AR眼镜，让AI全天候陪伴
如何实现AR眼镜的全天候陪伴，行业亟需找到创新解决方案。 文｜哀佳 石丹 ID | BMR2004 在科技飞速发展的今天，增强现实（AR）与人工智能（AI）的融合正引领着一个全新的行业变革。AR技术通过在用户的真实视野中添加数字信息层，极大地丰富了人们的现实体验。而有AI技术加持的AR眼镜能够展现更强的互动性和智能化。 最近，在Meta的虚拟和增强现实技术研发部门Reality Labs庆祝其成立十周年之际，Meta首席技术官Andrew Bosworth透露，Ray-Ban Meta智能眼镜将很快推出更新版。这个新版本将使Meta AI能够接受空间拍照输入，并对用户所看到的内容进行回答。新增的多模态AI功能将使用户能够直接向Meta AI询问他们所观看的内容详情。不仅仅是Meta的Ray-Ban Meta，国内众多厂商如Rokid和雷鸟创新等也纷纷意识到，AI与AR结合才是未来的关键。 尽管市场对“AR+AI”组合的兴趣日益增长，但这一趋势也面临着不少挑战。技术整合的复杂性提高了开发成本，这对很多初创公司和中小型企业来说是一大难题。同时，消费者的接受度也受限于当前技术的可用性和实用性，例如由于技术限制导致的图像延迟、识别精度不足、使用不方便等问题仍待解决。如何实现AR眼镜的全天候陪伴，行业亟需找到创新解决方案。 01 AR眼镜是AI的最佳载体？ 如何感知、如何理解、如何交互、如何协同以及数字内容创作是AR眼镜必须要打造的五大AI能力。 在“AR眼镜是AI的最佳载体”这个认识上，雷鸟创新创始人李宏伟非常坚定。在他看来，道理很明确，AR眼镜可有跟人类几乎一致的视觉能力，摄像头就在你眼边，AR眼镜能看你所看，还可以提供屏幕和扬声器，让AI在“看见”之后把处理过的信息以图像、文字或语音的方式快速呈现在人的面前，可以实现让AI时刻陪伴的效果。 李宏伟向《商学院》杂志记者介绍，在“AI+AR”这块，雷鸟创新主要做了几个方面的事情：第一，独立开发了一个让大模型能够记住用户长时间使用习惯的功能，也就是所谓记忆。对于用户来说，使用一个产品，他希望这个产品能记得自己说过什么，能学习自己的使用习惯。 第二，做了一个大模型中台，它可以有调度不同大模型的能力，因为不同场景下不同大模型的能力不太一样。雷鸟大模型中台是雷鸟创新构建的人工智能平台，在雷鸟创新的全部AI业务应用中起到了至关重要的作用。主要包含了数据管理、大模型管理、算法工具库、API调度工具、安全合规管理、资源管理、用户账号等基础能力。它可以使雷鸟创新能够在不同的业务领域快速复用后台的各种人工智能技术和服务，从而提高整体的运行效率和业务敏捷性。 第三，做了RayNeo AI Studio，可以给开发者提供支持，让开发者在上面做更好的“AI+AR”的应用。RayNeo AI Studio提供一个零代码开发环境，不需要专业的技术门槛，每一个人都可用一句简单的话，快速生成一个AI Agents（AI智能体），轻松做出属于个人AR眼镜独有的AI应用。另外，开发者还可以把自己开发的AI Agents发布到RayNeo商城上，让其他人都能体验到。 第四，可以用AI的大语言模型来控制眼镜的所有功能，用户不止可以用它和眼镜来对话，还可以操作所有的功能。 近期，雷鸟创新完成了新一轮亿元级融资，本轮融资主要用在两个方面，首先是新一代消费级AR眼镜的技术研发、量产和市场普及；其次是继续推动“AI+AR”眼镜生态建设。 与李宏伟的想法类似，Rokid创始人&CEO祝铭明认为，未来20年有两件事会改变世界：一个是AI，一个就是AR，而Rokid的使命就是把这两件事变成一件事。 祝铭明指出，Rokid本质上是一家藏在精美硬件产品中的系统软件公司。但Rokid现在被大家所感知到更多的是硬件，主要是因为这个行业在早期需要先有一个操作系统和坚实的硬件，才能展示它的能力。 在他看来，如何感知、如何理解、如何交互、如何协同以及数字内容创作是AR眼镜必须要打造的五大AI能力。比如：如何通过传感器，如相机、麦克风等来感知并且理解客观的物理世界，以及人的意图、关系和行为。在理解物理世界之后，又如何给人以更好、更自然的方式去展现对这个世界理解的结果，怎么样提供有效的、有价值的信息给到用户，同时用更方便、更自然的方式完成这件事，以及如何在虚拟和真实世界之间去协同甚至是创作？ “AI眼镜加上AR可以理解现实世界，它可以告诉你这个火龙果可不可以吃，也可以告诉你，面前的艺术品到底是什么流派、前世今生、奇闻逸事。它不只帮你翻译，还可以用自然语言跟眼镜交互，控制眼镜。AR和AI的结合可以提供一系列的功能，我觉得，它俩的结合真的可以做到增强人生。”李宏伟说。 02 关键瓶颈：AI时代的信息展示 VST跟OST并行发展，没有谁对谁错。未来真正的玩家会同时拥有VST和OST，不同的场景选择用不同的产品，玩家自己去思考哪个产品更合适。 在祝铭明看来，未来人类获得信息的效率会越来越高。当同时获取文字信息、图像信息、视频信息甚至更复杂的空间信息时，就会发现信息的展示和交互变成了最重要的瓶颈。信息终端和信息科技的核心问题就是解决两个问题：第一，如何让人们更自然、更方便、更平等地获得信息；第二是如何更丰富、更有效、更自然地与这些信息沟通。 目前，国内AR眼镜在交互的方式上主要形成了两大阵营：VST（视频透视）和OST（光学透视）。 2024年2月，苹果发售的Vision Pro便是，便是VST方案路线。这种方式交互的效果就像拿着手机照相，外部的世界通过摄像头显示在手机屏幕上，通过手机屏幕看到外部世界。真实世界是通过相机捕捉到实时视图，然后与计算机图像技术结合，将相机捕捉到的“真实世界”与计算机生成的“虚拟图像”叠加后，共同呈现在不透明的显示器上，达到类似透明的效果。 硬件配置上，Vision Pro的屏幕包括两块微型OLED显示屏、12个摄像头、5个传感器和6个麦克风的输入，确保内容实时呈现在用户眼前。 “在拿到Vision Pro的第二天我就戴着它下楼，坐上出租车去机场，到外地出差，大概体验了24小时。除了安检的时候拿下来，我一直戴着它。我的感受是Vision Pro已经花了很大的力气想把VST做好，但是在不明亮的环境下，或者距离10米以外的地方，看物体有很多扭曲、变形、模糊的问题。”李宏伟表示。...
