Show Notes
李智昊，1998 年生。Spark AI 联合创始人。Spark 3D 论文发表在 NeurIPS 2025。 聊到第 33 分钟，他对我说：
「从我的视角来看，这条路线非常的不本质。」 ——「这条路线」指的是今天最火、最多融资的世界模型公司"用视频做世界模型"的路线。 去年 5 月 1 日凌晨，他和团队的 Spark 3D demo 上了 Hugging Face Trending 第一。他的判断是：4D 物理世界自己的 Stable Diffusion 时刻——两年内会被实现。 这一期是给所有做图、做 3D、做机器人、做游戏、做视频、以及想在下一波 AI 跃迁里"埋伏"的人——一份蹲守地图。
嘉宾 李智昊｜Spark AI 联合创始人。1998 年生，南大本科、新加坡南洋理工大学博士。代表作 Spark 3D——2025 年 5 月 1 日 demo 上 Hugging Face Trending 第一名，论文发表于 NeurIPS。一直沿着"压缩可以提升智能"这条暗线在走：从语言、图像、3D 一路逼到 4D 物理世界。本期他给所有人画了一张"世界模型赛道全景图"，并预测了下一个跃迁的时间窗。
亮点
视频是 4D 物理世界的有损投影
聊到第 6 分钟，李智昊把所有"视频生成式"世界模型的根一句话点出来——它们都是"从视频出发"，把视频当成 4D 物理世界的投影来做建构。问题在哪？「它被拍扁了那一刻，就很多的物理规律就被丢失掉了。举个最简单的例子，我们两个人相遇，这手手之间错过——为什么一直视频生成会有很大的问题？因为他丢失了这种手的前后关系、深度的空间关系。」
这条路线非常的不本质
全集冲突感最强的一句直引。任鑫问：能不能像 GPT 那样用 Next Token Prediction，直接从视频里把 3D 理解逼出来？李智昊的回答：「其实每个人都有不同的观点。从我的视角来看，这条路线非常的不本质。 因为你妄图从这种海量的数据里面做推理、做建模，它其实并不是一个高效的表征。」一句话把今天市面上所有视频生成派的世界模型公司都点了名。
视频生成派的第二个死结：Latency
李智昊给视频派的第二个判断：现在通用做法是用 3D VAE 对原始视频进行压缩——「它不可避免的会对时间维度进行压缩，这样就会导致你在 latent space 想去做一个 action，得到的 feedback 会在几帧之后，甚至有可能一秒之后才有。相当于你在 Vivo 的自动驾驶 simulator 里踩了一下刹车，最后过了十几帧才得到一个 feedback。」对自动驾驶 simulator、机器人 RL 训练，这种 latency 是致命的。
Spark 3D 的路：4D 点云 + Motion 残差
具体怎么做？李智昊和团队的路是「直接对 4D 空间进行建模」——以 4D 点云作为表征，把点源拆成"静态 + motion 残差"两部分。静态部分用 3D 高斯压缩，动态部分单独用一个小 token 表征。「我每次只压一个小的残差，不会把整张图像进行压缩。」一次 action 只改 motion 那一小段 token——latency 死结解开。
大厂难以去从表征层面来做更改
任鑫问：这种事大公司不更适合干吗？人家有 10 万张卡。李智昊接着说：「其实我觉得这反而是我们差异化的优势。大厂他投入了非常巨量的资源去做每一次视频生成的训练……可能他下一个 Q 就要做超过他自己的 2.0、3.0……但其实他们非常难以去从表征层面来做更改。 每一次表征的更改都意味着你数据的推倒重来，也意味着从整个数据处理到整个压缩设计智能生成，所有的管线都可能要被重做。
壁垒在于表征的效率
聊到后半段最关键的一句立场宣告，李智昊接着说：「我觉得现在大部分人认为世界模型的壁垒还在于数据。我去采更多的 egocentric 数据……因此在同样的数据量下，我也需要加入更多的算力。我个人认为，包括我们 Spark AI 整个的姿态，还是认为壁垒在于表征的效率。 你如果把更多或者再多的资源投入到错误的表征上，只是把现在的这个天花板逐渐去逼近，而不是把天花板本身去捅破。」——这是直接反主流"数据 + 算力"派的立场。
两年内会被实现 4D 的 Stable Diffusion 时刻
任鑫问：4D 的「Stable Diffusion 时刻」会在两年内还是更晚一点？李智昊回答：「我觉得应该是在两年内，我们觉得还是比较有信心的。我们确实看到了一些迹象，我们认为两年内会被实现。」
任鑫追问：假设 12 个月后有重大突破，第 9 个月该干啥？李智昊给的方向：高精度多人 Minecraft / 4D 元宇宙；AI 生成游戏 + 3D 资产；机器人 simulator；个性化 3D 打印。
时间戳 00:04 一句话讲清楚他在干嘛——表征是底层暗线 02:35 Spark 3D 是怎么火起来的（5 月 1 日 Hugging Face Trending 第一） 03:29 压缩本身是一种表征方式 04:39 为什么 word model 必须做 4D 而不是 2D 视频 06:07 「我们把视频当做一个 4D 物理世界的有损投影」 07:52 视频生成路线的真正瓶颈：Latency 10:20 Spark 3D 的技术路径：4D 点云 + Motion 残差 18:14 4D 点云怎么压缩成 token 19:23 Ablation study：压缩好就能把智能上限提高 25:07 「大厂非常难以去从表征层面来做更改」 26:31 任鑫提炼："越小公司越应该做大事" 27:17 「我们其实真的是在做底层」 33:20 「这条路线非常的不本质」 34:59 任鑫讲佛教公案 / 35:30 李智昊技术解读 36:37 类比图像生成的 Stable Diffusion 时刻 39:36 「4D 跃迁，两年内会被实现」 41:05 To C 切入点：高精度多人 Minecraft 42:09 彩蛋：OnlyFans / NSFW 方向 43:15 游戏公司是天然客户：3D 一致性需求 45:08 世界模型赛道全景图（三类玩家） 47:58 「壁垒在于表征的效率」 51:12 一句话送给想跟图、跟 3D 创业的人 52:04 「下一个被突破的，可能就是 4D 物理世界」 53:21 任鑫收尾：做 AI 最痛苦的事
欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式
节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。
播客剪辑： 十六颗糖
BGM： 片头：Shortwire - Reconfig 片尾：Alex Siegel - Daydreaming Pilot
More from AI炼金术
本期简介 这期是第一次正经的线下拍摄。有观众留言说做 AI 游戏和娱乐内容，一个月光订阅就要四百美金，我们就请来做视频和娱乐的朋友姚旭，聊聊 NaukNauk。这是给普通人做日常表达和交新朋友的 App，用户主要在北美和欧洲。聊到：为什么用户用心爱的物件而不是自己的脸来表达；C 端产品怎么当 benchmark 和 eval 用；视频成本、卖 token 和巨头补贴；AI 内容泛滥之后，普通人去哪儿被看见。中间有不少不同意见，比如大平台会不会抄、做 C 端是追 beta 还是 seeking alpha。关心 AI 应用创业的，值得听听一线团队怎么想。
「也不用太焦虑了，以后一定会更糟的。」——任鑫，第一次创业时安慰合伙人 「你应该先卖，卖完再做，先把钱收了。」——任鑫 「大家买的根本不是这个产品。」——任鑫 「定义出这个标准的过程，就是你在干活的过程。」——晓辉 「早点关公司。」——任鑫，给第二次创业时的自己 「要把你大脑中很多的后台进程一个一个都关掉。」——晓辉 这一期反过来：晓辉博士在她的新可能实验室访谈任鑫。从计算机奥赛、电商、写博客被刘强东的助理转发，聊到 AI 让「做东西」大幅贬值之后为什么要先卖再做；从第二次创业从口号出发、晚关公司的教训，聊到晓辉离开腾讯、日更焦虑、帮企业做 AI 转型；最后是听众提问：超市财富自由、没有资本怎么推广、HRBP 怎么用 AI 抢地盘。
「AI 都能做完，但是我验收不完。」——徐文浩 「大家不要以为自己有 taste，你只是有 bias。」——任鑫 「我感觉我今年写了过去 20 年写的代码的量吧，当然不是我写，其实是 AI 写的。」——徐文浩 「点评的网站连信息都不给你看，它都不给人类看。」——任鑫 「它不是一个应该被解决的问题。」——任鑫，谈 AI 要替我们解决的那些琐事 「你卖成两家公司，说明你命好。」——徐文浩 国庆假期，两个老朋友各自开着十几个 AI 窗口，录下了这期闲聊。从 OpenAI DevDay 和突然又火起来的个人助理聊起：为什么在中国连点评都打不开，琐事到底该不该交给 AI，个人助理最后会不会免费；再到任鑫发现放手让 AI 做的视频，数据比自己认真做的还好，以及 Anthropic 找宗教领袖聊 Claude 的意识；最后落在一个程序员这一年的真实体感：代码写得比过去 20 年都多，人却像个快车司机。 【本期嘉宾】 徐文浩：某 AI 创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造"今夜酒店特价"用移动互联网应用特价销售酒店尾房；被京东并购后内部创业"京东到家"开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 【时间轴】 00:00 冷开场 00:31 开场：DevDay、个人助理、用 AI 做视频。 01:13 DevDay 没亮点：额度砍半，Codex 一两天用完，Dot 又慢又不透明。 03:45 个人助理为什么又火了：OpenClaw 之后，Muse、Instinct、Dot 扎堆入场。 06:48 中美两个市场：超级 App 把篱笆扎紧，美国电脑下单多、供给分散。 12:12 老创业者的选择：回避正面战场，还是先想好退出通道。 16:43 琐事是不是小确幸：组局的热心人、拼乐高、花两小时比价。 22:27 文浩的真实用法：Codex 补完一年的报销，带娃挑暑假目的地。 30:24 我们是不是典型用户：白给的 Token 都懒得开。 33:02 个人助理会免费吗：订阅的天花板、广告竞价、意图经济。 38:27 高频打低频：订酒店凭什么切到另一个 App，卖掉也是出路。 43:57 先卖再做：Agentic FDE、A 股题材、卖公司八成靠命。 49:09 ZooWork 发布：不绑死模型的托管 Agent 平台，Opus 四天烧掉 2000 美金。 56:22 产品要有一眼看懂的段子：压力手表的故事。 58:06 AI 做的视频反而更好：是 taste 还是 bias，不同平台要的不一样。 1:04:06 预告：AI 炼金术资料库网站。 1:04:54 Claude 有意识吗：意识是为了做模拟的错觉，还是终究要人扣扳机。 1:12:38 一年写完 20 年的代码：快车司机、外卖员，一天送 200 单。 1:15:45 AI 都能做完，但我验收不完：坐牢感和过度承诺。 1:18:25 去硅谷太贵：赚美国的钱，别在美国花。 1:21:35 本地推理：五千块的显卡跑千问，干小活够用。 1:24:32 听众提问：Dynamic Workflow 和 UltraCode 怎么用。 1:26:45 片尾曲：留一件小事给我吧 【核心观点】 1. DevDay 最大的新闻是额度砍半。文浩的体感是，Claude 的 Opus 重度用一周正好用完，Codex 一两天就用完，「这个玩意儿不具有性价比了」。Dot 只是把需要自己动手组装的产品，变成了买回来直接放进房间的家具，「但是这个产品并没有做得更好」。 2. 个人助理在中国和美国是两个市场。中国的超级 App 把篱笆扎得很紧，点评、淘宝的网页版连人都不让好好看，只有微信、阿里这样的平台能做。美国将近一半的电商交易在电脑上完成，每个垂直领域都有自己的 SaaS，供给分散，机会天然更大。 3. 琐事不一定是成本。任鑫看孩子照着说明书拼乐高，觉得那是花钱「买爽感」。很多人花两小时比价、挑一条裙子，本身就是放松。产品经理想象的用户都忙得找不着北，但大部分人的琐事，「它不是一个应该被解决的问题」。 4. 但真实的摩擦确实存在。文浩用 Codex 加 computer use，一两个小时补完了拖了一年的报销；带孩子挑暑假去哪儿，跟 Codex 多轮商量天气、价格和行程，「它其实是增加我的乐趣的」。 5. 个人助理最后大概率是免费的。订阅制一涨价就伤增长，免费产品靠广告主之间互相竞价：「理想也想卖车，小鹏也想卖车，特斯拉也想卖车。」代价是，这可能只有巨头或者巨额补贴才玩得起。 6. 做不成超级 App，卖掉也是出路。「一个善良的创业者本能想我怎么把这个事情做大……但是如果你想把这个东西卖掉，很多事情是可以做的。」任鑫顺着想到自己的 FDE 公司，也该往「被买」的方向做。 7. 先吆喝，再动手。任鑫把 Agent 版 FDE 的概念直接发布，真有企业带着订单来，深聊下去才发现，「他们根本不需要我做的这个东西」。 8. 认真做的，输给了 AI 做的。任鑫放手让 AI 照他的知识卡片出稿、用他的声音发，数据反而比自己认真口播的好。文浩不同意这么快投降：大众传播上 AI 也许更好，但它吸引来的人，是不是你真正想要的那群人，是另一回事。 9. 意识没那么高级，还是终究只是工具。任鑫觉得意识是为了做模拟、在没有生存压力时多产生训练数据，「有点像撞车实验里面那个假人」。文浩站在工具派：今天的 agent 都还要人去扣扳机。 10. 效率上去了，人却更累。「因为电动车快，不是我快。」东西太容易做，人就容易过度承诺：「AI 都能做完，但是我验收不完。」 一句话总结：AI 让「做」变得几乎免费，真正稀缺的变成了人的判断、验收，和那点不想交出去的小确幸。 【本期提到】 OpenAI DevDay、Dot（OpenAI）、Muse（Meta）、Instinct、Codex、Claude Code、Opus 5.5、OpenClaw、ZooWork.ai、Claude Frontier Academy（Anthropic）、Product Hunt 【关于 AI 炼金术】 「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品人和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。 我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 欢迎订阅「AI 炼金术」播客，以及同名公众号、视频号。 【节目主理人】 徐文浩：某 AI 创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造"今夜酒店特价"用移动互联网应用特价销售酒店尾房；被京东并购后内部创业"京东到家"开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 【商务合作】 公众号「AI炼金术」菜单栏中【商务】获取联系方式 【播客剪辑】
半年前橘子来聊个人助理，任鑫当场杠他：「这个东西太宽泛了……你要不要找一个细分啊？」半年后，Instinct 融资融到天上，Muse 把 Meta 股价都带了起来，Grok Bot、Dot、Cue 扎堆上线——个人 Agent 成了最热的赛道。任鑫的反应是：「感觉时代终于追上了橘子，然后就想把他抓过来，半年前蹭你热点没蹭上的话，半年后再蹭一遍。」橘子接得也干脆：「抱歉了，半年前没有给大家带来爆点，半年后我们再努力一次。」
美国财长贝森特刚放话：Hugging Face 事件是 OpenAI 管理层的责任，不是一群 agent 的责任，政府不会给 AI 实验室免责豁免。徐文浩的反应是：「你不能说挣钱的时候我挣一千万，坐牢的时候说这是 AI 的责任，和我没关系。」