胡渊鸣：Meshy AI，太极，MIT，清华姚班，图形学，物理仿真模拟，开源，商业化，勇气 ，智慧 ｜ WhynotTV Podcast #2

UP主: WhynotTV · 时长: 3h04m · 🔗 B站原视频

标签: 胡渊鸣 · 创业 · 计算机图形学 · AI · 播客

胡渊鸣是谁？从小对编程与世界的思考

泰然：用自己的编程语言去实现自己的程序，发现比CUDA还好用的时候，我觉得那时候可牛逼坏了。确实开源是不挣钱的，但是你有一个好的开源项目，它能够帮助你吸引到最好的人才。如果你自己把自己关在办公室，把门关着，每天做自己的事情，短时间之内你当然能产出更多，但是5年以后你一定不知道该做什么。所有data都是synthetic data，或者大部分data是synthetic data，一定不会work。不一定需要人类自以为对这个物理世界的那么多认知，它可以自己发现自己的牛顿定律。或者说我在当CEO之前，我是个intern。其实我在做公司的这个过程中，每3到6个月就要把自己开除一次。你坐在CEO的位置上，就要为整个公司的利益去负责，而不是让自己被所有人都喜欢。和平年代，没有什么比创业更能锻炼一个人了。

以下内容是我和Meshy AI CEO胡渊鸣的对话。胡渊鸣从小编写物理仿真程序和游戏开发，本科就读于清华姚班，后赴MIT攻读博士，他是世界上最优秀的计算机图形学专家之一。2021年，胡渊鸣博士毕业后创业成立太极图形，历经18个月的商业化探索后，转型推出3D生成式AI平台Meshy，现服务用户超400万，年营收增长超十倍。本次对话涵盖胡渊鸣对科技和世界本质的思考、博士期间的自我颠覆、创业的生死转型，以及每三个月杀死过去自己的智慧和勇气的进化哲学。这里是WhyNot TV Podcast，现在请与我一起进入胡渊鸣的世界。

泰然：胡渊鸣你好。你身上有很多亮眼的标签，比如说清华姚班、MIT、99行代码冰雪奇缘，包括从太极图形到Meshy AI的CEO。我相信你已经对这种标签早就祛魅了，并且我知道这样的标签完全不能展示真实的你。所以我很好奇，我们开场的第一个问题，我想问你，胡渊鸣是谁？你会如何认知、定义和介绍你自己？

胡渊鸣：最简单的回答就是我是我自己，I am myself。我是一个被自己的兴趣和使命感驱动着去做事的这样一个人。好像也就是这么简单的一个定义了。

泰然：我看到你的经历是，在你很小的时候就开始写代码，从小就有对编程、甚至对图形学的兴趣了。

胡渊鸣：我从小是在玩游戏当中长大的。你看我现在近视度数应该也能猜到我玩了多少电子游戏。在很小的时候，对图形学的兴趣，可能在我知道这个东西叫图形学之前应该就产生了。因为那个时候看亲戚朋友玩《仙剑奇侠传》、《红色警戒》，还有最早的《帝国时代2》。在那个时候就觉得，能在计算机里面用加减乘除去创建出来一个世界，是非常有意思的一个事儿。

泰然：那个时候你几岁？

胡渊鸣：很小吧，可能在上小学之前、幼儿园的时候。因为我父母是从事计算机方面的教学工作，他们在大学里面做老师，所以我很小的时候就接触了计算机。我印象中很早的时候，我就问过父母一些非常奇怪的问题。有一个问题我到现在还没有想清楚答案到底是什么，和你今天想问的这些事情有很大的关系。

我记得在很小的时候，家里住在学校宿舍，楼下有一棵树，可能是桃树。每到春天的时候，这个桃树就会开花。我当时就在思考一个问题：当我在睡觉的时候，当我不在观测这个桃树的时候，这个桃树到底是自己在默默地生长呢，还是在偷懒保持原样，直到我看到它的一瞬间，它突然长成了它应该呈现的那个样子？

那个时候我就开始想，这个世界到底是如何去运行的。后来我就发现，我作为在这个世界中的一员，我没有办法去区分这两个事情。因为假设这个桃树在我没有观测它的时候，它其实是保持静止，在我看到它的时候，它突然变成快进到现在这个样子，那意味着这个世界背后要做很多的计算，对不对？那也就意味着，如果我很快地在这个世界里面去观察很多东西，这个世界应该会变慢，我应该能观测到它会变慢。后来我想，我观测不到，因为我自己也是被这个世界所模拟的。所以你作为一个在这个世界里面被模拟的一员，你其实没有办法区分这个世界到底是如何被计算或者被模拟的。

当时我就在想，我们其实可以构建一套系统去simulate（模拟）这个世界里面发生的所有事情。然而在这个系统当中被模拟的所有的客体，他其实没有办法意识到自己是在一个被模拟的世界当中。

早期编程经历与物理仿真的启蒙

泰然：你上小学之后就开始自己写模拟的代码了？

胡渊鸣：对，很早的时候，最早是用Visual Basic 6.0。我记得当时是一个六兆的安装包，从天空软件园搞下来，就开始去写一些最基本的物理仿真的代码。

泰然：所以你其实小学正常的课程是不会教牛顿定律的。

胡渊鸣：对。我当时自己发现了一个事情，如果我按键盘上面的上下左右，只让这个物体朝前移动的话，就会非常不真实。所以我得给它定义一个，我用上下左右操作，应该是这个物体移动的增量。后来我才知道这个叫做牛顿第二定律。所以在这个里面，其实能让你知道很多非常有意思的事情，也可以锻炼很多的逻辑思维能力。

泰然：你当时小学写的simulator里面可以simulate什么样的东西？

胡渊鸣：那个是一个最早有很宏大愿景的东西，就是我是不是能写一个游戏，这游戏里面你可以把所有的组件通过排列组合得到一些非常神奇的、能够实现各种功能的机器。当时其实有一个游戏叫做《Crazy Machines》（疯狂机器），大概就是你有一个网球在这，然后你希望这个网球经过你的一系列操作，通过杠杆、滑轮、台阶、电风扇、面包机，最后能够砸到屏幕上一只猫。我当时玩这个游戏觉得非常有意思，这里面其实是最早的一些物理仿真方面的原理在驱动这个游戏。所以我自己对这个事一直就特别感兴趣。

所以我最早写的一个游戏，我印象中就是一个宇宙飞船，你可以操作上下左右键让它在空间里面移动，然后可以发子弹。后来我还尝试去给它加了一些引擎，你可以customize这个飞船，加两个推进器，升级组件。但是后来因为电脑硬盘坏了，代码也丢了。后来我有段时间兴趣就变成去用RPG Maker XP去做RPG游戏，那是一个2D的游戏引擎。后来就接触到Ruby，去学着写Ruby。

泰然：这些都发生在你小学的时候。

胡渊鸣：对，除了玩游戏，做游戏就是我最感兴趣的事情。

世界是一个模拟器吗？

泰然：你刚刚谈到小时候就在想这个世界是怎么运转的。现在十多年过去了，你还会觉得我们现在生活的世界是一个simulator吗？

胡渊鸣：作为被simulate的一个客体，你在这里面可能没有办法知道这个答案。也许我们整个世界就是被一个更高级的文明，它闲着无聊，写了一个程序来模拟我们这个世界。就像现在大家造super computer，最终可能变成100万个H100，去simulate artificial intelligence。在这过程当中，你如果只是被Transformer、被attention model模拟的一个object，你可能很难意识到自己是在这样的一个容器里面。

对我们来说，我觉得很有可能我们是一个被模拟的世界。你可以看到一些痕迹，比如说为什么会有普朗克常数？它会不会就是这个模拟系统的浮点数误差？它最多的精度就是能表达到这个样子，所以在我们观察看来就是一个普朗克常数。为什么会有光速的限制？为什么一个物体只能和未来的光锥里面的这些东西能去interact？可能就是它没有办法afford世界上所有两个粒子中间去interact，所以我干脆给你限制一个光速。宇宙为什么会大爆炸？那就是它设置的一个初始条件而已。

那这个比我们更高级的物种或者文明，他做这个事情的动机就是想看看，我如果给这个simulation一个initial condition，给它一个最基本的physical law（物理定律），那这个世界能演化成什么样子？会不会演化出像人类这样的物种？甚至这个物种自己又会去搞自己的新的simulation，通过这样的simulation满足自己的好奇心，或者去train robotics，或者去创造一个和自己一样聪明的生物或者文明。

泰然：完全就好像现在都在发生。

胡渊鸣：有可能。但是这个没有办法说它是真的还是假的，因为你在这个系统当中，所以你可能没有办法突破你自己也是被模拟的这样一个极限。

竞赛、清华姚班与初识AI

泰然：初高中你是在做什么？是在写更好的游戏了吗？

胡渊鸣：初高中其实很多时间是被计算机竞赛给占用了，很多时候就去做算法题，参加NOI这样的比赛。在这个过程中其实锻炼了很多competitive programming的能力，就是给你有限的时间，在很大压力之下你得把代码写出来。这个我觉得到现在还是让我很受益的一个事情。

初中的时候写的更多的，我记得当时写了一个弹簧质点系统。当时有一个游戏也很火叫做《World of Goo》（粘粘世界），就是你有很多的球，可以把它连起来搭成一个建筑物。有点像以前那种磁力棒，你可以把它搭起来搭很高。当时在计算机里面，它表现出来就是一个mass spring system。

到了高中的时候，当时就在研究是不是可以去simulate一些rigid body（刚体）。我觉得多米诺骨牌是很好玩的事情，我就想在电脑里面去搞多米诺骨牌。因为我在现实世界中堆了一个东西，没有场地，碰一下就全部完蛋了，在电脑里面做可能更有意思。所以当时就去在计算机里面去做这种rigid body simulation（刚体动力学）。在这个过程中我就发现，其实大家对于很多事情的建模是非常不准确的。比如说两个刚体之间的collision（碰撞），或者它们的friction（摩擦），这些model很多都是一些近似model。但是我还是对这个事情很感兴趣。后来上大学以后就开始研究流体，到PhD的时候还是在做deformable object（可变形物体）、弹塑性体和气体的仿真。

泰然：高中之后你就到了清华，当时是姚班，应该还是比较早期的姚班。现在回忆起来，你觉得那4年你最大的收获是什么？

胡渊鸣：我觉得收获非常非常大。昨天我们还同学聚会，我有一个朋友过生日，在湾区这边大家一起去他的生日聚会。到现在我们的关系都非常非常好，我们已经毕业快10年了。在这个过程中，可能收获的最多的就是一帮非常厉害的同学。这些同学里面，有人是平时好像也不怎么学，但是每次考试都能考100分；有人是以前竞赛可以轻轻松松拿到ACM World Final的金牌。在里面就意识到一个事情：这个世界上有很多厉害的人。我觉得光是这样的一个事就足以说明这4年是非常非常有价值的。

泰然：在本科的时候就开始做科研了，并且是图形学的科研？

胡渊鸣：最早的时候图形学有一个困境，就是其实要在中国去做图形学，我觉得好像机会不太多。所以我基本上都是自己在宿舍里面捣鼓。在捣鼓的过程中，基本上就是自己看看SIGGRAPH paper，然后看看效果好炫酷，能不能自己实现一下。然后实现了很多的SIGGRAPH paper。在这个过程中也积累了很多对于像物理仿真、渲染这里面很底层技术的了解。当然也发现了很多paper它没有把所有的事情都写出来，这个其实也让我比较早地意识到，科研其实有很多局限性，不能太迷信paper里面说的事情。

泰然：为什么当时你觉得在中国做图形学不太有那样的土壤？

胡渊鸣：最优秀的同学都去搞AI了呀。哪怕是13年到17年那段时间，当时正是神经网络很火的时候。12年的时候AlexNet出来了，然后到后来就是ResNet，然后AlphaGo。那整个graphics其实不算是最好的方向。最优秀的人，或者说没有太想清楚自己真正喜欢什么事情的人，很多人其实会去搞AI，然后很多人也搞得很不错。

泰然：你当时考虑过去搞AI吗？

胡渊鸣：我也去搞了一段时间AI，我觉得挺不错的。当时我是到了微软亚洲研究院（MSRA）里的Steve Lin老师那边去intern了一段时间。他们组叫做网络图形组，去了以后发现所有人都在搞AI，那我也就只能去搞AI。最早的时候大概是大三下学期，开始做一篇CVPR paper，是关于用神经网络去预测white balance的，后来发表在了CVPR 2017。

后来看到AlphaGo，我觉得RL（强化学习）这个东西很好，然后又去想办法用RL去搞图片的后处理。当时GANs也很火，我就想去试试GANs。我就把GAN和RL两个东西整到一起，最后train了1000多个model，才train出来一个勉强可以的model。最后我就发现，这两个技术好像也没有那么成熟。那个时候RL还停留在A3C，各种稳定性的问题也没有解决。其实我觉得到今天这个sparse reward问题都没有解决，它还是靠pretrain再加上RLHF去解决这个问题。

MIT读博、自我怀疑与寻找方向

泰然：你到了MIT之后，当时想过自己要做什么吗？还是你非常坚定要做graphics？

胡渊鸣：当时就非常坚定想做graphics。我觉得整个MIT和Stanford这种靠近产业中心的学校比起来，对于AI的接受程度其实要低很多。其实这个和整个波士顿地区的创业氛围有很大的关系。由于它没有产业的驱动，整个波士顿这边其实做的更多的还是bio。所以这个可能导致了MIT在整个AI的时代跟得没有特别紧。

在MIT其实很幸运的是，我在读完master以后，换到了我后来的两位导师的组里面，一位是Frédo Durand，还有一位是Bill Freeman。在他们两位导师的指导下，他们都比较hands-off，对我的研究没有加太多的约束，所以我可以比较自由地去做我的research。

泰然：但你跳过了第一年，你在很多地方都说过，第一年差点在MIT想退学了。

胡渊鸣：对，当时差点退学。退学的原因是，当时我和我的第一年的导师的研究兴趣并不是特别一致。一方面我有自己的research interest，另外一方面我还得去满足他那边可能有一些funding的约束。所以我就有很多的时间要干自己不那么enjoy的事情。

我恰恰又是一个，你让我干我enjoy的事情，我可以1000%的努力；但是你让我干我不那么enjoy的事情，我可能会很痛苦。在这个过程中我大概学会了一个事情：我只能做自己enjoy的事情。如果说一个事情我没有那么enjoy，I would rather not do it，我宁愿不做它。

泰然：你觉得这是你的天资还是运气？

胡渊鸣：我觉得天资就是运气嘛。你就是genetically抽中了一个比较好的基因，所以你恰好在这个时代又需要你这个基因能做的事情。所以我觉得可能99%都是运气。甚至你能努力也是运气的一部分，因为你有这个运气，所以你知道你喜欢什么，所以你可以努力。

泰然：第一年当时想退学，后来是什么契机让你走出来的？

胡渊鸣：一方面是在当时还是发了不少论文的，虽然很痛苦，但是比较productive。另外一个其实我也和几位学长聊了聊，在清华的学长，当时正好在相关组里面做postdoc或者是很senior的PhD。和他们聊了以后，就觉得可以在MIT内部找其他组换导师。

主要是家俊和俊彦吧。家俊就跟我说，你要不试试把你的这个simulator搞成differentiable（可微的），你可以求simulator的导数。那个后来就变成了ChainQueen和DiffTaichi两篇paper。其实这两篇工作是把simulation和robotics能够结合起来。俊彦跟我说了做一个有impact research的重要性。后来我自己也figure out，其实在MIT还是有很多的事情可以做的，这是一个非常非常好的平台。

泰然：如果你现在成为给当时开解一年级胡渊鸣的学长，你会对他当时说什么？

胡渊鸣：我觉得还是要打开眼界，先多花时间想什么样的工作是重要的工作，然后再去执行这个计划。Spend your time to carry out a good strategy before you execute it。一方面是时间不够，另外一方面可能客观上，当你去发了足够多的论文、灌了足够多的水之前，你可能不知道什么样的问题是重要的问题。当你经过足够这些挫败也好、反思也好，你才可以知道一个好的方向应该是什么样的。

创业公司的核心：招募最优秀的人才

泰然：你现在作为一个CEO，最重要的事是recruiting（招人）？没有比这个更重要的事？

胡渊鸣：没有。一个公司其实最核心的竞争力永远是人才。你只要有最好的人才，就能做出最好的产品；有最好的产品就可以有最多的用户；最多用户就可以有最多revenue；然后这个revenue又可以被投在R&D上面，那你又可以去找更好的人才。所以我觉得talent acquisition一直是一个CEO最重要的事情之一。

我觉得可能是：recruiting占40%，思考未来占30%，然后紧密地参与到业务当中占30%。

泰然：什么样的特质会让你觉得好想招他来我的公司？

胡渊鸣：我觉得可能总结下来是四点。

第一点叫做Hungry。一个hungry的人，他往往还没有证明自己，他特别想成为一个更好的自己，他特别想去一个成长快速的地方去开创自己的一番事业。这种对于做出impact的饥渴感是很重要的。

第二个是Humble。其实我在招聘的时候很重要的一个事情就是看这个人是不是open，他能不能意识到自己还有很多事情没有能够做好。其实一个人最可怕的事情就是他已经无视事实，用这种扭曲的现实来安慰自己。如果不humble的人是没有办法成长的，也听不进别人的意见。

第三个叫做Smart。你当然希望和聪明的人在一起。Smart就是他可以很resourceful地想尽一切办法去解决问题。他们是最好的problem solver。在创业公司，很多时候你并不需要好的manager，你需要的是每一个individual contributor他都是一个很好的problem solver。

第四个是Clarity。他的表达应该是清楚的，他说的话你应该能听懂。很多时候你去面试一个人，当你发现他说的话你完全听不懂的时候，十有八九并不是你有问题，而是他没有把这个事情讲清楚。很多时候表达不清楚，不是口才不好，而是头脑里面就没有想清楚。

计算机图形学与太极（Taichi）的诞生

泰然：什么是计算机图形学领域最重要的问题？

胡渊鸣：我的答案就是，Computer Graphics就是用加减乘除创造一个虚拟的世界。因为不管是CPU还是GPU，它都只能做加减乘除、开方、三角函数，但是你却要用这些最基本的building blocks去创建出来一个栩栩如生的，也许像《赛博朋克2077》或者是《巫师3》这样的游戏画面出来。我觉得是非常非常吸引人的一个事。

泰然：什么是太极？为什么要做太极？太极在解决Graphics里面什么重要的问题？

胡渊鸣：最早的时候太极主要的应用场景就是simulation，就是希望用一套好的基础设施，使得仿真能够被推到一个特别大的scale。那我整个PhD最终实现了一个目标，就是我可以在一块GPU上面去run 10亿个粒子的仿真（One billion particles using Taichi）。

在太极之前完全不可能。因为你想10亿个粒子，在一块3090 GPU（24GB的显存）上，意味着你每个particle占的内存空间不能超过24个byte。为了实现这个事情，我在编译器里面做了很多事情。当时我记得16位的浮点数我都舍不得用，我想把它压到一个32位的整数里面，所以X用了11位，Y用了11位，Z只能给它10位，这样正好是32。当时就做了一个工作叫做QuantTaichi，可以把太极里面的data structure全部都变成一个low-bit的数据结构。

太极是解决一个infrastructure上面的问题，使得我们的simulation通过这样的一个infrastructure能够更容易开发，运行速度更快，更省内存，而且还变成differentiable（可微的），这样它在很多robotics的场景里面就可以去使用。

泰然：当时你在MIT写太极，相当于是自己solo做这个project，那是什么样的体验？

胡渊鸣：很爽啊。我可以做我自己喜欢的事情，还可以发paper，还可以开源，还可以让很多人来用这个玩意儿。还可以把自己关在一个小房间里面，不用和任何人打交道。还可以用我自己造的轮子造轮子。从底层开始造轮子是我自己很喜欢的一个事情。

其实现在回过头来看，我在当时相当于做了一个产品经理，分析用户需求；我也扮演了一个科学家的角色，了解最新的技术如何convert成一个好产品；我也做了一个很好的工程师的角色，包括给GitHub project去set up CI/CD、软件架构、C++层面的性能优化；我还做了一个CEO该做的事情，就是如何把这三个角色做的成果整合起来，让更多人能用上。

泰然：有没有哪个瞬间你觉得太极会改变世界？

胡渊鸣：当我第一次用自己的编程语言去实现自己的程序，然后发现还比CUDA好用的时候，我觉得那时候那可牛逼坏了。还有一个瞬间是我给太极去加上AutoDiff的时候。我大概花了三四天时间，把太极的程序从只有forward变成能够backward。我实现了第一个end-to-end differentiable的soft body simulator。把当时用CUDA写的ChainQueen的代码，变成加上AutoDiff两行代码就把它变成一个differentiable的code。我也觉得只有自己造了一个编译器才能做到这个事情。

开源的商业化困境与物理仿真的未来

泰然：你现在对开源的看法是什么？创业公司应不应该做开源？

胡渊鸣：我对这个问题的看法有过几次反复。最早在MIT的时候当然是开源大法好。后来博士毕业以后做公司，最早的时候就想继续去做太极，也做了文档、社区，有越来越多的人来用。但是后来其实商业化上遇到了一些挑战。那确实开源是不挣钱的，但是你有一个好的开源项目，它能够帮助你吸引到最好的人才和最好的客户。它相当于变成了一个marketing的手段。

开源在一个初创公司当中有它的位置，但是这个得非常strategic。你得想到一个好的商业化的方式和它互补，这样你整个事情才能够闭环地做下去。

泰然：如果我们想让physical simulation对于robotics这个领域更有用，还有什么需要做的事情？

胡渊鸣：我觉得现在的simulator可能某种意义上需要变得更加data-driven和neural的这种方式去结合。这不意味着牛顿第二定律不准，但是很多boundary condition（边界条件）可能是不准的。比如摩擦定律，光滑表面和光滑表面的摩擦机制，和你把一块玻璃放在一个湿漉漉的表面上的摩擦机制是完全不一样的。这些建模全部都是不准的。所以这些simulation和reality之间的gap，就需要用data-driven的方式去给它close上。

另外一方面，虽然现在大家都讲究end-to-end，但是你还是能看到在这个里面有很多的大家会给这些neural network去加入很多的所谓的inductive bias（归纳偏置）。物理世界足够复杂，你要用data-driven的方式去描述这些particle如何去运动。所以其实太极如果朝这个方向发展的话，有很多事情可以去做。

泰然：你相信sim-to-real吗？

胡渊鸣：我相信。虽然有这些问题在，但是simulation依然有它很大的意义。在robotics这个场景当中，其实你让一个robot去操作桌上的蔬菜或者盘子，其实是比飞机上天更难的一个事情。因为飞机上天，天上无非就是空气，但是当你要去更细致地去manipulate你桌上的东西的时候，这其实还非常非常难。而且这个中间很多边界条件的不一致，就会导致一些simulation在现实当中非常非常难去落地。

创立 Meshy AI：从太极的商业化受挫到转型

泰然：你从在MIT自己在寝室里写太极，到出来做startup，哪一刻你意识到我要自己出来做startup？

胡渊鸣：我自己还是挺喜欢尝试一些新东西的。在读PhD的时候，我也看了很多企业家的采访，比如Elon Musk、雷军、王传福。大概是在快毕业的时候，其实当时主要的一个问题还是因为学术的眼界也没有那么开阔，也没发现还有GenAI这么好的东西可以去做，所以当时就想能不能去把博士在做的事情去做成一个商业化的产品，那就有了最早的太极图形这个公司。

泰然：其实太极的商业化不是那么顺利，你作为一个CEO经历了什么？

胡渊鸣：最早的前18个月到24个月，我们都在摸索到底应该做一个什么样的产品，然后也没有任何的商业化上面一直没有任何起色。当时太极就是支持更多的硬件，支持AMD GPU，甚至我们还有一个JavaScript backend。但是也试了一些商业化的方式，最后发现要做商业化只能做外包。这是一个毛利润非常低的工作，而且在中国这样的事情，to B基本上是做不起来的。

在这过程中我意识到的一点就是，我这样性格的founder，只能去做标准化的面向consumer的产品。因为我很讨厌和大客户打交道，所以宁愿做API、做subscription。

泰然：从太极到Meshy，是胡渊鸣自己把自己开除的一个过程吗？

胡渊鸣：对。如果我继续做太极的话，我基本上看不到这个事情商业化的未来。其实我在做公司的这个过程中，每3到6个月就要把自己开除一次。You have to reinvent yourself every three to six months。你如果想在创业这种很intense的环境当中活下来的话，最好就是你觉得三个月之前的自己是傻逼。你如果不觉得三个月之前自己是傻逼的话，说明你这三个月没有成长。

泰然：当时你要做Meshy的时候，你的底层逻辑你不会担心你的团队不适合吗？

胡渊鸣：我没有任何这个担心。因为当时没有人在做这个事情。当时我们就是第一个上线的可以公开访问的产品，生成的非常差，以至于我找用户访谈的时候都说你千万不要跟别人说Meshy是胡渊鸣做的。直到做到大概Meshy v2的时候，我才好意思说这是我做的事情。

搞graphics的人都有一个很大的特点，在于非常硬核，学啥啥都会。因为你如果每天玩的是欧拉-拉格朗日方程，今天让你学个diffusion，那太容易了。

泰然：你当时怎么认定这个事儿市场大、能存在？

胡渊鸣：因为之前的产品虽然做失败了，但是我们聊了大量的用户，他们都说我不会为你这个软件付费的，但是你如果能把这个里面的模型都卖给我，我会为它付费。很多时候和你的用户去聊一聊，就能得到新的解决问题的思路。

创业的残酷事实与CEO的进化

泰然：你觉得你是一个好的CEO吗？

胡渊鸣：我觉得看跟谁比吧。你如果说Meshy的增长很快，那你跟Lovable、跟Cursor比，那就是根本算不上快。但你和传统的SaaS这种triple, triple, double, double比，那算是很快的。我觉得我还可以做得更好，我不觉得说这个……我甚至有的时候会觉得自己是个很差的CEO。比如如何更好地delegate我的工作，如何更好地管理自己的时间，在一些事情上更加杀伐果断，花更多的时间对外而不是对内。

泰然：有没有哪一刻是你认知崩塌、学到最多的东西？

胡渊鸣：可能最大的一次就是，我在以前非常希望所有人都喜欢自己。但是我后来经历了很多事情，我会发现，如果你工作的目标是让所有人都喜欢你自己的话，那你最终会被所有人讨厌。所以我不再追求所有人都来喜欢我，而是我会去追求让重要的人喜欢你就行。

一个好的leader可能是大家都服气的leader，但不一定是大家都喜欢的leader。如果你回避这些冲突，那你是做了一个自私的人，因为本质上你是希望自己被一小个群体喜欢，但是你没有为所有人的利益负责。你坐在CEO的位置上，你就要为整个公司的利益去负责，而不是让自己被所有人都喜欢。

泰然：你觉得Meshy你想要坚持留下的基因是什么？

胡渊鸣：最重要的基因是务实，或者说直面现实。Respect facts，尊重事实。比如说这事你做得好就是好，不好就是不好，尽可能客观去看待它。

如果你相信了一些害人的古话，比如说“一分耕耘一分收获”、“天道酬勤”，我觉得这个完全是骗人的。世界上绝大多数努力没有任何回报的。你做的事情越大，风险越大，往往就是你付出了99分的努力，一分回报也没有。创业最大的残酷事实就是在于，你大多数努力没有任何用。但是你必须做出这个努力，因为你不知道你的100分努力里面哪一分就是有用的。

泰然：你现在工作强度怎么样？

胡渊鸣：我工作强度挺大的。我觉得不太适合在这个节目里面说，要不然大家可能不敢创业了。坦率说是挺累的一个状态，但是我每天起来都会觉得这一天还可以元气满满地再去迎接新的挑战。有句话我觉得很有意思，叫做：和平年代，没有什么比创业更能锻炼一个人了。

阶段一与阶段二：从执行者到破局者

泰然：我想跟你聊一个关键词，你提出来的叫“阶段一”和“阶段二”。

胡渊鸣：阶段一就是在解决how的问题，阶段二是在解决why的问题。阶段一的时候你有一个明确的目标，阶段二的时候你没有明确的目标。阶段一的时候别人给你出问题，阶段二的时候你给自己出问题。

比如说，本科生重要的事情就是学书本上的知识，到研究生你可能要去找一个好的研究课题。以前工作的时候，所有的平台、所有的确定性都是公司提供给你的；但你自己创业以后，你瞬间失去了这一切，你接下来要做的事情完全是依赖于你自己的探索。

这两个阶段如此的不同，以至于很多人会在阶段二的时候继续沿用阶段一的思维方式，这就会导致阶段二的灾难。阶段一越成功，往往阶段二就会越suffer。因为你阶段一的技能和阶段二技能需要的是完全不一样的。阶段一可能是服从指挥、卷效率，但是到了阶段二，没有人再指挥你了，效率也无从谈起，因为连效率的metric都没有定义。

泰然：你对阶段一的PhD学生有什么建议？阶段二的PhD学生有什么建议？

胡渊鸣：阶段一的PhD学生，那就是老老实实把paper发出去。你如果一篇paper都没有，那不要去谈我要去看清楚这个行业什么趋势了。阶段一就是卷执行，多发几篇paper，得到更多的反馈。

当你有个三四篇顶会的paper了以后，你要开始想，我这些工作是不是成体系的？有没有其他领域的人来用我们的这个工作？有没有破圈？只有阶段一疯狂地卷，你才能得到足够多的信息，才能把你带到阶段二。但是到阶段二以后，执行依然很重要，但是要花时间去想Why。

面对失败与人生的意义

泰然：你现在怎么理解失败？

胡渊鸣：失败了又能怎么样呢？很多时候大家会把失败的后果想得非常严重。失败了我会死吗？我会失去做未来的事情的机会吗？只要我还活着，我觉得我就没有失败。真正的失败可能是做了一两次尝试，然后不愿意再去创新了。一朝被蛇咬，十年怕井绳，老老实实去做一些很保守的事情，我觉得是真正的失败。

泰然：你觉得人生的意义会不会被你解决问题的能力所限制？

胡渊鸣：人生有很多很多意义，并不是说你只有过一个非常intense的人生、过一个非常累、辛苦做事、改变世界的人生才有意义。如果你的人生的意义就是我要把我的父母照顾好，我要去培养一个出色的孩子，或者说我想做志愿者工作，这也是很有意义的事情。没有说有什么高下之分。

泰然：如果有一天胡渊鸣不再创业了，他会做什么？

胡渊鸣：写书。继续把我的GAMES201再搞一个高清重制版。想写一本教大家怎么搭simulation，怎么做graphics render，或者hybrid simulator，最好还是有点robotics方面的应用。

泰然：你对想要创业的年轻人有什么建议？

胡渊鸣：首先是get ready。你得先知道自己是不是ready for这个创业。这个ready不是说你想清楚了做什么，而是你要去有这个失败的承受能力。只要你能承受这个失败的后果，只要你的心态是失败了就失败了，能怎么样呢？我当时创业的心态就是，我PhD三年半毕业，我就算浪费两年，相当于五年半毕业，能怎么样呢？做了就做了。

泰然：10年后的胡渊鸣，你会希望是什么样子？

胡渊鸣：我还希望能够保持今天的所有的好的品质吧，然后把这些坏的品质全部都丢掉。比如闲不下来、管得太细、时间管理没做好、执行的时间大于思考的时间，我觉得这些都是要被改变的。

泰然：最后，希望能够在这个podcast留一个记号的话，你想说什么？

胡渊鸣：希望所有看到这个podcast的人，都能具备勇气。