「80点の3Dはゴミだ」Tripo、秒速生成の狂熱と冷酷な現実

1. 2秒でポリゴンが立ち上がる衝撃：秋葉原の同人作家からテンセントの開発室まで

Webブラウザのプロンプト欄に「Cyberpunk samurai warrior, katana on back, mechanical armor」と打ち込み、エンターキーを押す。

画面中央に現れたワイヤーフレームが青白く発光したかと思うと、わずか2秒から3秒後には、複雑な装甲の折り目や刀の柄の質感まで描き込まれたフルカラーの3Dポリゴンメッシュが、マウスのドラッグに合わせて360度軽やかに回転し始めます。

かつて、MayaやBlender、ZBrushといったプロ向けCGソフトウェアを立ち上げ、立方体のポリゴンを押し出し、スカルプティング（彫刻）ブラシで凹凸を削り出し、UV展開とテクスチャベイクに丸数日を費やしていた工程が、カップラーメンのフタを開けるよりも圧倒的に短い時間で完結してしまう――。

この衝撃的な体験を世界中にばら撒いているのが、北京に本拠を置くAIスタートアップVAST（ヴァスト / 北京三啓万物科技有限公司）が開発した3D生成AI基盤「Tripo（トリポ）」です。

2023年末のサービス公開以来、Tripoは全世界で200万人を超えるクリエイターやエンジニアを惹きつけました。東京・秋葉原でインディーゲームを開発する個人プログラマーから、拓竹科技（Bambu Lab）の高速3Dプリンターでフィギュアを出力する愛好家コミュニティ、さらにはテンセント（騰訊）やネットイース（網易）の超大作オープンワールド時代劇ゲーム『燕雲十六声（Where Winds Meet）』の試作開発チームに至るまで、Tripoが生成した3Dモデルの数は累計で数千万点に達しています。

この破竹の勢いを支えるのは、アリババ（阿里巴巴）、CMCキャピタル、経緯創投（Matrix Partners）、啓明創投（Qiming Venture Partners）、そして北京市AI産業投資基金といったトップVCやテック巨頭から調達した、総額数十億円規模の潤沢なリスクマネーです。

しかし、世界のCG業界が「ついに3D制作の民主化が完了した」と熱狂したのも束の間、現場のクリエイターや投資家たちは、生成AIが突きつけた残酷な物理的現実に直面することになります。

「画面越しに回して眺めるだけなら魔法のようだ。しかし、これを実際のゲームに組み込もうとした瞬間、完全なゴミと化す」――。プロの3Dアーティストたちから突きつけられたこの冷徹な拒絶こそが、VASTが社運を賭けた壮絶な軌道修正の幕開けでした。

---

2. 「80点では誰も使わない」：3D版TikTokの挫折と宋亜宸の告白

VASTを率いる創業者兼CEOの宋亜宸（サイモン・ソン / Simon Song）は、1997年生まれの気鋭の起業家です。名門ジョンズ・ホプキンス大学で国際関係と経済学を修めた後、AI大手・商湯科技（SenseTime）のCEOオフィスでアニメ・ゲーム向けAIGCの事業化を主導。その後、中国の大規模言語モデル（LLM）ユニコーンであるMiniMaxの立ち上げに参画し、「001号社員（最初のコアメンバー）」として急成長を牽引した経歴を持ちます。

そんな彼が2022年末に自らVASTを創業した際、当初描いていた事業構想は、いわば「3D世界のTikTok（あるいは3D版Midjourney）」でした。

スマートフォンを握る一般ユーザーが、思いついたテキストを入力すれば、画面上で可愛い3Dキャラクターや仮想空間が次々と生成され、ソーシャルメディアのように共有し合って自己表現を楽しむ――。Midjourneyが2D画像で起こした熱狂を、そのまま3次元空間へスライドさせれば、巨大なUGC（ユーザー生成コンテンツ）プラットフォームが誕生するはずだと誰もが信じていたのです。

ところが、サービスを一般公開して数カ月、宋亜宸は背筋が凍るようなユーザー離脱の現実に直面しました。

一般の消費者は、生成された3Dモデルを2、3回回転させて「すごい」と感心した後は、二度とアプリを開きませんでした。2D画像であれば、InstagramやX（旧Twitter）に投稿して1秒で他人の目を引き、承認欲求を満たすことができます。しかし、拡張子が.objや.gltfの3Dデータは、スマートフォン単体では「眺める」以外に何の使い道もありません。VRゴーグルを日常的に被るわけでもなく、3Dプリンターを自宅に持たない大衆にとって、3Dデータは重くて扱いにくいデジタル置物に過ぎなかったのです。

さらに深刻だったのは、本気でお金を払ってくれるはずのプロの現場――ゲーム開発会社、アニメーション制作スタジオ、XR開発企業からの冷酷な評価でした。

宋亜宸は中国メディア『36氪』のインタビューで、当時の衝撃を「業界全体が根本から戦い方を間違えていた」と振り返っています。

2Dの画像生成であれば、指が1本多かったり服のボタンが少し歪んでいたりしても、イラストやサムネイルとして80点の出来栄えなら「味がある」と許容されます。

しかし、3Dアセットの世界は違います。AIが吐き出したモデルは、表面上は美しく見えても、メッシュの構造（トポロジー）を覗くと数万〜数十万個の無秩序な三角形ポリゴンがぐちゃぐちゃに絡み合い、面の法線が反転し、テクスチャのUV座標は引き裂かれていました。

キャラクターの肘や膝を曲げようとしても、ポリゴンが四角面（Quad）で綺麗に整列していないため、メッシュが風船のように破綻して潰れてしまいます。ゲームスタジオの熟練モデラーがこの「AIモデル」を使おうとすれば、歪んだ頂点を手作業で1つずつ修正するリトポロジー作業に4時間も奪われます。それなら最初から熟練モデラーがMayaでゼロから彫り上げたほうが、わずか2時間で完璧なアセットが仕上がるのです。

「80点のおもちゃを吐き出すスロットマシン」を作っている限り、3D生成AIに生き残る道はない。宋亜宸は、大衆向けのUGCプラットフォームという甘い夢を完全に捨て去り、CGプロフェッショナルが直面する泥臭いワークフローの深部へと舵を切る決断を下しました。

---

3. 「3DのCursor」への大転換：トポロジーとリギングを呑み込むTripo Studio

目指すべきは、完成品をワンクリックで吐き出す画像ジェネレーターではなく、開発者がAIと対話しながらアセットを磨き上げる環境でした。宋亜宸がベンチマークとして掲げたのが、シリコンバレーでエンジニアたちのコーディング習慣を劇的に塗り替えたAIコードエディタ「Cursor（カーソル）」の思想です。

プログラマーがCursorを使うのは、AIに「アプリを丸ごと1本書いてくれ」と命じるためではありません。自分が書いたコードの文脈をAIに理解させ、バグの修正、関数のリファクタリング、型定義の補完をリアルタイムで共同作業（コパイロット）させるためです。

3D制作に必要なのも、まさにこの「対話型ワークスペース」でした。こうして2025年半ばから2026年にかけてVASTが総力を挙げて世に送り出したのが、Webブラウザ完結型の制作環境「Tripo Studio」です。

Tripo Studioが従来の生成AIと決定的に異なるのは、生成されたアセットを「プロの現場で使える水準（95点以上）」へと引き上げるための4つの武器をブラウザ内に統合した点にあります。

第1に、インテリジェント・セグメンテーション（部位分割）です。生成されたキャラクターのメッシュから、兜、鎧、手袋、長靴、背中の剣といった構成要素をAIが自動で認識し、独立したパーツとして切り離します。これにより、武器だけを持ち替えさせたり、防具の色や形状だけを後から差し替えるといったゲームアセット特有の編集が可能になりました。

第2に、スマートローポリ（クアッド・リトポロジー）です。AIが最初に生成する重厚な三角形メッシュを、ゲームエンジンのリアルタイムレンダリングに耐えうる数千〜数万ポリゴンの綺麗な「四角面（Quad）」メッシュへと自動再構築します。筋肉の流れや関節の曲がりに沿ったエッジループが形成されるため、曲げてもポリゴンが破綻しません。

第3に、PBR（物理ベースレンダリング）テクスチャの生成です。単なる表面のカラー画像だけでなく、金属の反射度合いを示すメタリックマップ、光の散乱を制御するラフネスマップ、微細な凹凸を立体的に見せるノーマルマップ（法線マップ）を最大4K解像度で同時に焼き出します。

第4に、自動リギング機能「Uni-Rig」です。完成したキャラクターの関節位置をAIが推定し、頭部、背骨、肩、肘、手首、膝、足首にいたるボーン（骨格）をワンクリックで埋め込みます。ウェイトペイント（皮膚が骨の動きにどれだけ追従するかという重み付け）も自動計算されるため、生成ボタンを押してからわずか数分後には、モデルが歩き、走り、ジャンプするアニメーションを画面上でプレビューできるのです。

さらにVASTは、AIコーディングのデファクトスタンダードとなったCursorやClaudeとBlenderを直結させる「Tripo MCP（Model Context Protocol）」をオープンソースでリリースしました。エンジニアがCursorのチャット欄に「Blender上にサイバーパンクの街並みを配置し、ネオン看板のビルを3棟生成してライティングを夜に設定せよ」とプロンプトを打ち込むだけで、Blenderのビューポート内でPythonスクリプトが自動実行され、Tripoの生成アセットがリアルタイムに整列・配置される――。

単なる「3D生成のおもちゃ」から「開発パイプラインの神経系」へ。宋亜宸のピボット（事業転換）は、CG制作の最前線に強烈なインパクトをもたらしました。

---

4. 容赦なき価格破壊と巨額赤字：オープンソース混元3Dと推論コストの挟み撃ち

しかし、制作現場のペインポイント（現場の課題）を的確に捉えたTripo Studioの進化の裏側で、VASTの財務と事業基盤には、極めて重い暗雲が立ち込めています。

最大の問題は、3D生成AIが宿命的に抱える「異次元の推論計算コスト（GPUインフラ費用）」です。

2Dの画像生成（MidjourneyやStable Diffusion）であれば、テキストプロンプトから潜在空間でノイズを除去し、1枚のピクセル画像をデコードする計算処理は比較的軽量です。これに対し、3Dアセットの生成は計算負荷が桁違いです。多視点画像の拡散生成（Multi-view Diffusion）を行い、NeRF（ニューラル放射輝度場）や3D Gaussian Splattingによって3次元の空間場を構築し、マーチングキューブス法でポリゴンメッシュを抽出し、さらにニューラルネットワークで四角面リトポロジーとUV展開、PBRテクスチャの焼き付けを実行します。

1つの高品質アセットを生成するためにサーバー側で消費されるGPUコンピュートコストは、2D画像の数十倍に跳ね上がります。全世界200万人のユーザーが毎日何万回もモデルを生成し、その大半が無料枠で遊び倒す現状において、クラウドサーバーの電気代とGPUレンタル料は毎月数千万円〜数億円規模で会社のキャッシュフローを冷酷に削り取っています。

比較項目	Tripo Studio（VAST）	Hunyuan3D 2.0（テンセント）	Meshy-4（Meshy）
開発元・資本背景	中国新興スタートアップ（独立系独角獣）	中国テック巨人（テンセント公式）	シリコンバレー新興（ベンチャー出資）
メッシュ品質・トポロジー	四角面（Quad）対応・エッジループ最適化	三角面中心・商用リトポロジーは要調整	四角面リトポロジー対応
自動リギング（ボーン組み込み）	対応（Uni-Rig：二足歩行・汎用）	非対応（外部DCCツールで手動設定）	対応（基本的な二足歩行骨格）
オープンソース提供	TripoSRのみ公開・最新3.0はクローズド	モデル重み・コードを完全オープンソース化	非公開（完全プロプライエタリSaaS）
月額利用料金（商用プロプラン）	月額19.9〜49ドル（従量クレジット制）	無料（自前GPU環境での完全無制限実行）	月額16〜48ドル（クレジット制）
開発パイプライン連携	Tripo MCP（Cursor/Blender/Unity直結）	Python API・ComfyUI連携	API連携・Blenderプラグイン

さらに追い打ちをかけているのが、中国テックの絶対王者・テンセントが仕掛けた「オープンソースによる価格破壊」です。

テンセントのAI研究チームは、超高精度な3D生成モデル「混元3D（Hunyuan3D 1.0 / 2.0）」の重み（ウェイト）とソースコードを、GitHub上で無償かつ商用利用可能な形で完全公開しました。テンセントにとって、3D生成モデル単体で課金ビジネスを成立させる必要はありません。自社の巨大なクラウドサービス（Tencent Cloud）の利用料を伸ばし、自社ゲーム開発のコストを削減できれば、モデル自体は無料の客引きパンダとしてばら撒いたほうが得策だからです。

「生成するだけならテンセントの無料オープンソースモデルをローカルPCや社内サーバーで回せばタダで済む」――。この事実は、月額数十ドルのSaaSサブスクリプション課金で開発費を回収しようとしていたVASTにとって、喉元に突きつけられた抜き身の刃となりました。

課金をためらう個人クリエイターの流出と、無料モデルの台頭。VASTが生き残るためには、単なる「生成の速さ」ではなく、ゲーム会社や工業デザイン企業が社内ワークフローから引き剥がせなくなるほどの「統合ワークスペースの利便性」を証明し続けるしかありません。

---

5. 日本の老舗ゲーム工房と職人文化：AIが越えられない「最後の5パーセント」

東京・恵比寿や大阪・難波にスタジオを構える日本の老舗ゲームパブリッシャー――スクウェア・エニックス、カプコン、フロム・ソフトウェア、バンダイナムコ。彼らの開発フロアに足を踏み入れると、AIに対する熱狂と、極めて冷静なリアリズムが同居していることに気づかされます。

日本のゲーム産業は、四半世紀以上にわたり、独自の美意識と極限の職人芸で世界を魅了してきました。格闘ゲームのキャラクターが繰り出すパンチの瞬間の筋肉のねじれ、RPGのヒロインが悲しげに微笑む瞬間のまぶたと口角の微細なブレンドシェイプ（表情モーフ）、風にたなびく着物の裾が足にめり込まないクロスシミュレーション――。

こうした表現を支えているのは、ポリゴンの頂点（バーテックス）を1ドット単位で整え、エッジの流れを自らの神経のように操る、日本のトップモデラーたちの狂気的な職人技です。

「Tripo Studioが生成する四角面メッシュは、確かに従来のAIに比べれば見違えるほど綺麗だ。だが、表情を作ろうとすると目元のトポロジー配置がアニメ特有の曲面法則に合っておらず、どうしても不気味の谷（アンキャニイ・バレー）に落ちる」――。都内の受託CGスタジオでリードモデラーを務める技術者は、現状のAIモデルの限界をそう語ります。

AIは「95点」までは人類史上前例のない速度で駆け上がってきました。しかし、プレイヤーの魂を揺さぶる傑作ゲームを成立させるために不可欠な「最後の5パーセント」――キャラクターに生命を宿らせる独自の頂点配置や、ミリ単位の美意識――は、依然として生身の職人の手仕事に依存しているのです。

この現実は、Tripoの敗北を意味するものではありません。むしろ、ゲーム制作現場における「AIと人間の住み分け」を浮き彫りにしています。

現在、大手スタジオでTripoが最も重宝されているのは、メインキャラクターの顔を作ることではありません。街並みを埋め尽くす数百種類のゴミ箱や木箱、NPC（通行人）の衣装バリエーション、酒場のテーブルに置かれた無数の食器、ダンジョンの壁に刺さった松明といった、「ゲームの世界観を作るために不可欠だが、人間のクリエイターが手作業で作るにはあまりに過酷な90パーセントの背景アセット」の量産です。

かつて数千万円の外注費と数カ月の期間を要していた背景プロップ（小道具）の制作が、わずか数日・数万円のクラウド利用料で片付く。解放されたモデラーたちは、浮いた膨大な時間と体力を、主人公のフェイシャルアニメーションや戦闘シーンの演出という「人間しか生み出せない最後の5パーセント」へと注ぎ込むことができるようになりました。

「80点のモデルはゴミだ」と喝破し、自ら描いたUGCの幻想を打ち砕いた宋亜宸とVAST。彼らが切り拓いたのは、安易な全自動のユートピアではなく、プロの血と汗が流れる制作現場の足元を支える、極めて実戦的な道具の進化でした。

オープンソース巨頭の猛追と、終わりの見えないGPU推論コストの出血。冷酷なビジネスの現実の中で、北京の若きユニコーンが繰り出す「3D Cursor」の挑戦は、世界のエンターテインメント制作の現場を、後戻りできない地点へと確実に押し進めています。

なお、同領域における産業構造の転換については、本誌が先に検証した「下請けAIを捨てろ」商湯・徐立、巨額赤字からの生成AI大手術および「オープンで囲い込む」アリババ、Qwenコード革命の現実の分析もあわせて参照されたい。