123. 播客：Meshy.AI胡渊鸣与红杉吴茗谈AI原生游戏、世界模型与PMF

2026.05.17

·AI游戏创业播客

1. 一图甚千言 ​

20260517_1.webp|568

2. 播客里的核心观点 ​

  • AI 原生产品 不是给旧产品加一层 AI
    • 真正的标准是：
      • 离开 AI，这个东西就不成立。
    • 只要去掉 AI 还能正常工作，那更像是 AI feature，不是 AI native。
  • 胡渊鸣的底层兴趣不是单纯写代码，而是用简单规则构造复杂世界。
    • 小时候玩游戏、做 RPG、学编程，后面做图形学、物理仿真、GPU 编译器，底层是一条线。
      • 注：计算机世界也只是 0 和 1
    • 游戏和图形学吸引他的地方，是都在回答：
      • 怎么用有限规则生成一个丰富世界。
  • AI 原生游戏不是“AI + 游戏素材生成”。
    • 他的标准很明确：离开 AI 就不能玩，且 AI 让游戏更好玩。
    • 如果 AI 只是降本、提效、生成素材，那还不是下一代产品的核心。
  • 胡渊鸣真正的转变，是从 “我能做什么” 变成 “用户为什么要这个”。
    • 很多技术人卡住，不是因为技术不够，而是因为还停在能力自恋里。
  • Meshy 的转型，本质是从技术能力转向用户需求和商业空间。
    • Graphics 能力很强，但商业空间有限。
    • 用户愿意为 3D 模型库和生成能力付费，这才让产品真正靠近 PMF。
    • 所以关键不是“我会做什么”， 而是**“谁为什么愿意用、愿意付费、愿意持续用”**。
      • 这太关键了
  • 世界模型这件事，短期更现实的方向可能不是纯视频生成，而是 AI + 经典图形学 + 游戏引擎 的混合模型。
    • 纯 AI 很酷，但实时性、成本、可控性都还不够。
    • 混合系统反而更像现在能落地的答案。
    • 旧工程系统不会消失，而是和 AI 重新组合。
  • AI 时代的组织会变化。
    • 纯管理者价值可能下降。
    • 每个人都需要有直接产出能力，或者能管理 AI 形成产出。
    • 技术型 CEO、技术型个体，都要重新理解 “人和 AI 怎么一起工作” 。
  • AI 替代不了的，是没有训练数据的新问题
    • AI 擅长处理已有范式和已有数据。
    • 但全新方向、产品判断、未来想象、品味和取舍，仍然需要人。
  • 这期后半段其实在讲创业者怎么面对现实。
    • 没有 PMF 时，技术光环救不了公司。
    • 真正的成长来自承认产品不行、商业不成立、方向要改。
    • 创业者最重要的不是永远不掉坑，而是掉下去之后知道自己爬得起来。

3. 金句 ​

1、科学和技术决定我们可以做什么，艺术和品味决定我们不做什么，乐趣和愿景给我们不断做下去的动力。

  • 技术只能回答能不能做。
  • 品味回答要不要做。
  • 愿景回答为什么长期做。

2、真正属于下一代的产品，不是加了 AI，而是离开 AI 就不能成立。

  • 这个判断可以直接拿来判断一切 AI 产品。
  • 很多产品现在只是把 AI 放进输入框、客服、摘要、推荐里。它当然有用，但不是结构性变化。
  • 结构性变化是：没有 AI，这个产品的核心体验就消失。

3、悲观者往往正确，乐观者往往成功。

  • 这句适合创业，也适合现在的程序员。
  • 悲观地看，很多旧技能确实会被压缩；乐观地做，才可能长出新位置。只停在“AI 牛逼”不行，用它做点啥才行。

4. AI 原生游戏 ​

胡渊鸣给 AI 原生游戏定了两个标准：

  • 离开 AI，游戏就无法成立。
  • AI 让游戏更好玩，而不是只让它更像一个技术 demo。

这个标准很狠。

按这个标准，很多所谓 AI 产品都不算 AI 原生，只是 AI 插件。

他提到的“黑箱”游戏，关键点不是“用了 AI 生成内容”，而是玩家的攻击技能、交互方式、武器合成都由 AI 带来不确定性和期待感。去掉 AI 后，游戏机制就塌了。

这才是 AI native。

不是：

  • AI 帮你写文案
  • AI 帮你生成素材
  • AI 帮你总结记录

而是：

  • 核心玩法由 AI 产生
  • 每次体验因为 AI 发生变化
  • 玩家不是在消费 AI 输出，而是在和 AI 共同构造过程

5. 世界模型 ​

播客里对世界模型的判断也值得记一下。

广义上，世界模型就是根据已知历史预测未来。但现在很多人讲世界模型，容易直接想到视频生成、具身智能、端到端模拟。

胡渊鸣的判断更克制：

  • 纯视频扩散式世界模型算力太重。
  • 终端性能短期承受不了。
  • 摩尔定律也没法像过去那样兜底。
  • 更现实的路线，是 AI 和经典图形学、游戏引擎结合。

这个判断其实很适合程序员理解 AI。

所以未来很多系统不会是纯 AI，而是：

text
确定性工程系统
  + AI 生成能力
  + AI 推理能力
  + 人类的产品判断和品味

6. 对当下程序员的启示 ​

6.1. 不要只剩下写代码的能力 ​

  • 需求来了能实现，架构定了能落地，bug 出了能修。这个能力还要有，但不能只剩这个。
  • AI 会把普通实现持续打便宜。只会等需求、拆任务、写代码的人，会越来越像高级执行器。
  • 真正要补的是判断：
    • 判断什么值得做。
    • 判断用户为什么需要。
    • 判断产品怎样才算好。
    • 判断什么时候该继续，什么时候该砍掉。

胡渊鸣从 Graphics 到 3D 生成，再到 AI 游戏，本质上就是从技术能力迁移到产品和商业判断。

6.2. 从“我会什么”切到“用户要什么” ​

  • 程序员很容易从自己会什么出发：我会这个技术，我想试这个框架，我能把这个流程自动化。
    • 但真实世界不奖励“你刚好会什么”。真实世界奖励 的是“你解决了谁的什么问题”。
    • 技术人的最大风险，是把自己的能力边界误认为世界的需求边界。

6.3. 代码会便宜，品味会变贵 ​

  • 游戏好不好玩，软件好不好用，不能只靠规则和功能堆出来。
  • AI 可以给你很多方案，但它不知道哪一个更克制、更顺手、更符合用户真正想要的东西。这个判断最终还是要靠人。

6.4. 学会做混合系统 ​

不要纠结 AI 是不是替代一切。更现实的答案是混合系统：

  • 人决定方向。
  • AI 扩展代码、测试、搜索、验证。
  • 工程系统负责稳定性、权限、部署、可观测性。
  • 人最后负责品味和取舍。

未来强的程序员，不是比 AI 更会写代码的人，而是能把 AI 放进真实工作流，让它稳定产出的人。

7. 我自己的判断 ​

我的判断很简单：

程序员接下来要么升级成产品型工程师，要么升级成AI 系统整合者，要么就会被挤到越来越窄的执行层。

产品型工程师不是产品经理，而是能判断：

  • 这个东西为什么存在？
  • 用户为什么持续用？
  • 哪些复杂度值得保留？
  • 哪些技术只是自嗨？
    AI 系统整合者也不是会调 prompt，而是能判断：
  • 哪些环节适合 AI？
  • 哪些环节必须保留确定性？
  • 怎么验证 AI 输出？
  • 怎么让 AI 进入真实工作流，而不是停在 demo？

这两个方向，本质上都要求我这个程序员走出“我只负责实现”的位置。

8. 最后，实事求是 ​

实事求是很痛苦，但不实事求是更危险。

AI 时代最残酷的地方，是它会逼我承认：很多过去赖以生存的东西正在被重新定价。

9. 相关链接 ​

原播客： https://www.xiaoyuzhoufm.com/episode/69eaf23c1e94ae6921093475