Nascido em 1997, partilhou o palco com Huang Renxun: ele quer mudar a indústria dos videojogos de uma forma diferente

Ao meio-dia de 10 de janeiro, encontrei-me com Song Yachen no escritório da VAST. Ele tinha acabado de sair de uma reunião da manhã e ainda tinha um encontro com investidores à tarde. No dia anterior, a MiniMax, empresa da qual ele foi cofundador, tinha acabado de entrar na bolsa, com a capitalização de mercado a ultrapassar os 100 mil milhões de dólares de Hong Kong logo no primeiro dia. E, como de costume, ele ficou a jogar até às três da manhã.

Fundada no início de 2023, a VAST tornou-se hoje uma das principais empresas no setor da geração 3D — com mais de 6,5 milhões de utilizadores e, em agosto do ano passado, a receita anual recorrente (ARR) da empresa já ultrapassava os 12 milhões de dólares; a equipa conta com dezenas de doutorados e cientistas na área interdisciplinar da IA e da computação gráfica, tendo publicado mais de 60 artigos científicos.

No mês passado, acabaram de lançar a versão 1.0 do Tripo Studio e, há alguns dias, anunciaram ainda um concurso de jogos destinado a programadores independentes.

Song Yachen transmite uma forte sensação de contraste.

Nasceu em 1997 e licenciou-se em Relações Internacionais e Economia na Universidade Johns Hopkins. No terceiro ano da licenciatura, participou num programa de estudos em Israel, onde um professor lhe disse: «Aceita a complexidade do mundo».

Apesar de não ter formação técnica, dedicou-se à área de ponta da IA. Em 2019, ingressou na SenseTime, onde desempenhou funções relacionadas com a estratégia no gabinete do CEO, investigando como a IA poderia ser combinada e implementada na animação e nos jogos. Em 2021, participou na fundação da MiniMax como o funcionário n.º 001 e um dos cofundadores iniciais.No entanto, no final de 2022, com o lançamento do GPT-3.5 e no auge da popularidade dos grandes modelos linguísticos, Song Yachen tomou uma decisão contrária ao senso comum: deixar a MiniMax para se dedicar totalmente ao 3D.

Na altura, a Google lançou o Dreamfusion, tornando possível a geração de imagens em 3D. A sua conclusão foi a seguinte: do 3D ao vídeo, passando pelas imagens e pelo texto, trata-se de um processo de compressão contínua da informação; o 3D é o código-fonte, mais essencial do que os outros meios de comunicação, e vale a pena apostar tudo nele.

No início de 2023, fundou a VAST e, nesse mesmo ano, tornou-se o primeiro chinês a proferir uma palestra principal nos 50 anos de história da SIGGRAPH, partilhando o palco com Huang Renxun, da NVIDIA.

A primeira edição da Tripo Game Jam teve início a 8 de janeiro

Para além da aura de empreendedor, Song Yachen é também um jogador inveterado: gosta de jogos de estratégia (SLG) e RPG, já foi líder de aliança no jogo «Shu Tu Zhi Bin»; no xadrez, chegou ao oitavo lugar mundial na sua faixa etária; e, de duas em duas semanas, reúne os amigos para uma partida de D&D (Dragão e Masmorras)……

No ensino secundário, ele adormecia todas as noites às 23h e acordava às 3h da manhã para fazer os trabalhos de casa; depois das aulas, jogava xadrez durante três ou quatro horas e, em seguida, jogava videojogos durante outras três ou quatro horas.Na universidade, como gostava de jogar sentado na cama, acabou por fazer um buraco no colchão Simmons. Agora que criou a sua própria empresa, a rotina continua a mesma: acorda às 7 ou 8 da manhã, trabalha até às 9 ou 10 da noite e, depois, joga até às 3 ou 4 da madrugada.

Foi precisamente esta sua identidade de jogador que lhe permitiu identificar, mais cedo do que a maioria dos empreendedores da área da IA, os pontos fracos da indústria dos jogos.

Em 2019, enquanto trabalhava na «IA + jogos» na SenseTime, ele participava frequentemente em eventos do setor e descobriu que muitas mecânicas de jogo eram bastante interessantes, mas os gráficos eram, em geral, de fraca qualidade. Muitos queriam criar jogos em 3D, mas acabavam por ter de se contentar com o 2D, optando por ângulos de visão estranhos, o que impedia que o potencial das mecânicas de jogo fosse plenamente explorado.

Em 2020 e 2021, participou em duas edições consecutivas da Global Game Jam, assumindo o papel de designer e criando jogos. Descobriu uma tendência: nas equipas formadas no local, o que mais faltava eram designers gráficos e programadores, enquanto havia um excesso de designers. No grupo de chat, havia pessoas por todo o lado a dizer: «Faltam designers gráficos», «Faltam programadores».Muitas pessoas não conseguiam terminar a tempo e tinham de colocar um boneco provisório só para preencher o espaço.

Os elevados custos e os longos prazos de produção artística têm sido, desde sempre, um ponto fraco do setor. Certa vez, na GDC, ele conheceu um programador independente cujo cartão de visita exibia o nome de um tal «Studio», com um aspeto muito formal. Só depois de conversarem um pouco é que descobriu que o outro trabalhava nessa «empresa» há dez anos, ao mesmo tempo que exercia inúmeros trabalhos a tempo parcial — apenas para sustentar aquele estúdio onde era a única pessoa.Demora dez anos a desenvolver um jogo e, durante esse período, é necessário aceitar inúmeros trabalhos de subcontratação para poder continuar a sonhar.

«Esta situação está a afetar demasiado a criatividade de todos.»

Song Yachen tem uma opinião mais contundente sobre a indústria dos videojogos. Ele próprio é um jogador assíduo e já gastou bastante dinheiro em jogos, mas não hesita em afirmar: o atual modelo de negócio dos videojogos está a prejudicar gravemente a diversidade dos jogos.

«Porquê? Por uma única razão: criar jogos é demasiado difícil e demasiado caro.»

Ele disse que também gostaria de comer hambúrgueres eletrónicos, saladas eletrónicas e coxas de frango eletrónicas — aquelas coisas saudáveis, leves e que não criam dependência. Mas por que razão há tão poucas no mercado? Porque não dão lucro suficiente.

Na sua opinião, trata-se de um resultado inevitável determinado pela estrutura de custos. As barreiras à criação são demasiado elevadas, o que leva a que a maioria dos produtos tenha de se orientar para a direção que proporciona a maior eficiência em termos de rentabilização.

Tendo em conta o ritmo atual de desenvolvimento da IA, Song Yachen prevê que, nos próximos um ou dois anos, a geração 3D poderá evoluir a um ponto em que «será impossível não a utilizar».

Nessa altura, poderemos assistir a uma explosão de criatividade.

Segue-se a entrevista da «Game Teahouse» com Song Yachen, cujo conteúdo foi editado.

01

A criatividade na indústria dos jogos tem sido gravemente prejudicada

Chá-quinta: Por que é que decidiste sair da MiniMax para criares a tua própria empresa?

Song Yachen: No final de 2022, a Google lançou o Dreamfusion, a obra pioneira na geração 3D. A geração 3D tornou-se possível e considero que os grandes modelos 3D representam uma excelente oportunidade; devemos apostar tudo nisso.

Mas naquela altura, o GPT e a OpenAI estavam no auge, e era difícil convencer toda a gente a apostar totalmente no 3D. No entanto, considero que o 3D é algo mais essencial e com maior perspetiva a longo prazo, por isso decidi lançar-me sozinho e apostar totalmente nisso.

Chá-quinta: Quando é que começou a ter contacto com a indústria dos videojogos?

Song Yachen: Quando trabalhava na SenseTime nas áreas de «IA + jogos» e «IA + animação», costumava participar em eventos do setor dos jogos.Lembro-me de, em 2019, ter ido a um evento de networking num salão de chá, onde conheci muitos investidores, grandes editoras e empresas de I&D de pequena e média dimensão. Muitos estúdios de pequena dimensão eram os nossos clientes-alvo, por isso fui adicionando-os um a um no WeChat.

É claro que as grandes empresas de jogos também participam, mas as que são realmente divertidas são as pequenas — elas criam muitas formas novas de jogar, e não são daquelas que compram algo só para agradar ao patrão ou cumprir o KPI de «quanto AI é preciso usar este ano». Elas conseguem realmente tirar partido das coisas divertidas.

Chá-quinta: Ouvi dizer que já participaste numa Game Jam?

Song Yachen: Sim, participei duas vezes, em 2020 e 2021. Na primeira vez, formei uma equipa com um artista da 37 Interactive Entertainment, um programador da iFlytek e um redator, e criámos um jogo de barman num bar, em 3D. O resultado final ficou um pouco mediano, mas divertimo-nos imenso.

Quando participei numa Game Jam presencial, reparei que, na formação de equipas no local, o que mais faltava eram designers gráficos e programadores, enquanto os designers de jogos eram os mais numerosos.No grupo, há pessoas por todo o lado a dizer: «Faltam artistas, faltam programadores». Além disso, os artistas muitas vezes não conseguem terminar a tempo, pelo que muitas pessoas acabam por colocar um boneco provisório ou utilizar trabalhos que tinham feito em particular, para que o projeto pareça um pouco mais completo. Se não tiveres material pronto a usar, começar do zero é um verdadeiro calvário.

Chá-quinta: Foi a partir dessa altura que começou a prestar atenção a esta questão crítica das artes plásticas?

Song Yachen: A arte tem sido sempre o maior ponto fraco.

Em Xangai, há uma comunidade chamada «Random Encounters», organizada por um grupo de estrangeiros da Ubisoft. Eles organizam eventos em que todos trazem as suas próprias demos para experimentarem uns com os outros. Já participei algumas vezes e vi que muitas das mecânicas de jogo já são bastante interessantes, mas os gráficos, em geral, são um pouco rudimentares.Muitos queriam inicialmente criar jogos em 3D, mas o desenvolvimento em 3D não é só difícil em termos de arte, como todo o processo de desenvolvimento é complexo; acabam por ter de optar pelo 2D, escolhendo ângulos de visão estranhos, o que torna difícil apresentar os sistemas de combate.

As grandes empresas têm orçamento para investir em arte e recursos; só se dedicam a isso depois de concluírem a fase de teste do projeto, o que acontece naturalmente. Mas, para os pequenos estúdios e os programadores independentes, o processo é relativamente difícil. Já vi pessoas verdadeiramente idealistas que passam dez anos a desenvolver um jogo e, para sustentar o próprio estúdio, têm de aceitar inúmeros trabalhos de subcontratação durante esse período.

Chaguan: Demora mesmo muito tempo a aperfeiçoar um jogo, especialmente quando a equipa é pequena.

Song Yachen: Esta situação está a afetar demasiado a criatividade de todos.

Agora o código ficou mais simples, e muitas pessoas sabem utilizar ferramentas como o Cursor, especialmente gestores de produto e planeadores. Já conseguem criar bastantes elementos 2D, o que é, sem dúvida, um progresso.

Mas o 3D é diferente. Por um lado, a tecnologia ainda não está suficientemente madura, especialmente no que diz respeito à construção de cenários de grande dimensão, onde ainda pode haver algumas lacunas; por outro lado, a transição do 2D para o 3D constitui, por si só, um obstáculo — a estrutura técnica, a arquitetura e o motor em geral mudam, o que faz com que os custos aumentem drasticamente.

Mas também sabemos que os jogos em 2D são, sem dúvida, inferiores em termos de experiência e imersão. Muitos jogos independentes não é que não queiram fazer jogos em 3D, mas sim que a dificuldade e os custos da produção artística e do desenvolvimento de programação são demasiado elevados; por isso, sem outra alternativa, acabam por optar pelo 2D como segunda melhor opção.

02

Quando os custos de criação se aproximam de zero, surgem coisas novas

Chaguan: Quando a tecnologia dos grandes modelos 3D e a geração de código atingirem a maturidade, que mudanças ocorrerão na indústria dos videojogos?

Song Yachen: Se nos limitarmos a olhar apenas para o jogo em si, talvez não consigamos perceber a verdadeira mudança. O que estamos a ver, na verdade, é o surgimento de algo novo.

Os jogos são a nona arte e, tal como o cinema, as obras-primas da literatura e os afrescos, são obras que exigem a participação de muitas pessoas, um grande investimento financeiro e um longo período de tempo para serem concluídas. É um pouco como quando Miguel Ângelo, acompanhado por dezenas de pessoas, pintou a abóbada da Capela Sistina, um trabalho que durou vários anos. O desenvolvimento de jogos funciona, na verdade, da mesma forma.

Estas formas de arte têm uma característica comum: os custos são elevados. Este aspeto é fundamental. Devido aos custos elevados, as exigências em termos de receitas também são elevadas. E quando as exigências em termos de comercialização são elevadas, tende-se a transformar cada obra numa peça independente, capaz de constituir um ciclo comercial completo.

Hoje em dia, qualquer jogo é um produto — «Honor of Kings», «PUBG», «Genshin Impact», «Match 3» e «King of Xianyu» são todos produtos que formam um ciclo fechado de ponta a ponta.O mesmo se aplica aos filmes e aos romances: qual deles não tem como objetivo gerar lucro? Os filmes da Disney têm de dar lucro, e a família Médici teve de pagar pelas pinturas de Miguel Ângelo.

Casa de Chá: A que é que te referes exatamente quando falas de «coisas novas»?

Song Yachen: A novidade reside no seguinte: quando o custo de criar conteúdo se aproxima de zero, já não tenho necessariamente de contar com lucros. Se não contar com lucros, pode tratar-se de partilhar sentimentos, exibir ideias, transmitir informações, desabafar… pode ser qualquer coisa, sem necessidade de se concretizar num produto completo.

Por exemplo, muitos materiais publicitários de jogos destinados à aquisição de utilizadores são, na verdade, muito divertidos, mas o conteúdo interativo desses materiais está, na sua maioria, escondido como uma modalidade secundária em jogos fortemente comercializados.Porque é que só podem ser funcionalidades secundárias? Por uma única razão: não geram rentabilização de ponta a ponta. Por isso, não podem ser consideradas «jogos» tal como os definimos atualmente. Mas será que não são jogos? Na minha opinião, têm demasiada jogabilidade.

O atual modelo de negócio dos jogos está a prejudicar gravemente a diversidade dos mesmos. Porquê? Por uma única razão: criar jogos é demasiado difícil e caro.É preciso gerar receitas: primeira recarga, recargas subsequentes, recargas acumuladas, todo o tipo de eventos festivos… É como se quisessem enfiar 100 coisas diferentes na cara do jogador, para controlarem o teu bolso ao pormenor. Eu próprio sou um jogador assíduo e já gastei bastante dinheiro nisso.

Casa de Chá: Os obstáculos à criação são demasiado elevados, pelo que a maioria dos produtos se vê obrigada a orientar-se para uma comercialização mais eficiente.

Song Yachen: O texto, as imagens e os vídeos já ultrapassaram esse obstáculo. Quando os custos de criação baixam para quase zero, surgem coisas novas — se ainda fosse preciso gravar letras numa carapaça de tartaruga, como é que poderiam existir o Weibo, o Zhihu e o Xiaohongshu? Se para gravar vídeos ainda fossem necessárias câmaras profissionais e rolos de filme, o Douyin também não teria surgido.

Hoje em dia, quando se fala em vídeo, a primeira coisa que vem à cabeça das pessoas é o TikTok, o Kuaishou e o Bilibili, e não o cinema. O cinema representa apenas uma pequena parte de toda a indústria do vídeo, e o futuro dos jogos poderá vir a ser semelhante: de todo o conteúdo interativo, os «jogos» no sentido tradicional representam apenas uma pequena parte. Quando se pensa em conteúdo interativo, a primeira reação já não é pensar em jogos, mas sim nessas novidades.

Não sei como se chama esta novidade, mas certamente não é «minijogos». Alguém perguntou-me: «Queres criar uma plataforma de minijogos?» Eu respondi que não. A razão é muito simples: o Zhang Yiming criou o TikTok; será que se pode dizer que é uma «plataforma de minivídeos»?

Casa de chá: quando é que esta novidade vai surgir?

Song Yachen: Ainda estamos numa fase inicial. Antes do surgimento das câmaras dos telemóveis, não era possível criar o TikTok — se nem sequer havia câmaras, como é que se poderia fazer isso?

Por isso, a bolha do metaverso rebentou. Na altura, muitas pessoas que entravam no metaverso diziam uma coisa: não havia nada para experimentar. O metaverso é enorme, mas a tua casa está vazia, o que é que se pode fazer?Quando entras no GTA, há todo o tipo de histórias — há gangues tatuadas, ruas repletas de luzes e diversão, e cada painel publicitário é diferente. Só quando os detalhes atingem esse nível é que há tanto conteúdo para consumires. Claro que isso custou uma fortuna e foi tudo criado à mão.

Mas e se fosse possível criar algo como o GTA sem qualquer barreira de entrada, sem custos e gerado em tempo real? Eu poderia fazer um hoje mesmo, ou até vários. É bastante divertido, mas provavelmente ninguém iria dedicar muito tempo a isso: dois minutos, um minuto ou até 20 segundos. É o suficiente; depois, podes partir para criar o próximo mundo e dedicar-te a outras coisas.

Esta novidade, que combina uma interação forte com uma experiência simples, é, de facto, prematura neste momento. Talvez seja preciso esperar mais um pouco por nós, os que trabalhamos com IA.

03

O 3D é o código-fonte da informação, sendo mais essencial do que outros meios de comunicação

Chá-quinta: Achas que o 3D é mais essencial do que as imagens e os vídeos?

Song Yachen: O que se costuma pensar é que, do texto à imagem, do vídeo ao 3D, a densidade da informação aumenta constantemente e a experiência vai ganhando cada vez mais dimensões. Esta interpretação está errada.

Na verdade, é precisamente o contrário: do 3D ao vídeo, passando pelas imagens e chegando ao texto, trata-se de um processo de compressão contínua da informação e de perda contínua de informação.

Ao longo de centenas de mil milhões de anos de evolução do universo, só existiram informações em 3D. Ao longo de milhares de milhões de anos de evolução biológica, só existiram informações em 3D.A humanidade, ao longo de centenas de milhares de anos, até há três a cinco mil anos, também dispunha apenas de informação tridimensional. Em Liangzhu, Hongshan e Sanxingdui, o que foi desenterrado foram exclusivamente máscaras, joias e totens — objetos tridimensionais, e não texto, imagens ou vídeos.

Porquê? Porque os caracteres, as imagens e os vídeos são formatos de compressão inventados recentemente pela humanidade. Há três ou cinco mil anos, descobriu-se que era possível transmitir informação em carapaças de tartaruga e tábuas de bambu, mas, devido às limitações desses suportes, era necessário comprimi-la, e foi assim que surgiram os caracteres. O mesmo se aplica ao vídeo, que só foi inventado há mais de 100 anos e constitui também um formato de compressão.

Por isso, o 3D é que constitui o código-fonte e os ficheiros originais, enquanto o texto, as imagens e os vídeos são apenas modelos simplificados. Porquê modelos simplificados? Porque a GPU não tem capacidade suficiente e a largura de banda é insuficiente. Com o 2G, só era possível transmitir texto; só com o 4G é que se passou a transmitir vídeo. Quando toda a gente tiver fibra ótica, voltaremos aos ficheiros originais, porque proporcionam a melhor experiência.

O mesmo se aplica ao treino da IA. Quão arrogante tem de ser uma pessoa para achar que a inteligência artificial geral deve ser treinada com base em texto — um formato comprimido? Não deveria, antes, ser treinada com base nos ficheiros originais? É por isso que Li Feifei e Yang Likun estão a trabalhar em modelos do mundo e em grandes modelos 3D. Todos já perceberam: é preciso treinar com base na informação mais primária.

Chaguan: Por que razão o desenvolvimento dos grandes modelos 3D não tem sido tão rápido como o de outras modalidades?

Song Yachen: Três razões.

Em primeiro lugar, há falta de talentos. Já de si, não há muitas pessoas na área da computação gráfica; na intersecção entre a computação gráfica e a IA, são ainda menos — antes nunca havia essa intersecção e, de repente, surgiu, pelo que há muito poucas pessoas capazes de trabalhar nesta área. É muito difícil encontrar um professor de 50 anos que tenha dedicado toda a sua vida a investigar isto, pois trata-se de um campo totalmente novo. Por isso, a nossa equipa é composta, na sua maioria, por doutorados com menos de 30 anos.

Em segundo lugar, a falta de dados. Hoje em dia, é normal tirar fotografias e escrever textos para publicar no Moments, mas quantas pessoas já viste a criar modelos para publicar no Moments? Os dados só podem ser obtidos a partir de todos os recantos possíveis.

Em terceiro lugar, o processo é demasiado longo. Não termina assim que a geometria estiver concluída — texturas, PBR, normais, UV, topologia, esqueleto, animação, efeitos especiais… são demasiadas etapas. Estás a criar um mundo.

De todas as criações geradas por IA, apenas o 3D e o código se assemelham particularmente. Muitas pessoas dizem que somos o «Cursor do 3D», o que faz todo o sentido. Quase todos os grandes modelos seguem o princípio de «modelo como produto» — uma caixa de diálogo onde se introduz texto e se obtém um resultado, muito simples. Apenas o código e o 3D não funcionam assim.O Cursor assemelha-se ao VSCode, enquanto nós assemelhamo-nos a um motor, porque se trata de um fluxo de trabalho, não de um simples processo de entrada e saída. Além disso, os artistas 3D e os programadores são muito semelhantes, desde o número de profissionais e os salários até aos hábitos de utilização.

Em termos mais essenciais, basta duas coisas para construir um mundo: criar todas as coisas e estabelecer regras. Nós somos responsáveis por criar todas as coisas, e o código é responsável por estabelecer as regras. Quando estas duas coisas se unem, formam um mundo, algo mais essencial do que texto, imagens ou vídeos.

Chaguan: Qual é a relação entre o modelo 3D de grande escala e o modelo do mundo?

Song Yachen: Os modelos 3D irão evoluir para modelos do mundo. Os modelos do mundo, após analisarem uma grande quantidade de dados do mundo virtual e do mundo real, serão capazes de simular automaticamente tanto a lógica como a física.

Por exemplo, uma porta deve poder abrir-se. E essa «abertura» depende da forma da haste e da mola que se encontram na parte superior — se a mola estiver virada para dentro, a porta abre-se para dentro; se estiver virada para fora, abre-se para fora. O sistema consegue compreender isto. Primeiro, divide, identifica o que existe na parte superior, depois compreende e, por fim, gera a resposta.

Com um modelo do mundo, muitos jogos de RPG tornam-se muito fáceis de criar.

Chaguan: Atualmente, os jogos que incorporam a IA na jogabilidade concentram-se basicamente no género RPG — chatbots, NPCs inteligentes… Mas, na verdade, o RPG não é o género mais popular.

Song Yachen: Acho que quem trabalha com IA e quem trabalha com jogos ainda não se compreendem mutuamente. As pessoas acham que jogos como os MOBA se baseiam em regras, tal como o Go, e que é muito difícil adaptá-los à IA.

No entanto, a redução de custos e o aumento da eficiência não devem ser totalmente dissociados da inovação em termos de mecânicas de jogo. Não é muito realista utilizar diretamente a IA para transformar o «Honor of Kings», mas se se baixar a barreira à criação, é possível que inúmeras pessoas criem protótipos semelhantes, e entre esses inúmeros protótipos possam surgir uma ou duas mecânicas de jogo extraordinárias.

No fundo, é preciso experimentar mais com as novas capacidades, pois assim podem surgir coisas interessantes. Mas, neste momento, o custo das experiências ainda é demasiado elevado. Se bastasse gastar 50 yuan e dois dias para o fazer, toda a gente o faria. Mas se fosse preciso gastar 5 milhões e demorar dois anos, já não seria tão fácil.

Chá-quinta: O que achas do ritmo de desenvolvimento da tecnologia de IA?

Song Yachen: Muitas das tecnologias atuais, se fossem apresentadas nos últimos 1000 anos, seriam, sem dúvida, as invenções mais avançadas daquele século.

Por exemplo, a geração de vídeo. Antigamente, só existiam dois tipos de vídeo: encontrar um local e um ângulo no mundo físico e filmar durante algum tempo — isto é, filmar; encontrar um local e um ângulo no mundo virtual e filmar durante algum tempo — isto é, animação.A geração de vídeo por IA fez algo extraordinário: sem necessidade de câmaras físicas ou virtuais, sem procurar locais nem ângulos, sem tempo de filmagem, cria diretamente algo que nunca existiu. Isto merecia um Prémio Nobel.

O mesmo se aplica à geração 3D. Antes não havia nada; agora, basta uma frase para surgir um modelo — basta dizer e já se concretiza, tal como o pincel mágico de Ma Liang. Mas, depois de três anos a assistir a este espetáculo, as pessoas já ficaram indiferentes.

04

A tecnologia de geração 3D irá evoluir rapidamente até se tornar impossível de ignorar

Chá-quinta: Qual tem sido a trajetória de desenvolvimento da VAST?

Song Yachen: No início, queríamos criar uma nova plataforma de conteúdos, uma espécie de TikTok de coisas novas, mas não deu certo.

Por que é que falhou? Porque não surgiu nada de novo no que diz respeito às «câmaras dos telemóveis» e faltam ferramentas de criação acessíveis ao grande público. Como o público em geral não consegue participar, acabas por recorrer sempre às mesmas elites artísticas, que apenas se dedicam a isto por terem tempo livre. Um realizador que, por ter tempo livre, decide gravar um vídeo é algo completamente diferente de um senhor idoso à porta que grava um vídeo.

Depois de nos apercebermos deste problema, pensámos em como fazer com que até o senhor da porta também pudesse fazê-lo. Por isso, voltámo-nos para os grandes modelos 3D e, posteriormente, para os modelos do mundo, com o objetivo de permitir que todos possam criar experiências imersivas, altamente interativas e com conteúdo leve.

Casa de Chá: O que é que fizeram, concretamente?

Song Yachen: Lançámos a versão 0.1 do Studio, ou seja, a versão Beta, a 31 de maio de 2025. As receitas duplicaram ou triplicaram num mês e quintuplicaram ou sextuplicaram num trimestre. Fizemos apenas uma coisa: transformámos a caixa de diálogo original «modelo como produto» num motor, num Studio.

Na fase inicial de lançamento, a versão ainda não estava completa, por isso foi designada como 0.1. Acabámos de lançar o Tripo Studio 1.0 e esperamos, com base nesta versão, ir fazendo iterações contínuas para, gradualmente, criar um novo fluxo de trabalho que substitua o antigo pipeline de software de produção 3D, que era extremamente complexo e envolvia diferentes plug-ins e motores.

Destina-se, em parte, a utilizadores profissionais, mas também aos que designamos por «Pro C» — utilizadores finais com um certo nível de competências profissionais. Muitas pessoas utilizam esta ferramenta não como fonte de rendimento; podem não ser modeladores, mas sim artistas de conceção que a utilizam como referência 3D, ou profissionais da área da publicidade.

Chaguan: A que distância estamos, neste momento, da visão do «TikTok 3D»?

Song Yachen: Estamos a desenvolver um aplicativo de edição de vídeo em 3D, ou melhor, um aplicativo de edição de conteúdo interativo, que permite a qualquer pessoa criar conteúdo interativo em 3D sem qualquer dificuldade nem custos, tanto no computador como no telemóvel. Não se trata apenas de uma ferramenta, mas também de uma plataforma e de uma comunidade.

Temos vindo a trabalhar nisto de forma contínua, com iterações constantes. Contamos com um grupo de criadores da comunidade muito compreensivos que nos acompanham nessas iterações.

Chaguan: Qual é, atualmente, o panorama da concorrência no setor dos grandes modelos 3D? Quais são as principais vantagens da VAST?

Song Yachen: No estrangeiro não há muitos concorrentes; atualmente, a AI 3D tem um desempenho bastante bom no mercado interno.

A nossa vantagem reside na excelência tecnológica e nos bons resultados de geração. Em primeiro lugar, o volume de dados é elevado, sendo uma ordem de grandeza superior ao de outras empresas. Em segundo lugar, os recursos humanos: contamos com dezenas de doutorados e cientistas na área interdisciplinar da IA e da computação gráfica, que já publicaram mais de 60 artigos científicos.

Chá-quinta: Os dados da Dachang não deveriam ser mais abundantes?

Song Yachen: Não são assim tantos. Quantos modelos 3D tem um jogo? 10 000 já é bastante. Nem mesmo as grandes empresas terão criado mais de 500 jogos 3D de grande escala, certo? Se forem 500, são apenas 5 milhões; nós temos, pelo menos, 50 milhões.

Chaguan: Alguns profissionais afirmam que é complicado integrar a tecnologia de geração 3D nos processos existentes. O que achas disso?

Song Yachen: É verdade que cada canal tem requisitos diferentes — o método de estratificação, o formato das imagens e as normas de nomenclatura variam. Mas acho que agora não é o momento de nos preocuparmos com isso. Se for prático, as pessoas vão usá-lo.

Tal como quando as câmaras dos telemóveis tiravam fotos a 360P e 720P, as empresas de jogos diziam: «Não serve para nada, é lixo». Quando chegou ao 1080P, diziam: «Dá para usar, mas o formato não se adequa muito bem ao nosso sistema interno».Mas quando for possível gravar em 4K e 8K, e praticamente de graça — o que antes custava 100 mil yuan agora custa um jiao; o que antes demorava meses agora demora 10 segundos —, ainda dirás «o meu fluxo de trabalho é muito complexo»? Não dirás.Vais pensar: «Como é que posso integrar a IA para criar um novo fluxo de trabalho? Quem o fizer primeiro vai ser o grande vencedor».

Isto demonstra que a geração 3D ainda não é suficientemente boa. Se fosse suficientemente boa, eles perguntariam: «Qual é a vossa interface? Como podemos adaptar melhor o nosso fluxo de trabalho?»

Chá-quinta: Quando achas que a geração 3D chegará a um nível em que todos se verão obrigados a utilizá-la?

Song Yachen: Acho que há hipótese em 2026. O ritmo de desenvolvimento é muito rápido; basta ver a evolução tecnológica em 2023, 2024 e 2025 — não estamos, de todo, ao mesmo nível. Basicamente, há atualizações de versão todos os meses, sem obstáculos; é apenas uma questão de investimento de tempo e energia.

Chaguan: De que tipo de jogos gostas? O que gostarias de fazer com a tecnologia de geração 3D?

Song Yachen: SLG e RPG — gosto de competir contra outras pessoas. Jogos com forte componente estratégico, como «Civilization», «Total War» e «Victoria», são todos do meu agrado.

Gostaria de criar um jogo 3D com uma abordagem mais orientada para o género SLG. Com o 3D como elemento central da jogabilidade, há muitas possibilidades interessantes.