王正男（Jack）不是那种会把创业讲成传奇的人。

和王正男对话，你会迅速感受到一种强烈的反差。他的公司 KIRI Innovations 和他新近火爆的产品 Remy，正试图掀起一场关于 3D 记录的革命，但他本人言谈间，却鲜少谈论“颠覆”或“远见”。更常见的词是“坑”、“侥幸心理”、“差点死掉”、“熬死别人”。他更习惯把失败拆解成一条条事实——哪里不 work、为什么不通、哪一步判断错了。

2018 年毕业，几乎没有犹豫，他直接创业。第一款产品是一套看起来足够聪明的低成本 3D 扫描硬件：把昂贵的光学模组“拆掉”，把成本摊到手机上，只保留一个激光发射器。逻辑漂亮、毛利清晰，也因此在众筹阶段迅速拿到了订单。但接下来三年他亲手验证了那句残酷的结论：“一个 idea 如果只有你做、别人不做，要么你是绝顶天才，要么这路根本不通。我属于后者。”

正反馈消失，融资不确定，创业在那个阶段不再是“理想选择”，而变成了唯一出口。王正男做的决定也异常干脆：证伪完成，立刻换路。硬件放弃，转向软件，从零重做。这种在废墟上即刻转向的能力，让公司在第一次生死攸关的时候活下来了。

转向软件方向后，KIRI 在技术路线的快速迭代中，总能近乎本能地踩准节点。从摄影测量到 NeRF，再到 3D高斯泼溅，当同行还在观望论文时，KIRI 已经把它们变成了可用的产品功能。他称之为“工程节奏”，外人看来，这是一种将前沿技术迅速“翻译”成现金流与增长的独特生存术。

如今，带着 10 天获取百万用户的 Remy，他站在了聚光灯下。 Remy几乎和 KIRI 过去的逻辑相反：它不服务专业创作者，而是面向普通人；不强调效率与参数，而是强调“记录”。王正男并不把它视为一次运气爆发，而是一种长期判断的自然延伸。当AI生成式内容越来越强，仍然不可替代的，是对现实世界的真实保留。

在这次对谈中，王正男没有试图把自己塑造成“连续创业者”或“技术布道者”。他更像一个反复被现实修正过的工程型创始人：直觉很强，但并不迷信直觉；相信判断，却随时准备推翻自己。

当现有巨头仍生长在 2D 结构的旧土之上，Jack 更关心的是另一种可能：一个从一开始就为 3D 交互而生的平台，是否会在被忽视的角落里，慢慢长出新的秩序。在抖音与小红书之间，看似被填满的缝隙，在他眼中反而是一块尚未被真正理解的空地。

他把这种判断称为“非共识”。不是因为它激进，而是因为它暂时不被多数人需要。而过往的经验反复提醒他，真正值得下注的，往往正是这些尚未被广泛认同的判断。

这场专访，正是从这个问题开始展开。以下是本期「ya!ya!」访谈实录，enjoy～

Jane：很开心这期节目，我们邀请到了 KIRI 的创始人王正男（Jack）。先请 Jack 跟大家打个招呼，简单介绍一下自己和公司。

Jack：Hello，大家好，我是王正男Jack。我们公司叫 KIRI，我们做的是手机端的 3D 重建：我们用手机围着一个物体或一个场景拍一段视频，就能把这段视频变成高质量、和现实世界1:1映射的 3D 模型。

Jane：接下来进入快问快答环节，你的星座和 MBTI 是什么？

Jack：金牛座， ENTP。

Jane：你读书期间有没有什么爱好或经历，后来对创业有帮助？

Jack：很多。读书时最大的爱好是音乐，喜欢古典音乐，也会自己玩乐器。后来你会发现，比如现在经常要参加发布会、要上台，那个状态和当年学乐器很像：你需要把自己放在舞台上，去享受一个“高光时刻”。所以我不太怯场，也挺享受那种表达的感觉。回头看，这可能就是当年学乐器给我的训练。

Jane：如果让你把 KIRI 的创业经历写成一本书，你会取什么书名？

Jack：这是个好问题。我觉得可以叫《那些年我踩过的那些坑》。应该会很有意思。

Jane：如果不创业，你最想做什么？

Jack：我可能会去做艺术，总之，想做能表达自己的东西。不过我也觉得，做产品本身也是表达，所以两者其实挺契合的。

Jane：你在创业过程中做决策时，直觉和数据分析哪个占比更高？

Jack：直觉更多。

当正反馈消失，创业成了唯一出口

Jane：你2018 年毕业，马上就创立了公司，当时就选择了 3D 方向。这个方向的选择契机是什么？

Jack：创业的契机来自几段上学时的经历，有正面的也有负面的，最后把我推到了创业这条路上。

第一段经历是实习。我当时在一家车企实习。你知道在国外找实习竞争也挺大，而那家车企又是我特别想去的地方，所以我当时超级兴奋：终于拿到了 dream job，觉得自己马上就能大展拳脚、改变世界了。

但进公司之后发现，现实跟想象完全不一样：在一家公司工作并没有那么多空间让你“大展拳脚”。那段经历之后，我对“上班这件事”就没那么上头了。毕业后我就想，还是得去做一些更能发挥、更能改变世界的事，于是就直接决定创业。

至于为什么做 3D，其实也挺“反直觉”的：我学的是机械，跟 3D 没太大关系。去汽车行业也是因为机械、也因为我喜欢车。但在车企实习之后，我发现一个问题：我当时的职位是发动机工程师，2016 年左右那会儿发动机听起来很酷，确实是我的 dream job。但进了发动机组，你会发现这个行业太成熟了，几乎没什么发展空间。更尴尬的是，虽然工资不错、工作听起来也高大上，但你在公司里其实没太多事干：项目简单、做完一个做下一个，中间有大量时间空着。

于是我开始反思：传统机械可能不是我真正喜欢的方向，那我该做什么？我就慢慢开始学编程、学 CV（计算机视觉）。顺带说一句，我在机械出身之前也折腾过一段 CV 的东西，所以越学越觉得有兴趣。

后来回学校到最后一年，工科有一个 capstone project，就是毕业设计：我们要找教授、找项目，跟教授一起把项目做出来。我就去找各种教授聊。最后发现有个教授在做 3D 重建，试图把 3D 扫描做得足够低门槛、低成本。我觉得这事很有意思，也跟我当时在折腾的 CV 挺契合。

再加上那时候我也在玩 3D 打印机。那会儿 3D 打印挺火，打印机已经很便宜了，三四百美金就能买一台。但你买了打印机之后会发现：你没有 3D 模型。要么手工建模，要么去网站下载模型。于是我特别想买扫描仪，但扫描仪的价格和打印机完全不对称：打印机三四百美金，最便宜的扫描仪也要三四千美金。

所以我们就在想：如果能把扫描仪做得像打印机一样便宜，这件事就很有价值。于是我跟着老师、做 capstone project，把“低成本 3D 扫描”当成毕业设计做得比较深入。毕业之后我又决定创业，就想那不如把这个项目继续做下去，把 3D 扫描真正变成我们的事业。再加上 3D 本身很酷、我也真的喜欢，所以就一直做到现在。

Jane：听起来有很多机缘巧合。

Jack：确实是机缘巧合。甚至我有时候也会想：如果当时不去那么传统的车企，或者去了一个正反馈更多的地方，我可能就不创业了。因为当时在公司里，正反馈几乎为零。

Jane：你当时是在本田吗？

Jack：对，是本田。当时做过几个项目：一个是发动机，另一个是 ADAS。这两块其实也连在一起，比如 ADAS 的控制。说起来也挺尴尬：如果有听众在本田，可能会有同感。那是一家日企，在加拿大的日企，但日本文化依然特别深厚。每天要穿制服上下班：白大褂、白裤子，还要戴一个绿帽子——其实是安全帽，绿色鸭舌帽那种。所有人穿得一模一样，打卡上下班。那种感受确实不太好。

Jane：可能是那种文化跟你的性格不太 match。

Jack：对，真的不一样。我要是去个特斯拉什么的，没准我就留下来了。

Jane：你研究过一段时间 CV，我理解它是偏 AI、偏软件的；但你学的是机械，这怎么会相关？

Jack：其实在加拿大，机械是一个 department（系），里面有很多 stream（方向）。当时机械里有一个 robotics 的方向，跟机器人和自动化相关，里面就会有很多 CV 的内容，所以其实挺相关的。

Jane：那你毕业设计的方向，后来对应的是你们第一代产品——那个 3D 扫描仪硬件？

Jack：对，是的。

Jane：当时是同学跟你一起出来创业？老师也参与了吗？

Jack：老师没有直接参与。我们 capstone 项目组一共四个人，最后被我“薅”过来三个人创业——准确说是另外两个人加我，一共三个。有一个人没被我薅过来。就是从一个项目开始，慢慢就起来了。

Jane：你们当时强调“低成本”，行业里三四千美金的扫描仪，你们做到多少？

Jack：先给大家简单讲一下硬件产品的形态和成本逻辑。一般来讲，即便到今天，消费级 3D 扫描仪也大多是“模组”形态：一个长条模组，上面有光源发射器（常见是红外结构光发射器，或可见光的 DLP、线激光），还有精度很高的摄像头模组，再加一个能处理 3D 的芯片。光学模组一旦做成这样，成本就会非常贵。所以直到今天，最便宜的 3D 扫描仪也要六七百美金，五六千人民币，其实也不便宜。

我们当时的想法是：3D 扫描需要摄像头、芯片、光源发射器，这三样东西里，手机已经有摄像头和芯片了，那能不能用手机的摄像头和芯片，再配一个外置光源，就做出 3D 扫描？

所以我们做的产品有点像手机支架：你把手机插在支架上，支架上装一个线激光发射器，打出一条“一字激光线”到物体表面。手机通过蓝牙连到支架，控制激光的开关；每次激光开关切换时，手机对物体拍一张照片。然后我们在手机上跑算法，分析线激光在物体表面的形变，通过结构光（线激光）去计算景深信息。围着物体转一圈，就能得到这一圈的 3D 模型。

这样一来，我们把原来昂贵的光学模组成本，砍到了“一个激光发射器”的成本。当时我们的 BOM 成本大概两百多人民币，定价 399 美金。毛利看起来很可观，所以当时就做了这件事。

Jane：从产品设计角度看，这个思路很聪明：把最大成本摊到手机上，用现成硬件来做。

Jack：是，但我后来总结一个很残酷的规律：一个 idea 只有你做、别人都不做，通常只有两种可能——要么你是绝顶天才，要么这东西根本不通，只是你不知道，还硬往上撞。我属于第二种。

Jane：那它不通的关键点是什么？

Jack：核心问题在于手机摄像头的特性。高质量的激光 3D 扫描里，有个极关键环节叫“相机标定”：通过校准得到相机内参外参，这是 3D 扫描精度的基础。标定有一个硬要求：焦段必须固定，不能变焦。因为一变焦，FOV 等参数全变，标定数据就失效。

但手机摄像头在很多机型上“定不住”。当时我们还很天真、刚毕业，特别信奉硅谷那句 fake it till you make it：先做一个 prototype，先把钱拿到，再慢慢把东西做出来。我们最初的 prototype 是基于 iPhone 6s 跑的，iPhone 6s 可以把焦段锁住。但当你扩展到安卓，各种机型竞争，发现根本锁不住。焦段一变，内外参全错，扫描结果就会非常差。

更麻烦的是：你去 Google 搜各种摄像头 SDK，安卓、谷歌、苹果都给了一堆 API，看起来好像能锁参数。但现实是，苹果相对还好；安卓生态非常碎，很多手机厂商（小米、OPPO、vivo，甚至当时的 Nexus）实际实现不统一，SDK 和系统接口并不通用，导致大量安卓机锁不住焦段。最后就是一地鸡毛：产品发出去差评如潮，差点把公司搞死。别人不做，真的是有原因的——它确实很难通。

Jane：你们用了多久把这件事证伪？

Jack：我 2018 年创业，2019 年开始做众筹。众筹做完正好赶上疫情，2020 年没产出来，2021 年才把产品产出来。所以从 2018 到 2021，用了三年。

其实这三年里，很多细节都在提醒“这条路不通”，但我当时侥幸心理太重，总觉得：设备这么便宜，用户可能对质量要求没那么高；那我们再试试。但后来发现：用户对产品的期待，和价格没关系。用户仍然期待很高精度，而我们根本达不到，所以最终就是一地鸡毛。更真实的是：过程中很多时候已经知道错了，但还是硬着头皮往前做，差点把公司做没了。

Jane：我很好奇：你是哪一天真正意识到这条路完全走不通、必须重新开始？你当时怎么想，跟谁讲了这件事？

Jack：我心里一直隐隐有这个判断，但真正“没有任何希望”的时刻，是产品开始出货的时候。我们硬着头皮拿众筹的钱把产品产出来，准备发货时还有侥幸心理。但用户真正拿到机器之后，差评如潮，几乎没有好评。你想，2019 年众筹，疫情导致延迟，用户等了将近两年拿到一个产品，结果什么都扫不出来，大家当然会骂。

那一刻就知道彻底做不下去了。我的问题很明显：侥幸心理太强。但我也有一个“优点”：一旦确认不行，我就会立刻想怎么办，不会陷在失望或内耗里。发现不行，就赶快转型。

当时我们的想法是：虽然产品不 work，但我们验证了用户需求。因为发货之前订单非常多，只要用户没拿到机器，他们会持续下单。说明低成本 3D 扫描的需求真实存在，主要来自当时的 3D 打印人群。问题不是“用户不需要”，而是“我们没有满足需求”。所以我们决定从头再来，去找新的技术栈，真正实现更好的低成本 3D 重建。后来就有了我们现在的产品：KIRI Engine（2022 年上线）。

Jane：也就是从硬件转到软件。

Jack：对，产品不 work，就必须找新的方向，所以转去做软件。

Jane：当你开始想做软件时，你有没有提前想过：这个软件最核心要解决哪些模块、哪些功能点？

Jack：有的。其实当时做硬件时，硬件形态非常简单：手机支架加激光发射器。真正难的是软件和算法。我们当时大量精力都在写 app：连接设备、控制拍照、做图像处理、景深计算、点云计算、表面重建，最后生成 3D 模型。所以转型到纯软件后，反而没走太多坑。

另外在 2021 年左右决定转型时，低成本 3D 扫描其实已经有一些可借鉴的技术路径。一条路径是我们验证失败的手机摄像头加激光结构光（三角测量/laser triangulation）。另一条路径是纯拍照的 photogrammetry（摄影测量法）。摄影测量很成熟，当时已经发展了好多年。

我们发现的机会点是：摄影测量这套方法以前严重依赖 CPU，任务可能要跑几个小时。但随着 GPU 生态和云上 GPU 成熟，如果用 GPU 加速 photogrammetry，就可能把 CPU 跑几小时变成 GPU 跑五分钟。于是我们想：如果把 photogrammetry 写到云端 GPU 上，用户用手机拍照，把照片传到云上计算，再把 3D 模型下载回来，这就形成一个闭环。

我们做了技术验证，发现确实可行，于是做出了 KIRI Engine 的雏形。这里面有一些工程创新，让它算得快、成本低，所以整体其实挺水到渠成的。

Jane：那 KIRI Engine 从构思到上线、到发现它真的 work，周期是不是很短？

Jack：很短，一两个月。

Jane：你们相当于在移动端第一次上线了一个 app？

Jack：对。我们在 2021 年底正式放弃硬件路线。那一年还有一个关键背景：元宇宙风口起来了。虽然硬件没做成，但凭借当时已经跑通的App原型、加上硬件积累的一些用户量和数据，我们融资反而不难，于是融了一轮钱。拿到钱之后，一部分用来处理众筹的退款和补偿，剩下的钱我们开始做软件研发，又招了一个大概五个人的小团队，把软件从零到一做起来，用了几个月，2022 年 3 月上线。

Jane：我看你们前两轮融资是在 2021 年和 2022 年早期完成的。

Jack：跟很多“明星创业公司”很不一样：我们没什么明星光环，所以早期融资非常困难。也就是元宇宙起来那阵子，市场钱多，KIRI 变成一家相对受欢迎的公司。但风一过去、2022 年底环境变差，我们就很难再融到钱了。所以我们很庆幸当时赶快融了几轮，手里有一些现金，才能撑到产品找到 PMF、做到正向收入和增长。经历跟明星创业者确实不一样。

Jane：你有一个很关键的能力：抓机会、抓运气。我觉得这是创业必备能力。

Jack：真的。如果没有元宇宙那波风，这家公司早死了。硬件当时完全没希望。

Jane：那时候大厂都在搞数字孪生、元宇宙、全真互联网，我印象很深。

Jack：对，而且大家也知道元宇宙本身不怎么靠谱，很多公司在做很奇怪的内容。投资人就会往上游看，觉得上游更“靠谱”，而元宇宙上游被认为是 3D 。那 3D 模型怎么来？扫描、建模。当时还没有 AI 生成，所以我们就真的成了“风口上的猪”。

Jane：那时 KIRI 的定位更像专业工具，它有考虑过这是一个大众需求吗？

Jack：完全没有。我们当时经历过一次“差点死掉”，所以对一个事情想得很清楚：融资不靠谱，不能靠融资活下去，最终一定要让产品自己养活自己。于是我们从 day one 就问自己：KIRI Engine 怎么挣钱？谁愿意为它付费？

虽然 ToC 故事很性感，但真正愿意为 3D 付费的人不是普通 C 端用户。普通人对这东西没有强需求。真正愿意付费的是那些确实需要 3D 模型的人：不管你给他的是几百美金的硬件，还是昂贵设备，还是 app，本质都是卖给需要 3D 资产的人一个生产力工具。所以我们从 day one 定位就是服务专业的 3D 创作者（3D creators）。直到今天，我们都没有把 ToC 当成主线。至于为什么后来会出现 ToC 的机会，我们可以后面再聊。

而且元宇宙过去之后，投资人马上会问一个问题：how big the market？

Jane：你们早期怎么计算这个问题的？

Jack：我们当时做了一个估算，回头看还挺准。到今天也基本成立。KIRI Engine 的核心付费用户主要来自三个领域：第一是 3D 打印；第二是游戏开发者（尤其是需要 3D 资产的开发者、工作室）；第三是 3D 艺术家（更泛，覆盖电影特效、渲染、动画等）。

这三拨人规模怎么估？3D 打印人群相对好估：我们估算全球不到一千万，大概八百万上下。因为 3D 打印机年出货量大概 100多万不到 200 万台，累积下来加上“老用户升级”的重复购买，真实用户基数不会像出货增长那样快，所以八百万上下是个相对保守的范围。

游戏开发者也好估：把 Unreal Engine（UE）用户、Unity 中做 3D 的用户加起来，我们估算接近一千万。

3D 艺术家更大一些：我们用 Blender 用户做参照。Blender 是非常通用的 3D 建模软件，很多 3D 艺术家电脑里都会有。Blender 用户量大概 1200 万左右，我们推算整体 3D 艺术家人群大概 1500 万上下，因为 Blender 覆盖率可能在 60%—70%。

三波加起来，我们能吃到的盘子大概不到 3000 万人。你说大，它肯定不大；但对 KIRI 这种公司来说，这个池子足够一条“小鱼”活得挺舒服，也能持续增长。这就是 KIRI Engine 早期的定位。

技术演进太快，唯一的护城河是把新东西做成产品

Aaron：从技术角度看，衡量一个 3D 重建方案是否成功，最核心的指标是什么？精度、成本还是速度？

Jack：这取决于使用场景，没有统一答案。我举几个场景你就能理解。

先说 3D 打印：3D 打印用户最不能妥协的是精度——也就是模型细节的呈现度。哪怕跑一个小时、两个小时都没关系，但模型必须足够精细，打印出来才好看。但在游戏行业就完全不一样。比如大家都知道的《黑神话：悟空》，里面有大量 3D 扫描资产，比如把山西的佛像以接近一比一的方式搬进游戏。这个过程很多不是手工建模，而是通过 3D 扫描拿到资产。

3D 打印追求的是几何细节：网格面数越多，细节越丰富，可能要上千万三角面才能表达衣服褶皱这种级别的细节。所以它把“网格面数”当成精度的直接代理。但游戏恰恰相反：网格面数太多会把渲染压垮。游戏要 60fps，要性能和功耗控制。如果画面里每个模型都有千万级三角面，帧数会很差，功耗很高，根本不可用。

所以游戏里通常要把网格降下来，同时用另一套指标表达细节：贴图精细度和法线精细度。因为游戏渲染依赖的是视觉细节，不仅仅是几何细节。贴图里可以有草、锈迹、细小纹理；法线贴图能模拟微小起伏。你把贴图关掉，只看 mesh，很多细节根本不存在；贴图打开，细节就“出现”了。

所以不同场景，对“成功”的定义差异很大：3D 打印更像“几何精度优先”，游戏更像“视觉真实度与性能平衡优先”。

Aaron：对 3D 打印这种强调精度的场景，哪些关键技术环节会决定上限？而游戏里你说的贴图、法线这些，又是哪些技术决定上限？

Jack：先说 3D 打印的几何精度。为什么大家会买 3D 扫描仪？因为高精度常常依赖结构光或类似手段。我给大家做个直观科普：比如一个扫描仪会发射一条“已知”的竖直线，打在墙上就是直线。但如果打在球体上，这条线会沿球面弯曲。你知道原本发出去的是直线，看到的却是弧线，你就能通过“弯曲程度”非常精确地推算出景深。这就是结构光扫描的直观原理之一，也是它精度高的重要原因。它用“已知光栅”去测距，所以非常准。

而 KIRI Engine 早期的 photogrammetry（摄影测量）路线完全不同。它不打光栅，纯靠相机拍照做重建，核心是 structure from motion（SFM，多视角几何）。它的原理类似人眼双目视差：两个眼睛看同一物体，物体在两眼视野里的位置会有偏移，大脑用偏移量估算距离。SFM 也是类似：你围着物体拍很多照片，先用特征点提取算法（比如 SIFT）在每张照片里找稳定特征点，再把同一特征点在不同视角下的位置偏移量拿来估算景深，进而恢复 3D 结构。

这种方法的局限也很明显：它强依赖“特征点”。纹理丰富（比如石头、树皮）时，特征点很多，效果甚至能接近结构光；但遇到纯色物体（比如白色耳机壳），几乎没有特征点，精度就会崩。这个时候你就必须依赖结构光那种“打已知光栅”的测距方式。

Aaron：你们在技术路线选择上，内部经历过哪些关键争论？有没有那种争议很大、但后来证明走对了的决定？

Jack：做软件之后，我们大体没走特别大的弯路。最大的弯路其实就是硬件那次。但转型那会儿，合伙人之间确实有不同声音：有人觉得辛苦做了这么久，说放弃就放弃，是否再坚持一下；也有人（比如我）觉得这东西肯定不 work，必须转，否则就死。还有一个争论是：未来到底是纯拍照的路线，还是依赖设备的路线？当时也没有完全一致。

最后能下决心，一方面是我们测试到算法可行；另一方面是软件本身更轻量，试错成本更可控，所以决定做 KIRI Engine。

我回头看，我对公司最关键的贡献其实就两件事：第一，毅然决然从硬件转软件，否则公司一定没有今天；第二，在元宇宙那波风口里拼命融资。当时合伙人也会担心：产品还没落地、估值又低，这么融资是不是飘了？是不是应该赶快做产品？但我们当时真的“穷怕了”，我就觉得：有机会融资就要使劲融。今天回头看，这个决策太对了。因为后来你会发现：能不能融到钱，很多时候跟产品好不好没有直接关系，更多跟风口有关。只要你不在风口上，产品再好也未必融得到。所以“在能融到钱的时候疯狂弄钱”，对我们来说是救命的。

Aaron：也就是说，你坚持路线，最终把其他合伙人也带过来了。

Jack：可以这么说。但我其实不太擅长用语言说服别人。很多时候我有 sense，有直觉，但我很难把它拆成一条条可量化的依据，讲得有理有据。我脑子里是把很多信息汇总成一个结论，它变成了“感觉”；但我不擅长把这些信息再拆回去讲清楚，所以说服力不强。一路下来确实是“感觉大于理性表达”。

Aaron：你是直觉很强的创始人。

Jack：我更愿意说它是信息汇总后的判断，只是我表达能力没跟上。

Aaron：KIRI Engine 早期是基于摄影测量（photogrammetry）和 NeRF 的能力，后来又加入了更多模式。当初为什么选择这条路？相比传统多视角重建，你们更看重它哪些能力？

Jack：最早（2022 年上线时），用手机拍照做 3D 重建，成熟可用的路线基本只有 photogrammetry，所以我们先做了它，这是当时的技术现实决定的。

后来我们发现 photogrammetry 有明显局限，比如对透明、反光物体重建困难。之后新技术出来：NeRF。我们发现 NeRF 在透明、反光这类场景更有优势。如果我们能把 NeRF 的表达再转成传统三角网格（mesh），那就能用 NeRF 去解决 photogrammetry 解决不了的问题，同时还输出可进入传统 3D 管线的 mesh。于是我们上线了“无特征点重建模式”，本质上就是基于一套 NeRF 转 mesh 的技术。

这个功能在 2023 年 3 月上线后，确实把我们和竞品拉开差距。当时很多竞品还停留在 photogrammetry，而我们能扫描透明反光物体、还能出 mesh，这在行业里传播很快。

我觉得这背后不完全是“我们选得多对”，更像是 3D 重建行业发展太快：2022 年主要是 photogrammetry，2022 年底 NeRF 起来，颠覆了很多渲染管线；2023 年底又有 3D Gaussian Splatting（3D 高斯）出来，再一次改变格局。行业推动技术快速演进，我们就不断把新能力工程化上线，满足更多用户需求。

Aaron：那你们团队为什么能比其他创业公司更快把这些技术工程化？优势在哪里？

Jack：我最近也在反思这个问题。按理说，厉害的团队多了去了，不一定应该是我们做得最快。但我总结大概有几条原因。

第一，我们判断一条技术路径有没有“未来”，这件事被锻炼得比较准。很多论文很火，但属于“障眼法”：能解决很多 corner case，在学术界很酷，但通用性短、落地难。我们会更谨慎地把资源投到更可能成为主流的方向上。

第二，我们团队迭代快。我们背景确实不“学术明星”，也没发过论文，但我们能找到有技术背景的人合作。KIRI 在行业里“人缘”还可以，因为我们没有派系，不是谁的门生，也不代表某个学校或老师，所以反而能和很多研究员、博士、科学家建立合作。很多关键技术（比如反光透明物体、3D 高斯转 mesh）都来自合作共研。我们看到新东西，通常能很快找到合适的人把它做出来、再尽快产品化。

Aaron：这两年 3D 生成、视觉模型、Transformer 架构也发展很快。你怎么看这些新范式和 3D 重建的关系？在新时代里，3D 重建的价值是什么？

Jack：这是个特别好的问题，我也一直在想。做 Remy，本质上就是我对“3D 重建与 3D 生成未来关系”的一次实践：3D 重建会不会被 3D 生成取代？我们无法精准预言未来，但可以用一个类比去理解：用今天的 2D 生成和 2D“重建”关系，映射未来的 3D。

2D 生成很好理解：Midjourney、Stable Diffusion。那 2D 重建是什么？其实就是拍照——把现实世界映射成 2D 影像。对应到 3D，就是 3D 重建：把现实世界映射成 3D。

那今天拍照和 Midjourney 的关系是什么？很简单：在生产力场景里，比如做海报、做封面图、做插画、做平面设计，AI 生成会持续替代，因为又快又好。但有一类场景 AI 生成替代不了：记录。你要发朋友圈、要合影留念、要记录“此时此刻发生的事”，你不会用 Midjourney 生成一张“我们三个人坐在一起”的照片，因为那不是发生过的事，它只是想象。记录与生成，在意义上是不同的。

所以我认为未来 3D 生成会越来越强，持续侵蚀生产力类 3D 资产的生成，比如游戏资产、打印模型、电影道具等。但“记录人与世界的关系”的需求，不会被生成取代——那是 3D 重建的价值所在。

Remy 就是在探索：普通人如何用 3D 讲更好的故事，用 3D 记录更有意思的记忆。Remy 最近的爆火，也在某种程度上验证了：至少第一步，这条路是可行的。

当 3D 从生产力迁移到生活：Remy 的第一性原理

Jane：回到 Remy，它和你们之前做 KIRI Engine 的第一性原理似乎完全不同，对吗？KIRI Engine 是生产力工具，Remy 的第一性原理更像“记录”。

Jack：对。Remy 探索的是普通人如何用 3D tell better stories；而 KIRI Engine 是帮助专业 3D 创作者更高效、更低成本地获得高质量 3D 模型。

Jane：那我是不是可以理解：KIRI Engine 这类工作，有一部分未来可能会被 3D 生成模型替代？

Jack：没错。我们做 Remy 的原因其实有两个方向都成立。

从下往上：当我们在 KIRI Engine 上线 3D 高斯泼溅之后，我们发现即便 KIRI Engine 定位很“工具”，用户已经开始出现大量“记录行为”。过去用户更多是做游戏、做打印、做电影特效的专业人群；但用 3D 高斯的用户，会用它记录生活：今天去迪士尼，明天带爸爸去旅游，后天去参观某个艺术工作室……你会发现“记录”已经在工具里发生了。只是 KIRI Engine 里有很多专业参数、专业模式，普通人不需要。于是我们做一个新产品，把“记录”这条线抓住：把体验做得清晰、不 confusing。

从上往下：我们也认为未来生产力场景会越来越多被 AI 生成替代，这是趋势。假设 scaling law 继续成立，生成能力会持续变强。所以我们判断更大的 3D 机会在 C 端，而不是 P 端。

Jane：用 3D 重建来记录，相比照片、视频，它不可替代的核心价值是什么？它能提供什么新的价值？

Jack：我觉得最本质的是“信息密度的升维”。说得更具体一点：人类的信息载体一直在升级。BP机时代是文字；后来有电话，信息更即时；再后来有照片，从文字到图像是一种信息密度跃迁；视频把时间加进来，信息密度更高；直播把“实时性”加进来，又是一种提升。

站在今天想：视频和直播之后，下一个信息密度提升的形态会是什么？如果人对更高信息密度的追求不变，那我很难想象除了 3D，还有什么能承载更高的密度。3D 不是“更清晰”，而是“更完整”：你能从不同角度看到更多细节，能把空间本身变成信息。

举个 Remy 的例子。我们看到一个用户在日本徒步，森林里藏着很多很小的佛像（半米高那种），非常原生态。他用 Remy 记录下来。你打开它第一眼像照片，但你用手指一滑，佛像转到背面，你会看到完全不同的信息：比如佛像后面有个给小松鼠放食物的小碗，里面还有坚果。这个细节如果只是照片，很可能永远看不到；但 3D 把它还原出来了——你只是轻轻一转，就进入“照片看不到的那一面世界”。这就是信息密度带来的震撼。

3D高斯泼溅 - 3D内容能够带来更直观的交互体验

基于这些定义，我们做了很多工程和算法优化，也做了妥协。比如 KIRI Engine 跑 3D 高斯可能要 20 分钟，但 Remy 做到 5 分钟。时间更快，质量必然会损失，所以我们在速度、体积压缩、加载体验上做了大量取舍。KIRI Engine 不会优先考虑“体积小到像打开视频一样丝滑”，但 Remy 必须这么做。

Jane：如果未来你们要做 iOS 端，技术迁移成本高吗？

Jack：迁移成本很低，因为所有计算都在云端。手机端本质上就是拍照工具，所以做鸿蒙、苹果、安卓差异不大。

Jane：苹果手机有激光雷达，那是不是自带 3D 扫描功能？

Jack：只有 iPhone Pro 有激光雷达。没有那个“小黑点”就没有。而且很多人误解激光雷达对 3D 重建的帮助：激光雷达主要是测距，精度大概毫米级，可能五毫米左右。对高精度 3D 扫描来说，这不够——很多 3D 扫描希望做到 0.05 毫米级，甚至更高。所以激光雷达更多是辅助，让计算更快一点，但对“本质精度”帮助没那么大。

Jane：如果有一天苹果相册里直接有 3D 功能，会怎样？

Jack：我先插一句：鸿蒙 10 月 28 号更新的版本，鸿蒙相册左边已经有 3D 展示功能了。Remy 是目前唯一能把 3D 重建内容存进鸿蒙相册的 app，华为已经在做这件事。

至于苹果会不会做——我觉得手机厂商入局迟早是共识。如果厂商入局，Remy 的机会就不在“重建端”，因为重建会被入口挤压：拍照太简单了。那时 Remy 的机会在“出口”：用户会产生大量 3D 内容，但能分享到哪里？小红书只能发图文视频，抖音是短视频，都不是 3D 原生。如果 3D 成为共识，真正稀缺的是一个 3D 原生的社区/平台，让用户分享、炫耀、讲述自己的 3D 故事。那时我们就做平台，而不是继续死磕重建本身。

Jane：你们一个月 150 万用户，已经有正反馈。但另一个问题是：3D 内容 ToC 是否真的跨过临界点，成为大众会用的东西？你怎么看？

Jack：现在绝对没有跨过鸿沟。原因两点：第一，3D 重建门槛比拍照、拍视频高——你要围着物体拍一圈，这是天然劝退；第二，即便你愿意做，3D 最终质量在清晰度上还是比照片视频差。因为这两点，今天它还不是大众工具。

但有意思的是：Remy 把 ToC 这件事抛出去后，我们看到用户积极回应，说明需求在，只是技术还没完全满足需求。所以接下来我们要做的就是两件事：让 3D 重建更简单；让模型质量更高。只要这两件事持续改善，ToC 就会越来越成立。

Jane：有一个关键点：围着拍一圈似乎是必须的，但技术上有没有可能不必这样？

Jack：围着拍一圈的本质，是你要捕捉物体一圈的信息，尤其是背面信息。你没拍到背面，就只能靠想象；但想象不是记录。

但从原理上讲，不一定要拍一圈视频。只要有三四张覆盖不同视角的照片，你就可能重建出足够的信息，这就是“稀疏视角 3D 重建”。如果未来能让用户随手拍三四张就完成重建，门槛会远低于现在。这也是我们最近在做的方向之一。

Jane：也就是说，如果真的做到“拍几张照片就像拍照一样简单”，那可能是平民化的关键门槛？

Jack：是的。但这说起来简单，但我开玩笑说，这是 billion-dollar question——需要花十亿美金解决的问题，技术上非常难。

Jane：目前圈内对 Remy 的反馈，认知度挺高。你觉得它已经是 3D 重建 ToC 的标志性产品了吗？

Jack：从用户量角度，我觉得算标志性的。我们破 100 万用户用了 9 天。那天我还专门搜了一下：Sora 破 100 万用户用了 5 天，我只比 Sora 慢 4 天。这种速度确实是现象级的。

但下载量只是一个维度，还要看留存、月活等。这里有个有趣的数据：现在 Remy 每天新增用户大概是几万人，已经不像最夸张时一天几十万那样。用户每天建模数大概是新增用户的三倍，平均每个用户建三四个、四五个模型，并没有想象中那么夸张。

但更有意思的是：Remy 的 DAU 是每日新增用户的十倍。这说明“看 3D 内容”的门槛，远低于“做 3D 内容”的门槛。很多用户很喜欢看。

我甚至觉得未来可能会像抖音：不是每个人都会高频产出，但会有一批更会创作 3D 的人做内容，然后被更多人消费。3D 重建有门槛不可否认，但 3D 内容消费的门槛低很多，这是一个很重要的信号。

Aaron：你们 9 天到 100 万用户，怎么做到的？

Jack：我们完全没有投放，零买量，没有花一分钱。全部来自产品自传播（PLG）和用户自发扩散。关键在于：Remy 很酷，但酷不等于能传播。传播必须靠“分享”，而 3D 原生内容很难直接发到抖音、小红书，因为那些平台是 2D 内容结构。你必须把 3D 转成视频才分享得出去。

所以我们做了一个功能，叫“实景特效视频”。它试图把 3D 信息压缩进视频里：你分享出去的是视频，但它带着 3D 才有的光影、空间重构效果，这种东西普通视频做不出来。用户觉得“没见过、太酷了”，就会发出去，于是全网扩散，Remy 才被点燃。

Remy的“实景特效视频”让3D内容秒变“特效大片”

Aaron：那目前 Remy 怎么商业化？

Jack：我们其实没把 Remy 的第一目标设为商业化。KIRI Engine 的商业化很直接：生产力工具提效，用户付费合理。但 Remy 的使命更像“培养用户用 3D 记录的习惯”。如果使命是培养习惯，就不能把商业化做得太重，至少不能把用户拒之门外。

不过我们最近确实上线了一个机制：重建需要消耗 token，我们叫“光粒”。新用户会送 100 个 光粒，用完不充值就不能重建，这是一个商业化锚点。但与此同时我们也上线了签到系统：每连续签到 7 天送 210 个 光粒。210 个光粒 对应的成本大概 30 块钱左右，也就是说我们每周“补贴”用户去重建。对 90% 的用户来说，这足以做到“免费重建”，不需要额外付费。

我这么做目的不是为了立刻挣钱，而是为了养成用户每天用 Remy 的习惯，并让 Remy的光粒 有一个明确的价值锚点。等我们把用户习惯培养起来——比如明年年底做到 1000 万用户、100 万 DAU——那商业模式会非常多：品牌店铺的 3D 展示、餐馆的 3D 空间、各种 3D 原生广告与交易形态，都可以展开。但前提是先把“3D 记录与消费”的习惯培养出来。

Aaron：我感觉很多 C 端自来水用户并不是把它当生产力工具，而是当玩具、当社交货币来用。你们发现这种变化后，怎么调整产品定位和营销策略？

Jack：我觉得今天很少有 app 真正解决“刚需”，多数是锦上添花，更多服务情绪价值和社交属性。接受这一点之后，你就会发现 Remy 要解决的核心变成：怎么让它更好玩、更新更有趣。

所以我们会不断上线新模板、新实景特效，让同一个 3D 模型能生成不同风格的视频，用户就能再发一波朋友圈。因为“只有你有、别人没有”，这就是社交传播的动能。下一步我们也会做更游戏化、更酷炫的东西，让用户持续觉得“3D 还能这样玩”。

Aaron：你觉得 Remy 的长期护城河是什么？用户起来之后也会有人抄。

Jack：护城河一定在技术迭代上。因为 Remy 这类产品跟一般 C 端产品不一样：你每一次功能更新都需要大量底层技术验证。比如你要做场景级重建，就要解决 inside-out 的拍摄方式、过去无法闭环的重建问题；要在用户可接受的时间内跑完；模型是场景级的，你还要解决手机端渲染、加载速度、丝滑打开体验。这些都需要长期的 3D 技术积累。不是有互联网产品思维就能做出来的，它对团队要求非常综合。

Jane：听下来，你对 Remy 的终局想象更像一个内容平台甚至社交平台，对吗？因为把 3D 压成视频再去抖音、小红书，本质还是绕了一道。

Jack：对，绝对是平台。我们前面聊过：3D 是更高维的信息密度，人对信息密度的追求不会变。现有社交平台基本是 2D 结构搭起来的，如果 3D 真的成为一个新的主流内容形态，就需要 3D 原生的平台去承接它。历史也类似：短视频起来后，本来以为是 Instagram、Facebook 承接，结果是 TikTok 这样的新平台出现。新内容形态往往由破坏式创新的新公司承接，而不是老平台自然接住。所以如果 3D 原生平台有机会，它是 Remy 的机会。

Jane：我们也看到不少创业公司尝试做类似的事，过去几年中国并没有出现特别出圈的新社交平台产品，所以很多人会怀疑：在抖音、小红书之外，真的还有软件机会吗？

Jack：这就是非共识，而非共识本身就是机会。大家质疑，我们坚持做；如果做对了，我们会把后来者甩得很远。

融资、团队与目标函数：一家 3D 公司的现实生存法则

Aaron：回到融资和团队。你们经历了四轮融资。我想了解：融资过程中投资人最常质疑什么？你们怎么回应？

Jack：最常被挑战的问题很简单：3D 行业到底有多大。过去很难回答，因为 3D 确实小众。但很幸运，Remy 跑出来之后，这个问题不需要用同样方式回答了。看到 Remy 的第一步成功之后，大家才愿意相信 3D 有 ToC 的可能。当然我们也会告诉投资人：这是一条很长的路，需要持续优化产品与技术。

另一个挑战是团队。KIRI 团队很“奇葩”，简历没有明星光环。你把我们跟任何一个团队比，可能都比不过。但你会发现，在过去几年里3D 行业不妨有很多大咖下场创业，但很多同行被我们熬死了。为什么最后是我们走到现在？可能不是某一项单点技术最强，而是我们的综合能力——尤其是把新技术快速工程化、快速产品化的能力。KIRI Engine 从 2022 年上线到现在，每年收入和用户都翻倍增长。投资人问“你们团队优势在哪”，我就用这个事实去回答：你不一定要用简历去定义一个团队，可能要用它在复杂环境下持续兑现增长与迭代的能力来定义。

Aaron：咱们现在团队多少人？

Jack：现在 20 多个人。其实 KIRI 从前面开始人数就没怎么变。

Aaron：这是一个稳定的团队。你刚刚说你们简历不耀眼，我很好奇：你招人看什么？什么样的人适合你们团队？你最看重的点是什么？

Jack：首先，招人不可能百分之百看准。总体我们会看三点：学习能力、自驱力、情商。只要这三点过关，我觉得就能进入团队。但“人数没变”不代表“人没变”，人其实一直在变——一直在被筛，一直在淘汰、一直在招新的，然后不断把血液换到我们认为真正符合这几个条件的人为止。我们不愿意盲目扩张，但会持续迭代团队的质量，让它能跟上我们想做的事情的难度。

Aaron：技术这个东西变化真的太快了，可能一年一变，甚至半年一变。站在现在这个时间点，你是怎么去想未来的？先说近一点，明年 KIRI 的目标是什么？再往后看，三到五年，你希望公司能走到一个什么样的阶段？

Jack：我们的目标其实非常简单，甚至可以说是特别简单、特别粗暴的那种。明年，我希望 Remy 能做到一千万用户，做到一百万 DAU。这个，就是我对明年最直接、最明确的目标。

为了达成这个目标，其实我需要把两个问题回答得更好，也需要承担起把这两个问题真正解决好的责任。第一个问题是：3D 空间怎么才能被做得越来越简单，让更多人不用学习、不用理解复杂概念，就能自然地用起来；第二个问题是：3D 空间的质量，怎么才能持续变得越来越好，不只是“能看”，而是真的值得被记录、被保存、被分享。这是我明年最核心的目标。

再往后看，三到五年的目标，其实也很清楚。简单来说，我希望能聚拢一批人，让大家真正去体验 3D 记录、3D 叙事所带来的那种独特乐趣。说得更直白一点，我想把这样一个平台搭起来。

它当然不可能去替代小红书，也不可能替代抖音。但我希望它能存在于小红书和抖音之外，成为另一种选择。它是一个能给用户带来不一样心理体验的平台。大家在刷完小红书、刷完 2D 内容之后，可以来看看 3D 内容。因为 3D 的体验，和看 2D，本质上是完全不同的。

这件事就是我希望在未来三到五年里持续去做、去回答的事情——how people can tell better stories in 3D。这是一个我希望不断去探索、不断去逼近答案的问题。

Jane：非常感谢 Jack。以上就是今天《ya!ya!》的全部内容。

Jack：谢谢。

参考文献：

[1] https://www.theinformation.com/articles/deepseek-release-next-flagship-ai-model-strong-coding-ability?rc=sp92ul