# 对卷卷的3小时访谈：从抖音到AI 3D、创业的过山车、成为制造业OS的野心、基础模型不会吞噬一切！

> 十字路口 Crossing 精读

- 发布日期：2026-09-02
- 主持：Koji · Ronghui
- 原节目：https://www.xiaoyuzhoufm.com/episode/6a97a9daa0210c197dcc1ba0
- 网页版：https://crossing.qiaomu.ai/ep/6a97a9daa0210c197dcc1ba0.html
- 精读字数：约 7595 字（阅读约 17 分钟）

> 本文为 crossing.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

任利锋，花名卷卷，今年39岁，INFP，金牛座。2016年他在字节跳动接下抖音的立项，带着一群没做过短视频的人把它从0做到1。2023年底他离开字节，创立数美万物，做AI生成3D大模型。公司融资过亿美金，团队一百大几十人，最新发布的是Hi3D 3.0 2048³。

这场接近三小时的访谈里，他讲了抖音最初怎么被立项，也现场演示了一张图片生成3D模型、自动拆件加连接件、摆盘调参、直接送进打印机的全过程。他还讲了在广州番禺自建实验工厂、和产业带老板打交道的经历。

我听完最强烈的感受是：基础模型不会吞噬一切。视频模型越强，游戏和影视的3D需求反而在被它吃掉；但一进入实体制造，3D仍然是绕不过去的那道门。门后面的难，不在模型，在拆件、在材料、在准交率、在每一个都不一样的订单。

## 抖音的起点：网速、硬件和两个产品信号 2:33

2015年，字节管理层决定做短视频。卷卷说，判断依据是两个基建要素：网络和硬件。

网络端有一个明确的信号。2015年底的政府工作报告提到，2016年要全面降低家庭宽带服务资费，大幅提升网速。同一时期，5G的普及开始有移动运营商做基建。

硬件端的信号来自手机厂商。以OPPO、vivo、华为、小米为主的终端厂商，不约而同提到2016年要全面普及大屏。大屏利好影像，影像背后是GPU渲染能力提升，摄像头采集能力也在快速提升。卷卷还记得当时vivo的广告词：照亮你的美。

行业里还有两个产品信号。国内是快手，国际是Musical.ly，后来成了他们的兄弟产品。一个从朴实的记录切入，一个增加了音乐的趣味性。

**网络、硬件、C端产品三个要素叠在一起，字节决定立项两个方向：火山小视频和抖音。抖音这个方向交给了卷卷。**

他当时在字节的履历不算显眼。最早在百度贴吧负责吧主管理和运营，之后到赶集，2010年毕业，赶集和58同城合并那一年离开，再之后加入字节，做今日头条、问答、直播相关业务。运营出身，也做过后端产品，比如运营后台、审核后台、内部协作效率工具。

卷卷把这归结为运气，也归结为运营和产品两种技能的结合，对内容型产品比较契合。他说大家过去都是nobody，没有特别引人注目的过往经历，公司给了很好的成长环境。

抖音最早的定位是95后、00后年轻用户的音乐短视频产品。当时团队判断，用户需要被激发，也需要被看见。

激发的方式是半命题。给一段音乐，用户不需要关心歌词具体表达什么，而是听到曲子时内心有什么情绪，结合当下环境去表达。不做成模板，模板上手容易，但会限制创造力。后来又加了贴纸、道具、特效、美颜，这些都是激发表达的生产要素。

被看见，靠推荐算法，也靠人的审美判断。卷卷说，运营的思维要去挖掘适合被更多人看到的标签、画风、主题形式。

他说中国人可能内敛，不善于表达，但抖音让大家看到了这些人的另一面，都非常的精彩。

## 从雕刻时间到雕刻空间 12:04

2022年底，Midjourney刚出来。卷卷第一次感受到AIGC的magic：一句自然语言，甚至要学怎么写prompt，就能得到一张神奇的图片。

当时他在PICO，做VR、XR业务。VR内容生态的瓶颈很清楚：硬件体验是一个关键，内容生态是另一个，而内容产能依赖3D美术资产的产能。在VR里做内容，3D资产制作成本极高、周期极长，几乎等同于一个迷你版3A游戏。

他看到Midjourney的第一反应是，AI生成图片可以有这样的效果，那AI生成3D什么时候会来。如果3D资产的获取门槛能大幅降低，效果大幅提升，对整个行业就是关键变量。

另一条线是制造业。中国是全球最大的制造业大国，全产业链分布齐全，珠三角、长三角的产业带把材料、设备、工艺、产线、产业链协同织成一张网。桌面化设备从工业级往消费级演化，3D打印机、激光雕刻、CNC，普通用户开始接触。

**卷卷用一句话解释这次转向：过去用15秒短视频帮用户雕刻时间，今天用AI生成3D大模型帮用户雕刻空间。前者满足表达欲，后者满足创造欲。**

他在贴吧工作时就混翡翠吧和茶吧，23岁戴着翡翠戒指，后来看瓷器、珠宝、文玩、服装。这些兴趣让他长期在材料、设备、工艺、产线、产业带里观察。当时以为只是消费行为，后来成了事业的一条暗线。

2023年底，两个变量摆在一起：AI的AIGC红利，制造端设备数字化的可能性。再加上中国过去几十年积累的工科人才红利，以及全球最强的制造业生产要素认知。卷卷判断，这两个变量结合，做一件事才有成功的基础。

离开字节有两个原因。碰供应链、碰制造业，和字节平台的组织形式、人才结构差异很大，周期长，需要长期验证，和互联网快速迭代的逻辑有差异。3D在字节业务里涉及面不多，腾讯、Meta、微软都在做，大家的起跑线相同，独立模态下才有创业机会。

决定创业后，他做的第一件事是体检。他问自己：未来有任何一个可能性会让这个业务做不成？其中一个关键要素是身体扛不住。各项指标不错，他才敢投入接下来一定会遇到的困难。

## 番禺的工厂：互联网人当厂长 23:43

和产业带的工厂讲AI，卷卷遇到的第一个问题是听不懂。几年前AI才发展几年，工厂老板很难理解你想干什么，为什么需要他们参与。

工厂关心的事情很具体：有订单吗？有收入吗？能保利润吗？能养活工厂吗？让工厂抽一部分精力资源，和AI的要素结合，探索新领域，普遍没有动力。

被逼无奈，数美万物在广州番禺搭了一个自己的小厂。自己采设备，聘请行业里的产业链专家，和AI管线一起做探索实践。

工厂里有几种工艺：工业级3D打印机、激光切割雕刻机、小型化协同的CNC、精密数控车床，还有处理柔性面料的板房，毛绒、布艺、刺绣。材料涉及树脂、金属、毛绒布艺，陶瓷也在和产业带一起探索。

这个工厂更像实验厂房，后来也承担柔性交付、小批量快速交付。

第二个摩擦来自增长渴望。做多了用户型产品，会对数字有渴望，希望规模化。但做制造业、实体业务，要尊重行业规律。行业变量没来之前，强加外力很难让规模变大。

> 过去几年很大程度上是一个互联网人在当厂长。

灵魂拷问一个接一个。长链条业务能不能构建好的商业模型？对产业带的激发是不是真能带来单量？如果不能，早期愿不愿意像补贴C端一样补贴行业？补贴逻辑是什么？科研属性的投入，ROI和未来回报怎么算？

卷卷说，这些问题实打实摆在面前。互联网产品的会议室、小黑屋封闭开发，在制造领域行不通。你必须不停和产业链的各个环节碰撞、互动。

## Hi3D 3.0：一张图到直接打印 37:27

录制前一天，Hi3D 3.0上线。卷卷在节目里现场演示。

这是行业首个商用级2048三次方超高精度AI生成3D通用大模型。最大的特点是还原一致性。

一只博美犬，输入一张图片，生成的3D模型在同样视角下还原度很高。宠物的神态，主人一眼能识别，外人未必看得出来。动物的毛发在过去的3D建模里非常难，纹理走向要用电子笔刷一点一点刷出来。3.0版本把几何层面的毛发细节也还原了出来。

一个斗牛士和一头牛的铜雕摆件，输入图里牛的前腿挡住了人的部分身体。模型要正确理解人和动物的空间位姿关系，还要把看不见的背部空间逻辑补全。放大看，人的背部肌肉线条、衣服褶皱、牛的皮肤爆发，都做了合理的推理。

更难的案例是文字符号。一个计算器，上面的英文字母、数字、复杂符号，在几何层面精准还原。一个面具收纳箱，每个面具的名字清晰可见，是几何层面的雕刻，不是贴图。**卷卷说，这是目前全球AI生成3D领域只有这版模型能做到的能力。**

一首中文元曲《天净沙·秋思》，刻在模型上，字体的深浅有区别，重笔轻笔用雕刻形式表现。枯藤老树昏鸦，小桥流水人家，一幅平面画变成了立体的场景。

人像这块，金刚狼的头雕，去掉PBR渲染和光照，看最真实的纹理，眉眼、胡须的毛发细节都在。白膜状态已经不需要做修改。关之琳的人像，原图有光影干扰，模型干净地处理掉阴影，准确还原结构，背部还推演了一条合理的发辫。

珠宝首饰里的佛牌，去掉贴图看佛公的开脸，慈祥圆润，莲花元素、手杖、背部的浅调细节都在。六臂观音坐莲，过去建这样一个模型少说一个月，成本很高，现在快速生成后局部修补，已经能大幅提效。

潮玩Q版、机甲、汽车人，复杂结构的机械推理、外部铠甲和内部机械结构的分布、轮胎和车辙的还原，都表现不错。

技术提升来自三个方向：高质量数据的投入规模、3D表示的新技术路线、训练后的后处理算法管线。比如输入图片里的光影干扰，后处理环节要做理解和逻辑处理，才能准确提取信息、还原一致性。

演示结束后，卷卷讲了从模型到打印的管线。用户买桌面级3D打印机，不会拆件，不会加可拼装可动的连接件，不会调参。Hi3D提供基于AI语义理解的分割，按结构把人体不同部位合理拆分，在拆分件上打桩、加桩位，增加球形、榫卯、铆钉这类连接结构。**加连接件目前是全球唯一只有他们平台能提供的能力。**

自动摆盘也在做。打印托盘尺寸有限，大模型要分部件摆盘，哪个面朝上、哪个面朝下，影响支撑、打印时间和拆支撑时的损坏风险。材料参数、打印温度，AI自动识别，给出一套智能化参数，融合进3MF格式，直接导入切片软件就能打印。

卷卷说，他们的目标可制造。只在数字资产领域应用不够，更大的目标是要和现在的制造设备联通，不管工业级还是桌面级，都要做管线上的适配。

## 生产级直出：T+7和90%准交率 1:19:16

怎么评估模型做到了生产级直出？卷卷给了一个很具体的指标：高并发非标商品订单的准时交付率。

三个要素。高并发，每天有大量作品发布，需要变成实物。非标，每一个订单的造型都不一样。准时交付，在承诺时间内送到用户手上。

传统管线几乎只能顾一头。保还原一致性，就要大量人工建模，每个都建一遍，交付周期卡在建模环节。保交付时效，质量就难保证。

**数美万物把目标定在T+7，从用户下单到物流发出，准交率目前做到90%到95%。**如果模型不能接近直出，背后有大量人工修模成本，高并发、个性化、长尾商品的准时交付就做不到，商业逻辑本身是悖论。

交付靠自产一小部分加外发一部分。同时，他们在北京办公室设了线下实验室，采买市面上大部分主流硬件设备，请外部专业建模师组成评测专家团，每天把模型在各个硬件上跑测试。

测试的不只是直出效果。模型导入硬件，软件侧会不会报错？报非流行、破洞、不水密？格式识别错误？实际打印能不能一键到底？悬垂会不会导致打印失败？多色映射方案不好，会不会异色？

定价上，造好物的毛利率定在50%以上。卷卷说还在做普惠阶段，没有定很高。海外毛利率更高，有汇率差，供应侧能力相对弱。

Hi3D面向有打印机的Maker，订阅制，全球标准大概人民币一百三四十块钱一个月，可以生成多样模型，使用组合工具能力。

造好物的投稿率超过20%。分子是每天发作品的用户数，分母是每天活跃用户数。在内容型产品里，这是非常高的标准。

卷卷说，造好物在做的事情，其实是他小时候看过的动画片神笔马良，把它变成现实。

用户拿到实物，会发现真的可以，这会再次激发投稿欲望。实体交付带来的正反馈，比纯数字内容的点赞更直接。

## 3D打印农场与Maker OS 1:32:47

3D打印农场在过去一年快速出现。小型农场300到500台，大的在厂房里放上万台，甚至三万台的超级农场。需求大头在海外市场。

问题也很明显。商品同质化，一条铰链结构的龙火了，很多地方都能看到，没有本质差异。解压类的挤压球，机械内结构设计得很聪明，但下一个爆款在哪里，所有农场都要面对。

更麻烦的是创作者收益。很多人从模型网站知道某个模型火，下载后快速量产收益，原作者的收益很难保障。

**数美万物在Hi3D上发起合作计划，连接农场，用户一键下单获取实物，派单交给农场。需求端做创作者激励，模型被下载、商品被购买，两道环节各抽一部分收益分给创作者。**

> 你只有一个正向的创作者收益保障，才有更多的人愿意分享模型。

3D打印本身还在增长。过去五年，桌面级3D打印设备年复合增长率持续在23%以上。海关出口数据里，3D打印设备连续几年在部分品类下增速排进前20。2025年中国电商平台，桌面级3D打印机已经是打印品类下的头部商品。去年出货量500万台，年出货过千万是确定性事件。

更多工艺在小型化。桌面级UV打印机，安克的产品卖得不错，满足了一部分女性用户的需求。激光雕刻，xTool在消费级和小B场景都有规模。桌面级CNC团队过去一年非常多，五轴CNC也在Kickstarter上陆续出现。柔性面料的横机、刺绣机，也在往桌面化走。

卷卷还讲了女性Maker市场。3D打印、激光、CNC的用户大头偏男性，处理硬体、钢体材料。女性Maker在增长，毛绒、刺绣、钩针、毛毡，这些柔性材料的手工有广泛基础。问题是板师人才稀缺，培养一个专精的板师十年起步，需求又在爆发。

数美万物在研究两个算法：毛绒的数字化开板算法，AI刺绣算法。毛绒玩具的难点在于很多角色凭空创造，世界上不存在，没有台模可以参照。先用图生3D建一个3D模型，在表面找分割线，把曲面展开成纸样，考虑面料的弹力系数，张力大的部位要模拟人工裁剪卸掉张力，再激光切割布片，车缝填充。

刺绣的路径类似。输入任意一张图，先得到EMB矢量文件，包含针迹路径规划和颜色信息，再导出DST格式，给刺绣设备识别。3D打印的STL、源头CAD参数化模型，逻辑相通，都是格式映射。

与拓竹的MakerWorld，目前是合作关系，数美万物的模型在MakerWorld上提供接口。长期看，数美万物要做综合Maker OS，工艺类型更多样，连接的设备不只是桌面级，工业级也在连，光固化的服务马上推出。光固化模型的空腔积液会导致打印失败，打孔位置、深度都影响效果，这些也要用模型化服务自动化处理。

更大的目标是制造业OS。从Maker OS到制造业OS，连接各个行业，解决更大范围的实体制造基建问题。

## 创业修行：自卑、赤诚与无心 1:58:49

创业两年多，卷卷经历了几个阶段。第一阶段充满乐观，愿景构建得好，还没遇到实际问题。第二阶段觉得什么都做不成，碰到很多新领域的问题，自己不在那个领域有专长，团队不完善，方法没趟通，非常自责。第三阶段发现能做好一点小事，坚持摸索，某些问题解决了，又有向上的斗志。今天的问题是解决了一些，又有新的问题，心态是交织的。

> 创业每天都在坐过山车。我说的每天是每天的每个时段。

怎么稳定？让情绪剥离，关注问题本身。他常对自己说：别急，让子弹再飞一会儿。心急会让动作变形，给团队传递错误信号，让大家陷入焦虑，不关注问题本身。

张一鸣跟他说过一句话：事儿烦心不烦。他参了很多年。另一个收获是理解做好一个产品和经营好一家公司是两个概念。产品关注设计逻辑、交互、交付时效。经营公司要考虑人、钱、事。人才怎么获取、怎么组织协作，公司内外的伙伴怎么拉通，钱从哪来，商业逻辑合不合理，有没有证伪能力。

孤独感也来自这里。以前有伙伴、有管理层分担，今天很多时候要自己独当一面。他说自己就是公司里应该站在墙根最后那个人，墙根再往后就是深渊，他是兜底的底。

他用“无心而为”来消化这种孤独。做利他的事情，跟你自己没关系，想再多，很多是跟自己相关的，只会徒增烦恼。

他也劝退很多人创业。没事，别创业，别没苦硬吃。原来的平台、原来的状态是很好的条件，不一定非要选创业。什么人他不劝退？泼了很多冷水之后依然义无反顾，逻辑里听不到能被知识结构否定的东西，在做有增量价值的创新，不是线性增长的事。

卷卷说自己本质上是自卑的人。早年加入贴吧，是贴吧小白，没混过很多吧，身边都是优秀的人，要向他们学习，努力跟上节奏。抖音是他第一个真正意义上的产品，之前是运营序列，没做过产品。这么好的机会给到你，怎么把握？向优秀的产品经理、研发学习。

他把自卑解释为对自己的苛刻要求，对自己清晰的认知。焦虑是定了一个很高的目标，能力和目标之间有巨大差距，又不去解决，差距越积越深。他的办法是用学习、用实践缩短距离。王阳明的知行合一，知是行的主意，行是知的诚意，不能只是幻想。

给刚毕业进入职场的年轻人，他的建议很具体：别想太多，做好眼下的事，聚焦当下。机会往往不是找来的，是等来的。在现有岗位上沉淀得足够深，积累的知识体系足够扎实，还有很多新问题没解决，不能吃着碗里看着锅里。机会是在足够深的积累中发生转机，别人看到了你的能力，把机会给你。

他也讲了自己抓机会的方式。最早管贴吧吧主，没人说这是管所有吧主，他想的是管几个垂类，能不能把垂类用户资源组织起来。每天和吧主吧友聊天，跨时差通宵聊，建立信任，很多超级大吧主愿意无条件支持他工作。做抖音，张楠语重心长地说，接了这个产品就一定要做好，不能丢人。他没做过产品，就去问身边的产品经理和研发：你们眼中优秀的产品经理长什么样？会提什么样的产品需求？怎么写好产品文档？早期数据埋点都是他自己写的，怕给数据分析师的想法不靠谱，自己写label、写埋点定义、自己取数分析，有了认知再请他们帮忙。

> 当那个运气的机会来临的时候，你要拼了命的抓住它。

从“好人”到CEO，他说自己越来越不nice。拿了股东的钱，组织了这么多优秀的人，跟着你的愿景努力创造价值，如果只以个人情感导向做管理决策，极其不负责任。领导力有两个问题：一是怎么认知自己，是不是敢于说真话，能带领团队推翻你过去的错误言论，形成新的有效决策；二是不能只做正向管理，要辨识出团队里不符合要求的人、人岗不匹配的组织问题，做负向管理。本我可以展现人性的一面，超我要站在岗位要求上想事情，在其位谋其政。

他也想，如果还在和一鸣开周会，一鸣会问什么？变量够不够大，是不是大到效率发生质变，或者成本大幅降低。别自嗨，别自以为是，做了没什么有效产出，对行业没有重大变量影响。张楠会关注用户需求的理解和增长向的平衡，也批评他有时候过于乐观，沉浸在自我视角。

外人看他一路很顺：百度贴吧吧主管理，字节早期加入，拿到抖音的机会，把抖音做成功，创业有人看好支持。他不用一帆风顺形容自己，就是运气好。但他补了一句：运气会给很多人机会，有些人是不自知的。他比较突出的一点是，会意识到那是个机会，然后拼了命抓住。

这场访谈里，卷卷反复提到尊重实体行业的规律。从抖音到AI 3D，他做的两件事隔得很远，底层有一条线：让普通人的表达和创造被看见、被实现。抖音用15秒视频雕刻时间，数美万物用3D模型雕刻空间。

如果你也在看AI 3D或者硬件创业，这场对话里有几个能带走的判断。模型能力只是入场券，真正决定能不能做成的是模型之后的管线：拆件、连接结构、材料参数、摆盘、准交率。3D数据是最难获取的模态，产业带的关系和数据积累是长期壁垒。视频模型会吃掉一部分3D需求，但实体制造绕不过3D。创作者收益和农场同质化是3D打印行业当前最实际的问题，谁能撮合创意和产能，谁就有机会做平台。

卷卷给创业者的冷水也值得记住：别没苦硬吃。想清楚一件事，做有增量价值的创新，再义无反顾。机会不是找来的，是等来的，但等的过程里，你要在眼下的岗位上扎得足够深。