Nacido en 1997, comparte escenario con Huang Renxun: quiere cambiar el sector de los videojuegos de otra manera

El 10 de enero, al mediodía, me reuní con Song Yachen en la oficina de VAST. Acababa de terminar la reunión de la mañana y por la tarde tenía que reunirse con unos inversores. El día anterior, MiniMax, empresa de la que fue cofundador, acababa de salir a bolsa y, en su primer día, su capitalización bursátil superó los 100.000 millones de dólares de Hong Kong. Y, como de costumbre, se quedó jugando a videojuegos hasta las tres de la madrugada.

VAST, fundada a principios de 2023, se ha convertido hoy en día en uno de los principales actores del sector de la generación 3D: cuenta con más de 6,5 millones de usuarios y, en agosto del año pasado, sus ingresos recurrentes anuales (ARR) superaban ya los 12 millones de dólares; su equipo está formado por varias decenas de doctores y científicos especializados en el campo interdisciplinar de la inteligencia artificial y la informática gráfica, que han publicado más de 60 artículos científicos.

El mes pasado lanzaron la versión 1.0 de Tripo Studio y, hace unos días, anunciaron un concurso de videojuegos dirigido a desarrolladores independientes.

Song Yachen desprende una fuerte sensación de contraste.

Nació en 1997 y cursó la carrera de Relaciones Internacionales y Economía en la Universidad Johns Hopkins. En su tercer curso, realizó un intercambio en Israel, donde un profesor le dijo: «Acepta la complejidad del mundo».

Aunque no tiene formación técnica, se ha dedicado al campo de la IA de vanguardia. En 2019, se incorporó a SenseTime, donde trabajó en tareas estratégicas en la oficina del director general, investigando cómo integrar y aplicar la IA en el mundo de la animación y los videojuegos. En 2021, participó en la fundación de MiniMax como empleado n.º 001 y cofundador desde el inicio.Sin embargo, a finales de 2022, coincidiendo con el lanzamiento de GPT-3.5 y en pleno auge de los grandes modelos de lenguaje, Song Yachen tomó una decisión contraria a lo que dicta el sentido común: abandonar MiniMax y apostar por el 3D.

En aquel momento, Google lanzó Dreamfusion, lo que hizo posible la generación de contenidos en 3D. Su opinión era que el paso del 3D al vídeo, a las imágenes y al texto era un proceso de compresión continua de la información, y que el 3D era el código fuente, más esencial que cualquier otro medio, por lo que merecía la pena apostarlo todo por él.

A principios de 2023, fundó VAST y, ese mismo año, se convirtió en el primer chino en pronunciar una ponencia magistral en los 50 años de historia de SIGGRAPH, compartiendo escenario con Huang Renxun, de NVIDIA.

La primera edición del Tripo Game Jam comenzó el 8 de enero

Más allá de su aura de emprendedor, Song Yachen es también un jugador empedernido: le gustan los juegos de estrategia (SLG) y los de rol (RPG), ha sido líder de una alianza en «Shuitu Zhibin»; ha llegado a ser el octavo del mundo en ajedrez en su categoría de edad; y cada una o dos semanas se reúne con amigos para jugar una partida de D&D (Dragones y mazmorras)…

En el instituto, se acostaba cada noche a las 11 y se levantaba a las 3 de la madrugada para hacer los deberes; al salir de clase, primero jugaba al ajedrez durante tres o cuatro horas y luego se pasaba otras tres o cuatro horas jugando a videojuegos.En la universidad, como le gustaba sentarse en la cama a jugar a videojuegos, le hizo un hoyo en el colchón Simmons. Ahora que tiene su propia empresa, su rutina sigue siendo la misma: se levanta a las 7 u 8 de la mañana, trabaja hasta las 9 o 10 de la noche y luego juega a videojuegos hasta las tres o cuatro de la madrugada.

Fue precisamente su condición de jugador lo que le permitió detectar antes que la mayoría de los emprendedores del sector de la IA los puntos débiles de la industria de los videojuegos.

En 2019, mientras trabajaba en «IA + videojuegos» en SenseTime, solía asistir a eventos del sector y descubrió que, aunque muchas mecánicas de juego eran bastante interesantes, los gráficos solían ser bastante rudimentarios. Muchas personas querían crear juegos en 3D, pero al final se veían obligadas a conformarse con el 2D, eligiendo ángulos de visión extraños, lo que impedía que se aprovechara al máximo el potencial de las mecánicas de juego.

En 2020 y 2021, participó en dos ediciones consecutivas de la Global Game Jam, donde se puso manos a la obra como diseñador de juegos. Descubrió una pauta: lo que más faltaba en los equipos formados allí mismo eran artistas y programadores, mientras que los diseñadores eran los más numerosos. En los grupos de chat, todo el mundo gritaba: «¡Faltan artistas!», «¡Faltan programadores!».Muchos no daban a tiempo de terminarlo, así que se veían obligados a poner un personaje de relleno para completar el equipo.

Los altos costes y los largos plazos de producción de los contenidos artísticos siempre han sido un punto débil del sector. En una ocasión, en la GDC, conoció a un desarrollador independiente cuya tarjeta de visita llevaba impreso el nombre de tal o cual estudio, y parecía muy profesional. Tras charlar un rato, se enteró de que llevaba diez años en esa «empresa» y, al mismo tiempo, tenía innumerables trabajos a tiempo parcial, todo ello con el único fin de mantener ese estudio en el que trabajaba él solo.Se tarda diez años en desarrollar un juego y, durante ese tiempo, hay que aceptar innumerables trabajos subcontratados para poder seguir soñando.

«Esto está limitando demasiado la creatividad de todos».

Song Yachen tiene una opinión más crítica sobre el sector de los videojuegos. Él mismo es un jugador empedernido y ha gastado bastante dinero en videojuegos, pero no tiene ningún reparo en afirmar que el modelo de negocio actual de los videojuegos obstaculiza gravemente su diversidad.

«¿Por qué? Por una sola razón: crear videojuegos es demasiado difícil y demasiado caro».

Dijo que a él también le apetecía comer hamburguesas electrónicas, ensaladas electrónicas y muslos de pollo electrónicos: esas cosas sanas, ligeras y que no crean adicción. Pero, ¿por qué hay tan pocas en el mercado? Porque no se gana suficiente dinero con ellas.

En su opinión, se trata de un resultado inevitable determinado por la estructura de costes. Las barreras de entrada a la creación son demasiado altas, lo que hace que la mayoría de los productos se vean obligados a orientarse hacia la vía que ofrece mayor eficiencia en la generación de ingresos.

Teniendo en cuenta el ritmo actual de desarrollo de la IA, Song Yachen prevé que, en los próximos uno o dos años, la generación 3D podría llegar a un nivel tal que «la gente no tendrá más remedio que utilizarla».

Para entonces, es posible que asistamos a una explosión de creatividad.

A continuación se incluye la entrevista de «Game Teahouse» a Song Yachen, cuyo contenido ha sido editado.

01

La creatividad en el sector de los videojuegos se ve gravemente obstaculizada

Cafetería: ¿Por qué decidiste dejar MiniMax para montar tu propio negocio?

Song Yachen: A finales de 2022, Google lanzó Dreamfusion, la primera obra maestra de la generación 3D. La generación 3D ya es una realidad, y creo que los grandes modelos 3D suponen una gran oportunidad, por lo que deberíamos apostar por ellos a fondo.

Pero en aquel momento, GPT y OpenAI estaban en pleno apogeo, y era muy difícil convencer a todo el mundo de que apostáramos por el 3D. Sin embargo, yo consideraba que el 3D era algo más esencial y a más largo plazo, así que decidí dar el paso y apostar por él.

Cafetería: ¿Cuándo empezaste a tener contacto con el sector de los videojuegos?

Song Yachen: Cuando trabajaba en SenseTime en los proyectos «IA + videojuegos» e «IA + animación», solía asistir a eventos del sector de los videojuegos.Recuerdo que en 2019 asistí a una jornada de contactos en una tetería, donde conocí a muchos inversores, grandes editoras y empresas de I+D pequeñas y medianas. Muchos de esos pequeños estudios eran nuestros clientes objetivo, así que fui añadiendo a cada uno de ellos en WeChat.

Por supuesto, las grandes empresas de videojuegos también participan, pero las que realmente ofrecen juegos divertidos son las pequeñas: son ellas las que crean muchas formas nuevas de jugar, y no se limitan a comprar productos para contentar al jefe o cumplir con el KPI de «cuánta IA hay que usar este año». Son capaces de sacarles partido a las cosas divertidas.

Tetería: ¿He oído que también has participado en un Game Jam?

Song Yachen: Sí, participé dos veces, en 2020 y en 2021. La primera vez formé equipo con un diseñador gráfico de 37 Interactive Entertainment, un programador de iFlytek y un redactor publicitario, y creamos un juego de coctelería en 3D. El resultado final no fue nada del otro mundo, pero nos lo pasamos muy bien.

Cuando participé en un Game Jam presencial, me di cuenta de que lo que más faltaba a la hora de formar equipos allí mismo eran diseñadores gráficos e ingenieros, mientras que los diseñadores de juego eran los más numerosos.En los grupos de chat no paraban de decir: «Faltan diseñadores gráficos, faltan programadores». Además, los diseñadores gráficos a menudo no dan a tiempo con el trabajo, por lo que muchos se limitan a poner un personaje provisional o a subir bocetos que han hecho en su tiempo libre para que el proyecto parezca un poco más completo. Si no tienes material ya preparado, empezar desde cero resulta muy complicado.

Cafetería: ¿Fue a partir de entonces cuando empezaste a fijarte en ese punto débil del arte?

Song Yachen: Las artes plásticas siempre han sido el mayor escollo.

En Shanghái hay una comunidad llamada «Random Encounters», organizada por un grupo de extranjeros de Ubisoft. Organizan ese tipo de eventos en los que la gente lleva sus demos para que los demás las prueben. He participado varias veces y he visto que muchas de las mecánicas de juego son bastante interesantes, pero el diseño artístico suele ser bastante rudimentario.Muchos tenían la intención inicial de hacerlos en 3D, pero el desarrollo en 3D no solo es complicado en cuanto al diseño artístico, sino que todo el proceso de desarrollo resulta complejo, por lo que al final se ven obligados a optar por el 2D, eligiendo ángulos de cámara extraños que dificultan la representación de los combates.

Las grandes empresas cuentan con presupuesto para desarrollar el diseño artístico y los recursos; una vez finalizadas las pruebas del proyecto, se ocupan de eso, y todo sale como debe ser. Sin embargo, para los pequeños estudios y los desarrolladores independientes, la situación es bastante más complicada. He visto a gente con auténticas aspiraciones que se pasa diez años trabajando en un juego y, para mantener a flote su estudio, tiene que aceptar innumerables encargos externos durante ese tiempo.

Cafetería: Se tarda mucho tiempo en pulir un juego, sobre todo cuando el equipo no es muy grande.

Song Yachen: Esto está limitando demasiado la creatividad de todos.

Ahora el código es más sencillo, y muchas personas saben utilizar herramientas como Cursor, sobre todo los jefes de producto y los planificadores. Ya son capaces de crear bastantes elementos en 2D, lo que sin duda supone un avance.

Pero con el 3D la cosa cambia. Por un lado, la tecnología aún no está lo suficientemente madura, sobre todo en lo que respecta a la creación de escenarios de gran envergadura, donde quizá aún falte algo; por otro lado, pasar del 2D al 3D supone de por sí un gran obstáculo: el marco técnico, la arquitectura y el motor en su conjunto cambian, lo que hace que los costes se disparen de golpe.

Pero también sabemos que los juegos en 2D son, sin duda, menos satisfactorios en cuanto a la experiencia y la inmersión. Muchos juegos independientes no es que no quieran hacer juegos en 3D, sino que la dificultad y el coste de la producción artística y el desarrollo de la programación son demasiado elevados; ante esta situación, no les queda más remedio que conformarse con el 2D.

02

Cuando los costes de creación se acercan a cero, surgen cosas nuevas.

Tehouse: ¿Qué cambios se producirán en el sector de los videojuegos cuando la tecnología de modelos 3D a gran escala y la generación de código alcancen la madurez?

Song Yachen: Si nos centramos únicamente en el juego en sí, es posible que no veamos el verdadero cambio. Lo que vemos, en realidad, es la aparición de algo nuevo.

Los videojuegos son el noveno arte y, al igual que el cine, las obras literarias clásicas o los murales, son creaciones que requieren la participación de un gran número de personas, una importante inversión económica y mucho tiempo para completarse. Es un poco como cuando Miguel Ángel, acompañado de varias decenas de personas, pintó la bóveda de la Capilla Sixtina, un trabajo que le llevó varios años. El desarrollo de videojuegos es, en realidad, igual.

Estas formas artísticas tienen una característica en común: su elevado coste. Este aspecto es fundamental. Debido a ese elevado coste, las exigencias en cuanto a ingresos también son elevadas. Y cuando las exigencias comerciales son muy altas, se tiende a convertir cada obra en un producto independiente, capaz de cerrar el ciclo comercial.

Hoy en día, cualquier juego es un producto: «Honor of Kings», «PUBG», «Genshin Impact», «Match 3» y «King of Xianyu» son, todos ellos, productos que forman un ciclo cerrado de principio a fin.Lo mismo ocurre con las películas y las novelas: ¿acaso no se espera que todas ellas generen beneficios? Las películas de Disney deben ser rentables, y la familia Médici tuvo que pagar por los cuadros de Miguel Ángel.

Cafetería: ¿A qué te refieres exactamente con eso de «cosas nuevas»?

Song Yachen: La novedad radica en que, cuando el coste de crear contenido tiende a cero, no tengo por qué esperar ganar dinero. Si no espero ganar dinero, puede servir para compartir sentimientos, presumir de ideas, transmitir información, desahogarse… Puede ser cualquier cosa, sin necesidad de que se convierta en un producto completo de principio a fin.

Por ejemplo, muchos de los materiales publicitarios de los juegos para captar usuarios son realmente divertidos, pero el contenido interactivo de esos materiales suele estar oculto, como una modalidad secundaria, en juegos muy comercializados.¿Por qué tienen que ser solo modos de juego secundarios? Por una única razón: no generan ingresos de principio a fin. Por eso no pueden considerarse «juegos» tal y como los definimos actualmente. Pero, ¿no son juegos? A mí me parecen muy lúdicos.

El modelo de negocio actual de los videojuegos obstaculiza gravemente su diversidad. ¿Por qué? Por una sola razón: crear videojuegos es demasiado difícil y demasiado caro.Hay que ganar dinero: primera recarga, segunda recarga, recargas acumuladas, todo tipo de eventos festivos… Parece que quieren meterte 100 cosas por la fuerza y dejarte la cartera bien vacía. Yo mismo soy un jugador empedernido y me he gastado bastante dinero en ellos.

Cafeterías: el umbral de entrada para la creación es demasiado alto, por lo que la mayoría de los productos se ven obligados a orientarse hacia una mayor eficiencia comercial.

Song Yachen: Tanto el texto como las imágenes y los vídeos ya han superado ese obstáculo. Cuando el coste de la creación se reduce casi a cero, surgen cosas nuevas: si todavía tuviéramos que grabar caracteres en un caparazón de tortuga, ¿cómo podrían existir Weibo, Zhihu o Xiaohongshu? Si para grabar vídeos aún se necesitaran cámaras profesionales y película fotográfica, tampoco habría aparecido Douyin.

Hoy en día, cuando se habla de vídeos, lo primero que nos viene a la mente son TikTok, Kuaishou y Bilibili, no el cine. El cine solo representa una pequeña parte del sector del vídeo en su conjunto, y es posible que en el futuro ocurra lo mismo con los videojuegos: de entre todo el contenido interactivo, los «videojuegos» en el sentido tradicional solo constituirán una pequeña parte. Cuando pensamos en contenido interactivo, lo primero que nos viene a la mente ya no son los videojuegos, sino esas novedades.

No sé cómo se llama esta novedad, pero desde luego no es «minijuegos». Alguien me preguntó: «¿Quieres crear una plataforma de minijuegos?». Le respondí que no. La razón es muy sencilla: Zhang Yiming creó TikTok, ¿se puede decir que es una «plataforma de minivídeos»?

Cafeterías: ¿Cuándo aparecerá esta novedad?

Song Yachen: Todavía estamos en una fase inicial. Antes de que aparecieran las cámaras de los móviles, no se podía crear TikTok: si ni siquiera había cámaras, ¿cómo se iba a hacer?

Por eso estalló la burbuja del metaverso. En aquel momento, mucha gente que se adentraba en el metaverso decía lo mismo: «No hay nada que experimentar». El metaverso es enorme, pero tu casa está vacía, ¿qué se puede hacer allí?Si te metes en el GTA, te encuentras con todo tipo de historias: hay bandas de mafiosos tatuados, calles llenas de luces y vida nocturna, y cada valla publicitaria es diferente. Solo cuando se llega a ese nivel de detalle hay tanto contenido que consumir. Por supuesto, eso ha costado mucho dinero, ya que todo está creado a mano.

Pero, ¿y si se pudiera crear algo como GTA sin ningún tipo de barrera de entrada, sin coste alguno y generado en tiempo real? Yo mismo podría hacer uno hoy mismo, o incluso varios. Es bastante divertido, pero probablemente nadie le dedicaría mucho tiempo: un minuto, dos minutos o incluso 20 segundos. Con eso basta; ya puedes ir a crear el siguiente mundo y dedicarte a otras cosas.

Esta novedad, con una interacción tan intensa y una experiencia tan sencilla, llega sin duda demasiado pronto. Quizá haya que esperar un poco más a los que nos dedicamos a la IA.

03

El 3D es el código fuente de la información y resulta más esencial que otros medios.

Cafetería: ¿Crees que el 3D es más esencial que las imágenes o los vídeos?

Song Yachen: La idea generalizada es que, al pasar del texto a la imagen, del vídeo al 3D, la densidad de la información aumenta constantemente y la experiencia se eleva gradualmente a una nueva dimensión. Esta idea es errónea.

En realidad, es al revés: desde el 3D hasta el vídeo, pasando por las imágenes y el texto, se trata de un proceso en el que la información se va comprimiendo y perdiendo continuamente.

El universo lleva miles de millones de años evolucionando y solo contiene información en 3D. La evolución de la vida lleva miles de millones de años y solo contiene información en 3D.La humanidad, a lo largo de cientos de miles de años, hasta hace tres mil o cinco mil años, tampoco disponía más que de información tridimensional. En Liangzhu, Hongshan y Sanxingdui, todo lo que se ha desenterrado son máscaras, joyas y tótems —objetos tridimensionales—, en lugar de textos, imágenes o vídeos.

¿Por qué? Porque el texto, las imágenes y los vídeos son formatos de compresión inventados recientemente por el ser humano. Hace tres o cinco mil años se descubrió que se podía transmitir información en caparazones de tortuga y tablillas de bambú, pero, dado que los soportes tenían una capacidad limitada, era necesario comprimirla, y así surgió el texto. Lo mismo ocurre con el vídeo: se inventó hace poco más de 100 años y es otro formato de compresión.

Por eso el 3D es el código fuente y los archivos originales, mientras que el texto, las imágenes y los vídeos son modelos simplificados. ¿Por qué modelos simplificados? Porque la GPU no da para más y el ancho de banda es insuficiente. Con 2G solo se puede transmitir texto; con 4G ya se pueden transmitir vídeos. Cuando todo el mundo tenga fibra óptica, volveremos a los archivos originales, porque ofrecen la mejor experiencia.

Lo mismo ocurre con el entrenamiento de la IA. ¿Qué grado de arrogancia hay que tener para pensar que la inteligencia artificial general debería entrenarse a partir de texto, es decir, un formato comprimido? ¿No debería entrenarse a partir de los archivos originales? Por eso tanto Li Feifei como Yang Likun están trabajando en modelos del mundo y grandes modelos 3D. Todo el mundo se ha dado cuenta de que hay que entrenar a partir de la información más primigenia.

Tehouse: ¿Por qué el desarrollo de los grandes modelos 3D no avanza tan rápido como el de otras modalidades?

Song Yachen: Tres razones.

En primer lugar, la falta de personal cualificado. Ya de por sí hay poca gente dedicada a la informática gráfica, y aún menos en la intersección entre la informática gráfica y la inteligencia artificial: antes nunca se habían cruzado, pero de repente se han fusionado, y hay muy pocas personas capaces de trabajar en ello. Es muy difícil encontrar a un catedrático de 50 años que se haya dedicado a investigar esto toda su vida, ya que se trata de un campo totalmente nuevo. Por eso, nuestro equipo está compuesto básicamente por doctores menores de 30 años.

En segundo lugar, la falta de datos. Hoy en día es muy habitual hacer fotos, escribir textos y publicarlos en el «Momento», pero ¿a cuántas personas has visto haciendo modelos y publicándolos en el «Momento»? Hay que buscar la forma de conseguir datos en todos los rincones imaginables.

En tercer lugar, el proceso es demasiado largo. No acaba una vez que se ha completado la generación geométrica: texturas, PBR, normales, UV, topología, esqueletos, animaciones, efectos especiales… Son demasiadas cosas. Estás creando un mundo.

De entre todas las creaciones generadas por IA, solo el 3D y el código se parecen especialmente. Mucha gente dice que somos el «Cursor del 3D», y la verdad es que tiene sentido. Casi todos los grandes modelos son del tipo «modelo como producto»: un cuadro de diálogo en el que se introduce texto y se obtiene un resultado, algo muy sencillo. Solo el código y el 3D no funcionan así.Cursor se parece a VSCode, mientras que nosotros nos parecemos a un motor, porque es un proceso en cadena, no se limita a una entrada y una salida y ya está. Además, los artistas 3D y los programadores se parecen mucho, tanto en número como en salarios y hábitos de uso.

En términos más fundamentales, para construir un mundo solo se necesitan dos cosas: crear todo lo que existe y establecer las reglas. Nosotros nos encargamos de crear todo lo que existe, y el código se encarga de establecer las reglas. La unión de estas dos cosas da lugar a un mundo, algo más esencial que el texto, las imágenes o los vídeos.

Tehouse: ¿Qué relación hay entre los modelos 3D a gran escala y los modelos del mundo?

Song Yachen: Los modelos 3D darán lugar a modelos del mundo. Estos modelos del mundo, tras haber analizado una gran cantidad de datos tanto del mundo virtual como del mundo real, son capaces de simular automáticamente tanto la lógica como la física.

Por ejemplo, una puerta debería poder abrirse. Y ese «abrirse» depende de cómo sean la barra y el muelle que hay en la parte superior: si el muelle apunta hacia dentro, se abre hacia dentro; si apunta hacia fuera, se abre hacia fuera. Es capaz de comprender esto. Primero lo divide, identifica qué hay ahí arriba, luego lo comprende y, por último, lo genera.

Una vez que se cuenta con un modelo del mundo, resulta muy fácil crear muchos videojuegos de rol.

Cafetería: Actualmente, los juegos que incorporan la inteligencia artificial se centran básicamente en el género de los RPG: chatbots, PNJ inteligentes… Pero, en realidad, los RPG no son el género más importante.

Song Yachen: Creo que quienes se dedican a la IA y quienes se dedican a los videojuegos aún no se comprenden mutuamente. La gente piensa que los juegos como los MOBA se basan en reglas, al igual que el go, y que es muy difícil adaptarlos a la IA.

Sin embargo, la reducción de costes y la mejora de la eficiencia no deberían estar totalmente separadas de la innovación en la mecánica de juego. No es muy realista transformar directamente «Honor of Kings» mediante la IA, pero si se reduce el umbral de creación, es posible que haya un sinfín de personas que elaboren prototipos similares, y de entre todos esos prototipos podrían surgir una o dos mecánicas de juego excepcionales.

En esencia, hay que probar cosas nuevas con las nuevas capacidades; así es posible que surjan ideas interesantes. Pero, de momento, el coste de probarlas sigue siendo demasiado elevado. Si bastara con gastar 50 yuanes y dedicar dos días, todo el mundo lo haría. Pero si hay que gastar 5 millones y dedicarle dos años, ya no resulta tan fácil.

Cafetería: ¿Qué opinas del ritmo de desarrollo de la inteligencia artificial?

Song Yachen: Muchas de las tecnologías actuales, si se hubieran desarrollado en los últimos 1.000 años, habrían sido sin duda los inventos más destacados de cada siglo.

Por ejemplo, la generación de vídeos. Antes solo había dos tipos de vídeos: los que se grababan en el mundo físico, buscando una ubicación y un ángulo para filmar durante un tiempo —eso es la filmación—; y los que se creaban en el mundo virtual, buscando una ubicación y un ángulo para filmar durante un tiempo —eso es la animación—.La generación de vídeos mediante IA ha logrado algo extraordinario: sin necesidad de cámaras físicas ni virtuales, sin buscar localizaciones ni ángulos y sin dedicar tiempo a la filmación, crea directamente algo que nunca ha existido. Esto debería ganar el Premio Nobel.

Lo mismo ocurre con la generación 3D. Antes no había nada, y ahora basta con decir una frase para que aparezca un modelo: la palabra se convierte en realidad, como el pincel mágico de Ma Liang. Pero después de tres años contemplando este espectáculo, la gente ya se ha acostumbrado.

04

La tecnología de generación 3D evolucionará rápidamente hasta el punto de que será imposible ignorarla

Cafetería: ¿Cuál ha sido la trayectoria de desarrollo de VAST?

Song Yachen: Al principio queríamos crear una nueva plataforma de contenidos, una especie de TikTok con contenido nuevo, pero fracasamos.

¿Por qué fracasó? Porque no surgió nada nuevo en cuanto a las «cámaras de los móviles» y faltaban herramientas de creación al alcance del gran público. Como el público no podía participar, seguías recurriendo a la misma élite artística, que solo se dedicaba a esto en su tiempo libre. Que un director grabe un vídeo porque tiene tiempo libre no es lo mismo que que el señor de la puerta grabe uno.

Una vez que nos dimos cuenta de este problema, pensamos en cómo conseguir que incluso el señor Er, el vecino de la puerta de al lado, pudiera hacerlo. Por eso nos decantamos por los grandes modelos 3D y, más adelante, por los modelos del mundo, con el objetivo de que todo el mundo pueda crear experiencias inmersivas, altamente interactivas y con contenido ligero.

Cafetería: ¿Qué habéis hecho exactamente?

Song Yachen: El 31 de mayo de 2025 lanzamos la versión 0.1 de Studio, es decir, la versión beta, y los ingresos se multiplicaron por dos o tres en un mes y por cinco o seis en un trimestre. Solo hicimos una cosa: convertimos el cuadro de diálogo original «el modelo es el producto» en un motor, en un Studio.

En sus inicios, la versión no estaba completa, por eso se denominó 0.1. Acabamos de lanzar Tripo Studio 1.0 y esperamos seguir iterando sobre esta versión para ir creando poco a poco un nuevo flujo de trabajo que sustituya al antiguo proceso de producción 3D, que era muy complejo y en el que intervenían diferentes complementos y motores.

Está dirigido en parte a usuarios profesionales, pero también a lo que llamamos «Pro C»: usuarios finales con ciertos conocimientos profesionales. Muchas personas que utilizan esta herramienta no se ganan la vida con ella; puede que no sean modeladores, sino dibujantes que la utilizan como referencia para el 3D, o quizá sean publicistas.

Tea House: ¿A qué distancia estamos, en este momento, de la visión de un «TikTok en 3D»?

Song Yachen: Estamos desarrollando una aplicación de edición de vídeo en 3D, o mejor dicho, una aplicación de edición de contenido interactivo, que permita a todo el mundo crear contenido interactivo en 3D sin ningún tipo de barrera de acceso ni coste alguno, tanto en el ordenador como en el móvil. Puede que no sea solo una herramienta, sino que también incluya una plataforma y una comunidad.

Llevamos tiempo trabajando en ello y mejorando continuamente. Contamos con un grupo de creadores de la comunidad muy comprensivos que nos acompañan en este proceso de mejora.

Tehouse: ¿Cómo es actualmente el panorama competitivo de los grandes modelos 3D? ¿Cuáles son las ventajas clave de VAST?

Song Yachen: En el extranjero no hay demasiados competidores; actualmente, AI 3D está obteniendo buenos resultados en el mercado nacional.

Nuestra ventaja radica en nuestra solidez técnica y en la calidad de los resultados que generamos. En primer lugar, contamos con un gran volumen de datos, un orden de magnitud superior al de otras empresas. En segundo lugar, contamos con un equipo de expertos: tenemos varias decenas de doctores y científicos especializados en el campo interdisciplinar de la inteligencia artificial y la informática gráfica, que han publicado más de 60 artículos científicos.

Cafetería: ¿No debería haber más datos de Dachang?

Song Yachen: No son tantos. ¿Cuántos modelos 3D tiene un juego? 10 000 ya es mucho. Ni siquiera las grandes empresas habrán creado más de 500 videojuegos 3D a gran escala, ¿no? Si contamos 500, eso son 5 millones; nosotros tenemos al menos 50 millones.

Tehouse: Algunos profesionales afirman que integrar la tecnología de generación 3D en los procesos actuales resulta complicado. ¿Qué opinas al respecto?

Song Yachen: Es cierto que cada canal tiene sus propios requisitos: el método de estratificación, el formato de los mapas y las normas de nomenclatura son diferentes. Pero creo que ahora no es el momento de preocuparse por eso. Si es fácil de usar, la gente lo utilizará.

Es como cuando los móviles grababan en 360p o 720p: las empresas de videojuegos decían que «no servía para nada, era basura». Al llegar a los 1080p, decían que «se podía usar, pero el formato no encajaba del todo con nuestro sistema interno».Pero cuando se pueda grabar en 4K u 8K, y además casi gratis —lo que antes costaba 100.000 yuanes ahora cuesta un céntimo; lo que antes llevaba meses, ahora se hace en 10 segundos—, ¿seguirás diciendo que «mi flujo de trabajo es muy complejo»? No lo harás.Pensarás: «¿Cómo puedo integrar la IA para crear un nuevo flujo de trabajo? El primero que lo consiga será el que se lleve todo el mérito».

Esto demuestra que la generación 3D aún no es lo suficientemente buena. Si lo fuera, preguntarían: «¿Cuál es tu interfaz? ¿Cómo podemos adaptar mejor el flujo de trabajo?».

Tehouse: ¿Cuándo crees que la generación 3D llegará a un nivel tal que todo el mundo se vea obligado a utilizarla?

Song Yachen: Creo que en 2026 habrá oportunidades. El ritmo de desarrollo es muy rápido; si observas la evolución tecnológica de 2023, 2024 y 2025, verás que no están ni en el mismo nivel. Básicamente, cada mes hay una actualización de la versión, sin obstáculos; es simplemente una cuestión de dedicar tiempo y esfuerzo.

Tehouse: ¿Qué tipo de juegos te gustan? ¿Qué te gustaría hacer tú mismo con la tecnología de generación 3D?

Song Yachen: En cuanto a los juegos de estrategia (SLG) y los de rol (RPG), me gusta competir contra otros jugadores. Me gustan todos aquellos con un fuerte componente estratégico, como «Civilization», «Total War» o «Victoria».

Me gustaría crear un juego en 3D con un enfoque más bien de estrategia (SLG). El 3D es la base de la jugabilidad y ofrece muchas posibilidades interesantes.