聽說，老羅搞AR去了。
VR/AR作為下一個(gè)可能與智能手機(jī)媲美的電子消費(fèi)浪潮以及前沿科技，早已納入公號(hào)的關(guān)注清單，這次借著羅老師的熱度，試著從技術(shù)及產(chǎn)業(yè)的角度，梳理未來的可能發(fā)展。
結(jié)論先行，以目前公開的產(chǎn)業(yè)進(jìn)展，羅老師這次創(chuàng)業(yè)非常危險(xiǎn)。
為什么？故事要從互聯(lián)網(wǎng)時(shí)代的萌芽開始說起。
1991年8月6日，世界上第一個(gè)服務(wù)器和第一個(gè)網(wǎng)站在歐洲核子研究中心上線。
在此之前的千百年，全世界都是以實(shí)體文字or圖像記錄經(jīng)驗(yàn)和想法，但網(wǎng)頁(yè)的誕生，意味人類從此有了新的工具去記錄或者重寫過去所有的文化積累，千百年來所有的文字、圖像、思想都可以搬到虛擬端，世界迎來了第一次實(shí)體數(shù)字化。
在萬(wàn)維網(wǎng)初期，網(wǎng)頁(yè)還不像如今這么豐富多彩，只有少數(shù)的企業(yè)端或者個(gè)人在上面編寫內(nèi)容，網(wǎng)頁(yè)的編寫也并沒有標(biāo)準(zhǔn)。于是同樣的代碼，在不同瀏覽器上識(shí)別效果可能是不同的，渲染結(jié)果也千差萬(wàn)別。
Tim Berners-Le在1994年建立了萬(wàn)維網(wǎng)聯(lián)盟(W3C)，制定了網(wǎng)頁(yè)開發(fā)的標(biāo)準(zhǔn)，以使同一個(gè)網(wǎng)頁(yè)在不同的瀏覽器中有相同的效果，標(biāo)準(zhǔn)的統(tǒng)一進(jìn)一步促進(jìn)網(wǎng)頁(yè)數(shù)據(jù)庫(kù)的繁榮。
隨著互聯(lián)網(wǎng)上沉淀的文字越來越多，也出現(xiàn)了以Google為代表的專業(yè)瀏覽器處理數(shù)據(jù)，同時(shí)迎來了個(gè)人電腦(Personal Computer, PC)的黃金發(fā)展期。
國(guó)內(nèi)的百度也是借由這一波浪潮，2011年3月，成為中國(guó)市值最高的互聯(lián)網(wǎng)公司，其創(chuàng)始人李彥宏也一舉登上“中國(guó)首富寶座”。
此后，互聯(lián)網(wǎng)行業(yè)進(jìn)一步深化，從PC端轉(zhuǎn)移至移動(dòng)端，從靜態(tài)的網(wǎng)頁(yè)，發(fā)展至交互更為密切的社交網(wǎng)絡(luò)，數(shù)據(jù)形式也從簡(jiǎn)單的一維文字變化為文字、圖片、短視頻更豐富的二維形態(tài)。
這個(gè)過程大致是2010→2020年，從中誕生了一系列的互聯(lián)網(wǎng)巨頭，如騰訊、Facebook、Apple等。
有意思的是，互聯(lián)網(wǎng)創(chuàng)立之初是希望這張網(wǎng)將人人都聯(lián)系在一起，發(fā)展到了如今，更像是一個(gè)又一個(gè)的以平臺(tái)巨頭為名的數(shù)據(jù)孤島。
以往，我們?cè)跒g覽器檢索一遍就可以得到很多詳盡的數(shù)據(jù)，現(xiàn)在平臺(tái)巨頭的數(shù)據(jù)并沒有打通，找一份資料的時(shí)候，網(wǎng)頁(yè)內(nèi)容找Google或者百度，公號(hào)文章搜微信，視頻內(nèi)容看抖音，蘋果更是打造了一個(gè)封閉的生態(tài)圈。
回到互聯(lián)網(wǎng)時(shí)代2.0的發(fā)展主脈，盡管現(xiàn)在的數(shù)據(jù)形式豐富多樣，也真切的改變了我們每一個(gè)人的生活狀態(tài)。但終究是在二維平面上，但我們真實(shí)的生活是一個(gè)三維立體，而未來三維立體數(shù)據(jù)可能的呈現(xiàn)方式，就是VR/AR。
當(dāng)立體的數(shù)據(jù)如今日的短視頻一般可以串行于你我日常生活之間，我們也就迎來了所謂的元宇宙時(shí)代，那是一個(gè)帶上眼鏡，就可以被"傳送"到2.5億英里外火星表面的時(shí)代，是一個(gè)老羅準(zhǔn)備把所有的一切都搭進(jìn)去的時(shí)代。
參考互聯(lián)網(wǎng)時(shí)代的發(fā)展歷程，幾乎可以確信，在元宇宙時(shí)代，一定還會(huì)誕生很多新的平臺(tái)巨頭，也是羅老師相信的，下一代的計(jì)算平臺(tái)。
但就現(xiàn)狀來看，3D數(shù)據(jù)才開始積累，數(shù)據(jù)格式尚未統(tǒng)一，大部分AI還僅限于處理一維數(shù)據(jù)，二維的視頻智能處理都還沒成熟，更別說三維數(shù)據(jù)處理的應(yīng)用落地，而VR/AR的硬件形態(tài)也還沒定型，從電池、芯片、屏幕顯示等硬件限制到軟件的交互方式都還有大量的挑戰(zhàn)。
如果說現(xiàn)在是元宇宙的網(wǎng)頁(yè)時(shí)代，參照互聯(lián)網(wǎng)發(fā)展歷史，也得30年(1991→2020)才能看到如今這樣的繁榮。
具體產(chǎn)業(yè)進(jìn)展分析：
1、數(shù)據(jù)生成
3D數(shù)據(jù)采集：3D激光掃描可以將周圍的器件實(shí)現(xiàn)3D建模，目前多用于工業(yè)領(lǐng)域，值得一提的是，蘋果從iPad Pro或iPhone12 Pro開始，也提前預(yù)埋了激光掃描技術(shù)，可以通過開啟攝像頭及相關(guān)應(yīng)用，就能對(duì)身邊的物件實(shí)現(xiàn)三維建模。
此外，還有多次提及的車載用激光雷達(dá)，其實(shí)質(zhì)也是對(duì)周圍環(huán)境的快速建模。一旦車載用激光雷達(dá)可以大規(guī)模量產(chǎn)，也使得大場(chǎng)景、低成本的3D建?？梢詫?shí)現(xiàn)。
相關(guān)鏈接：
量產(chǎn)邊緣的LUMINAR
未來汽車的眼睛 —— 激光雷達(dá)
3D設(shè)計(jì)軟件的發(fā)展：
目前三維設(shè)計(jì)軟件已經(jīng)進(jìn)入穩(wěn)定發(fā)展期，全球三維設(shè)計(jì)軟件市場(chǎng)中，前三的市占率高達(dá)70%，但格式并不統(tǒng)一，一定程度上阻礙了數(shù)據(jù)的分享、交流和傳播。
2、數(shù)據(jù)打通
目前，為推進(jìn)3D數(shù)據(jù)的格式標(biāo)準(zhǔn)發(fā)展，蘋果(Apple)、英偉達(dá)(Nvidia)、皮克斯(Pixar)共同推出了USD標(biāo)準(zhǔn)。
以2020年12月英偉達(dá)推出的Ominiverse為例。Ominiverse是一種基于“元宇宙”概念的平臺(tái)型程序。完全基于3D通用場(chǎng)景格式USD而構(gòu)建，可以用于建筑工程、自動(dòng)駕駛、媒體娛樂、制造業(yè)等多個(gè)領(lǐng)域，創(chuàng)作者可以通過它在所有環(huán)境下無縫地實(shí)時(shí)協(xié)同工作，并做出數(shù)字孿生或完全虛擬的擴(kuò)展現(xiàn)實(shí)作品。
但這也僅限于數(shù)據(jù)標(biāo)準(zhǔn)的一個(gè)示范。
3、數(shù)據(jù)處理
元宇宙時(shí)代的數(shù)據(jù)處理方式幾乎可以確定是AI智能系統(tǒng)。
計(jì)算機(jī)科學(xué)家吳恩達(dá)22年的表述，“我們已經(jīng)在自然語(yǔ)言處理(NLP)領(lǐng)域看到了基礎(chǔ)模型(Foundation Models)的威力。但說實(shí)話，我對(duì)計(jì)算機(jī)視覺中構(gòu)建基礎(chǔ)模型感到興奮。視頻數(shù)據(jù)中有很多信息可以利用，但由于算力以及成本的限制，還無法建立相關(guān)的基礎(chǔ)模型。”
簡(jiǎn)單說，就目前的算力而言，對(duì)自然語(yǔ)言和圖像處理還行，但到了視頻數(shù)據(jù)就很吃力了，更別提比視頻數(shù)據(jù)更為復(fù)雜的三維立體數(shù)據(jù)。
這里可以插一個(gè)今年Google開發(fā)者大會(huì)上的好消息，因?yàn)閅outube已經(jīng)啟用了由AI執(zhí)行的分段并加標(biāo)簽功能，未來我們可以像檢索網(wǎng)頁(yè)內(nèi)容一樣檢索視頻內(nèi)容，不必再手動(dòng)拉進(jìn)度條找那幾秒鐘的精彩瞬間。
回到主題，AR的一個(gè)重要參與者，Meta，前身Facebook，為了AR應(yīng)用，從2020年開始在打造一個(gè)史上最大的專用于訓(xùn)練AI的超級(jí)計(jì)算機(jī)，光是AI模型參數(shù)就超過1萬(wàn)億個(gè)。
4、內(nèi)容呈現(xiàn)
目前來看元宇宙時(shí)代的數(shù)據(jù)內(nèi)容呈現(xiàn)方式是VR/AR硬件設(shè)備，但基本的硬件樣式尚未定型。
VR(Virtual Reality)，即虛擬現(xiàn)實(shí)，其利用計(jì)算技術(shù)、顯示技術(shù)等將現(xiàn)實(shí)和虛擬分隔開，重構(gòu)數(shù)字化虛擬世界，佩戴設(shè)備的人將背靠交互技術(shù)沉浸在虛擬世界中。
AR(Augmented Reality) / MR(Mixed Reality)，即增強(qiáng)現(xiàn)實(shí)/混合現(xiàn)實(shí)，強(qiáng)調(diào)虛擬數(shù)字世界與現(xiàn)實(shí)世界的重疊；其中MR是AR的升級(jí)，AR強(qiáng)調(diào)虛擬畫面+裸眼現(xiàn)實(shí)(僅呈現(xiàn)人眼可見的現(xiàn)實(shí))，MR強(qiáng)調(diào)虛擬畫面+數(shù)字現(xiàn)實(shí)(包括人眼看不見的現(xiàn)實(shí))且強(qiáng)調(diào)與虛擬信息的交互。
VR/AR特征對(duì)比：
相較AR，VR行業(yè)率先走出低谷，經(jīng)過了9年的發(fā)展，它剛剛走過了黎明前的黑暗，將要進(jìn)入一個(gè)長(zhǎng)期穩(wěn)定的上升期。
按照Gartner技術(shù)成熟度曲線來看，一項(xiàng)最終成功普及的新技術(shù)，必然要在大紅大紫的創(chuàng)業(yè)熱潮后，經(jīng)歷一個(gè)短則五年、長(zhǎng)則十幾年的低谷期。而隨著用戶數(shù)量的積累以及使用成本的降低，有可能進(jìn)入復(fù)蘇期，迎來新一輪的生成成熟期。
21年是VR出貨量拐點(diǎn)，1)硬件端：2021年全球VR頭顯出貨量達(dá)1095萬(wàn)臺(tái)，突破年出貨1000萬(wàn)臺(tái)的行業(yè)重要拐點(diǎn)；2)內(nèi)容端：C端硬件起量帶動(dòng)內(nèi)容正向循環(huán)，內(nèi)容平臺(tái)應(yīng)用數(shù)迅速增長(zhǎng)。
IDC對(duì)VR的預(yù)測(cè)是，2024年全年出貨量3560萬(wàn)臺(tái)，未來5-10年會(huì)迎來長(zhǎng)期且穩(wěn)定增長(zhǎng)的階段。目前最有代表的是Meta的Oculus Quest2。
但VR的應(yīng)用生態(tài)尚未積累起大量的開發(fā)者和用戶聚集的生態(tài)環(huán)境，主要的應(yīng)用領(lǐng)域也還局限于游戲。
AR受限于更復(fù)雜的光學(xué)顯示技術(shù)，其發(fā)展速度遠(yuǎn)滯后于VR，不同于VR直接在頭顯的位置形成封閉的顯示系統(tǒng)，為了實(shí)現(xiàn)AR中虛擬和顯示的交互，首先要對(duì)顯示場(chǎng)景里的所有元素都建模，然后和虛擬生物合成在一起，用內(nèi)置的物理引擎計(jì)算相互作用的結(jié)構(gòu)，最后，只輸出虛擬部分的結(jié)果。
Magic Leap曾經(jīng)給出過相關(guān)的宣傳圖片：
可惜要實(shí)現(xiàn)像影視作品那樣的效果，目前的AR硬件還面臨軟硬件上非常多的限制。
首先是在硬件上的限制，包含了電池、芯片、屏幕顯示。
今天最大能量密度的鋰電池大約是250Wh/kg。對(duì)于讓AR眼鏡既能實(shí)時(shí)識(shí)別物體，還能運(yùn)算加工生成優(yōu)化后的視覺特效的終極要求來說，上百瓦的功耗是必須的。
這樣算下來，要么電池太重完全沒法佩戴在腦袋上，要么完全不夠能量支撐相關(guān)功耗。現(xiàn)實(shí)和終極夢(mèng)想在能量密度上相差了千倍。
即使固態(tài)電池實(shí)現(xiàn)規(guī)模量產(chǎn)，也頂多能把能量密度提升2-3倍，而且這還是幾十年后才能實(shí)現(xiàn)的目標(biāo)。
相關(guān)鏈接：電池技術(shù)分析
芯片的限制類似，AR眼鏡要進(jìn)行大量的向量乘法運(yùn)算，要完成這些計(jì)算，現(xiàn)在的芯片結(jié)構(gòu)的耗能就是這么大，除非未來芯片的基礎(chǔ)結(jié)構(gòu)就要變成其它方式，也許能大幅度彌補(bǔ)與終極夢(mèng)想的差距。但這個(gè)突破，距離實(shí)現(xiàn)也很遠(yuǎn)。
此外，硬件的限制還包括屏幕。
傳統(tǒng)眼鏡模樣的AR眼鏡，屏幕大都使用的是Micro LED技術(shù)。在小拇指指甲蓋大小的范圍內(nèi)，做一個(gè)硅基材料的發(fā)光顯示器。然后利用光波導(dǎo)材料把光射出到鏡片上。
還要在幾十克電池的基礎(chǔ)實(shí)現(xiàn)2個(gè)8K(對(duì)比目前幾百分辨率的水平)才能較好實(shí)現(xiàn)一些游戲大作中身臨其境的效果，今天還沒有任何顯示技術(shù)能達(dá)到。
其次，AR眼鏡還面臨著軟件上的限制，最明顯的就是交互方式。
微軟HoloLens可以用手勢(shì)操控，但操作不精準(zhǔn)，速度也特別慢。對(duì)著空氣戳了半天，AR眼鏡才說出了一句“你好”。MagicLeap的One干脆不用手勢(shì)，而換成游戲手柄操作。而國(guó)內(nèi)這些廠商，交互也不單獨(dú)設(shè)計(jì)了，而是直接用手機(jī)做溝通媒介。
而終極效果的AR眼鏡可能需要追蹤視覺焦點(diǎn)，自動(dòng)做出判斷和選擇。比我?guī)е坨R走到大街上，只要想要知道，目光所及物件的右上角就會(huì)出現(xiàn)相關(guān)的名稱和簡(jiǎn)介。
但想要實(shí)現(xiàn)這些功能，要求眼鏡能夠?qū)崿F(xiàn)自動(dòng)掃描、識(shí)別判斷，這背后需要依賴高水準(zhǔn)的人工智能。但這樣水準(zhǔn)的AI，到今天也還沒有出現(xiàn)。
2021年英偉達(dá)炫過一把技，視頻演講中的英偉達(dá)CEO黃仁勛并非他本人，其中的14s是通過一系列數(shù)字技術(shù)合成的“替身”，直到事后官方透露才被媒體報(bào)道出來。
但為了實(shí)現(xiàn)14s的以假亂真，光制作視頻，英偉達(dá)租用了一輛裝載數(shù)百個(gè)數(shù)碼相機(jī)的卡車，對(duì)黃仁勛的住宅多角度拍攝數(shù)千張照片；后期制作中，動(dòng)員了34位3D設(shè)計(jì)師和15位軟件工程師，再加上數(shù)不盡的GPU，才完成了3D建模。
假如再加上AR眼鏡里面的展示、實(shí)時(shí)運(yùn)算、無線傳輸，對(duì)現(xiàn)有的硬件水平，會(huì)是一個(gè)巨大的挑戰(zhàn)。
但目前的AR也不是完全沒有成功的商業(yè)化案例的，其主要用于To B端。在軍事、醫(yī)療領(lǐng)域，微軟的HoloLens都有不錯(cuò)的應(yīng)用場(chǎng)景，但距離革命性產(chǎn)品，還有一段距離。
目前VR/AR硬件最大的變量，就是Apple，但哪怕強(qiáng)如Apple，在手機(jī)及電腦上還提前預(yù)埋了激光雷達(dá)、芯片算力等相關(guān)技術(shù)，也屢次推遲相關(guān)產(chǎn)品的發(fā)布，2019計(jì)劃發(fā)布相關(guān)頭顯但至今未見蹤影。
當(dāng)然，作為即將傾盡全力的老羅而言，所知曉的肯定比任何一個(gè)產(chǎn)業(yè)外人士豐富得多，他在采訪中也表達(dá)了相關(guān)的看法：
最后，帶著對(duì)VR/AR的產(chǎn)業(yè)認(rèn)識(shí)，試著去理解這個(gè)選擇背后的艱巨與理想。
然后，祝福他。
