任利锋，圈内人称 " 卷卷 "，数美万物创始人兼 CEO。他曾在字节跳动带领团队完成抖音从 0 到 1 的全过程，被不少人视为抖音崛起的重要推动者。本周「十字路口」播客发布了对他的近 3 小时深度访谈，聊了聊抖音立项的幕后故事，也聊了聊他现在的创业方向—— AI 3D 与 " 制造业 OS"。

访谈中最核心的一个判断是：基础模型不会吞噬一切。大语言模型与多模态模型看起来能生成万物，但一旦进入实体制造，仍需要能产出 " 生产级 "3D 资产的模型。而真正困难的，往往发生在模型之后：如何拆件、如何加连接结构、如何适配不同材料与设备；如何把毛绒的曲面展开成纸样、把图片转成刺绣机能识别的针迹；又如何在高并发、每一件都不同的订单里，把产品按时交付到用户手上。

这也解释了数美万物为何从 3D 大模型一路延伸到工具、工厂、交易与生态，并把目标从 Maker OS 推向制造业 OS ——他们要做的，是一条把普通人的创造欲真正送进现实世界的生产管线。

从抖音到 AI 3D：两次创业的相通逻辑

卷卷在访谈中回忆，2010 年毕业后他先去了百度，负责百度贴吧吧主的管理和运营工作。之后在赶集网工作过一段时间，刚好经历赶集和 58 合并。再之后去到字节跳动，在负责抖音之前，他负责过今日头条、问答以及直播相关的业务。

聊到抖音最初如何立项，卷卷提到，当时字节关注短视频，很大程度上和背后的基建有关。所谓互联网基建，关键有两个要素：一个是硬件，一个是网络。2015 年底，政府工作报告提到 2016 年要全面降低家庭宽带资费、大幅提升网速；同时以 OV、华为、小米为主的移动终端厂商，不约而同地提到 2016 年要全面普及大屏。大屏利好影像，影像背后会带来对图像渲染、GPU 能力要求的提升。手机摄像头作为采集端，画质和清晰度也在大幅提升。

正是看到硬件和网络的变化，做短视频才有了可能性。当时行业里有两个比较突出的产品：国内的快手和国际的 Musical.ly，分别从平实记录和增加音乐趣味性的表达上做出了不错的效果。在综合要素下，字节决定立项两个方向：火山小视频和抖音。

被问到为什么这么重要的任务交到自己手上，卷卷说 " 有运气的成分 "，也特别感谢公司管理层的支持。他分析，很大程度上可能是因为自己的运营出身——之前在百度贴吧有用户产品运营工作经验，过程中也做过运营后台、审核后台以及内部效率工具等后端产品工作。运营和产品能力的结合，对于内容型产品来说是比较契合的。

" 半命题式 " 激发：抖音早期做对了什么

卷卷在访谈中复盘了抖音早期的两个关键判断。一个是用户需要被激发——这种激发需要引导，但不能做成模板。模板化虽然上手容易，但会限制、禁锢用户的创造力；完全开放式的自由表达在产品早期也难以成型，因为用户还没建立起对玩法的认知。所以抖音采用了 " 半命题式 " 的方式：给你一段音乐，你不需要关心歌词和主题表达了什么，它对你来说是一个烘托氛围、表达情绪的工具。后来还包含了贴纸、道具、特效和美颜，这些都是激发用户表达的关键生产要素。

另一个是用户需要被看见。好的内容应该得到更多的传播。推荐算法固然重要，但很大程度上还是需要引入人性的审美判断，通过运营思维去挖掘优秀的标签、画风和主题形式。

这次创业做数美万物，和当时从 0 到 1 做抖音有什么相同之处？卷卷的回答是：" 愿景是美好的，路径是曲折的，这一点是一样的。" 在做抖音之前，谁也没有开天眼，没办法预测它未来的走向。但立项之初愿景很美好：年轻用户通过镜头语言表达内心和眼中的世界。后来发现，大家都说中国人内敛、不善于表达，但抖音激发了他们的创造力，让大家看到了他们极其精彩的另一面。

看到 Midjourney 时的第一反应：AI 生成 3D 什么时候来？

卷卷在访谈中透露，2023 年底思考这个方向时，团队做了一些技术推演，包括数据收集和技术路线演进，判断 AI 3D 会有持续发