可以从真正长期投入过的兴趣出发。游戏、动画和内容消费看似不正式，却可能形成对用户、审美和交互的时间优势。这个优势的价值在于别人很难临时复制，而不是因为它更高贵。

“马斯克值”也应当被去魅。它不是不顾一切地扩张，更不是把极端工作和无条件服从当作文化，而是把目标、取舍和反馈说清楚，让合适的人知道自己为什么加入。一个创始人可以有非常大的愿景，但必须允许现实数据修正路径；否则愿景就会变成融资故事，热爱就会变成对员工的额外索取。

节目关于“寒冷资本市场有益”的判断也需要加条件。缺钱确实会逼公司更早拿产品和收入说话，但它只有在团队有清晰用户问题、能低成本试错、能获得最低限度工资和算力时才可能形成纪律。把融资困难浪漫化，会让真正需要长期研发、合规和基础设施的公司承担不必要的生存风险。

可证伪条件

• 如果年轻团队在控制变量后并不比经验丰富的团队更快完成产品验证，或者速度主要来自更高的无偿劳动和更低的治理标准，那么“年轻速度优势”需要重新定义。
• 如果 SIGGRAPH 等公开表达不能显著改善高质量人才、合作和用户反馈，愿景表达的招聘价值就不应被高估。
• 如果寒冷融资环境主要导致优秀团队因工资、算力和合规无法存活，而不是更快找到 PMF，那么“资源的反面诅咒”只适用于少数低成本软件创业。
• 如果 3D 生成无法进入专业工作流、形成可复用资产和持续分发，3D 内容平台的蓝海判断就不能从技术 demo 推导出来。

证据边界与资料索引

本文以节目完整公开音频、节目公开章节和节目说明为第一材料，按宋亚宸与张小珺的问答推进重建。连续讲解是释义，不是逐字稿；团队人数、未发工资、融资方式、数据规模、招聘比例、投资人数量、模型能力和年轻人群体画像均按嘉宾自述、节目时期判断或公司宣传处理。片头有四次“走开”和关于马斯克/Cybertruck 的预告式冷开场，正文从节目正式介绍后展开；片尾正式结束后还有一小段日语歌曲音频，未纳入正文。

• YouTube：#50 95后、00后创业者怎么样了？他们的生猛、高马斯克值与现实（节目入口与公开章节）。
• 小宇宙：#50 节目页（节目说明、章节与嘉宾信息）。
• SIGGRAPH 2023：Keynote Presentations（核对 Yachen Song、Vast 与 2D/3D 生成 AI keynote）。
• SIGGRAPH 2023：Full Program（核对演讲在 2023 年会议项目中的位置）。
• VAST 新闻稿：AI-Powered Innovation at SIGGRAPH 2023（公司宣传口径；用于核对“第一位中国 keynote”等说法，不作为独立技术审计）。

本文不把一次演讲、融资或创业者自述升级成公司成功证明，也不把“95后/00后”当作同质化群体；节目中的商业与融资建议不构成投资意见。

返回顶部 ↑