自从扎克伯格把 FaceBook 改名成 Meta 之后，这家公司就彻底和眼镜较上劲了。
有一个即热又冷的小知识，Meta 这个名字，取自「metaverse（元宇宙）」的前四个字母，2021 年改名的时候，扎克伯格本人非常自信地表示：
元宇宙将在未来十年触及 10 亿人，而元宇宙也将触及我们开发的每一款产品。
▲ 图片来自：Google
四年过去了，元宇宙成了科幻小说、创意动画和影视作品的常客，但离现实世界却越来越远，为数不多能引起人们关注的，还是那些时不时爆雷上热搜、打着元宇宙、虚拟资产的幌子，来招摇撞骗的烦心事儿。
在普及和铺开元宇宙上，Meta 和四年前一样没啥变化，不过他们却在元宇宙的入口——VR/AR 头显设备上，做出了不少有意思的新玩意儿。
定位为新型游戏机的 Meta Quest，打开了 VR 互动游戏的新世界，2024年 Meta Quest 系列占据了 73% 的市场份额，遥遥领先。
成为 AI 时代新潮配件的 Ray-Ban Meta，经过了两代产品的努力，出货量在今年 2 月正式突破 200 万台，集传统眼镜、名牌 logo、蓝牙耳机、语音助手、Vlog 相机于一身，既做好了一副传统眼镜该有的装饰作用，又让科技悄无声息地嵌入了日常生活。
明面上，Meta 在消费者市场推出了几款成功的产品；私底下，他们也在 toB 的赛道上悄悄发力，而且这些面向企业和专业机构的智能眼镜起步的时间，甚至比他们改名的时间还早。
五年之约已到，Meta 交卷
2020 年，Meta 推出了其首款实验性智能眼镜 Meta Aria Gen 1，和传统眼镜比起来，Aria Gen 1 略显臃肿，特别是两条加粗的镜腿，非常显眼。
▲ 图片来自：Google
硕大的外观并不只是摆设，其中包含了非常多的传感器套件，如配备 RGB 摄像头、定位追踪摄像头、惯性测量单元（IMU）、气压计、磁力计等，这些元件的主要功能是用于采集第一人称视角的视觉、运动和空间数据。
从理论上来说，Aria Gen 1 是专为机器感知系统、人工智能及机器人技术研究设计，它通过集成多模态传感器，帮助科研人员攻克AR眼镜的核心技术难题，如环境感知、空间定位等。
落地到实际体验，Aria Gen 1 则有着非常遥远也令人期待的使命：
设想有一天，我们可以享受联网带来的所有好处，而不需要低着头低着头看着设备。想象一下，给朋友打电话，和桌子对面栩栩如生的虚拟形象聊天。
想象一下，一个足够聪明的数字助理可以检测道路危险，在商务会议期间提供统计数据，甚至帮助你在嘈杂的环境中听得更清楚。
在这个世界上，设备本身完全消失在日常生活的起起落落中。
作为这项实验的原型机，也是第一代产品，Aria Gen 1 并没有掀起太大的波澜，沉淀五年后，这周 Meta 正式发布了 Aria Gen 2。和一代相比，有了全面的升级。
最明显的变化在传感器系统上，一代机采用的是最基础的环境感知元件，只有摄像头和惯性传感器，Aria Gen 2 在此基础上，增加了许多新的配件，包括 RGB 摄像头、6DOF SLAM 摄像头、眼动追踪摄像头、空间麦克风、IMU、气压计、磁力计和 GNSS。
特别是新一代产品在鼻托中嵌入了两个创新传感器：用于测量心率的 PPG 传感器，和用于区分佩戴者声音和旁观者声音的接触式麦克风。
如果把一代比作「只用眼镜看世界」，那相比之下 Aria Gen 2 可以说是感官全开，从更多维度感知、观察以及收集外界信息，就能在同样的时间里，获取数量更多、更准确的数据，机器的运作、学习效率也会更高。
另外，数据处理的方式上，二者也有了质变，Aria Gen 1 依赖于外部设备进行计算，虽说不在本地运算，能一定程度上，减轻设备的重量压力，但随之而来的则是反应的迟缓，在云端算力够，但网络不好的时候会有响应尴尬期，经常用智慧助手的朋友应该都有碰到过类似的情况；若是随身携带一个移动计算平台，非常不便携。
而 Aria Gen 2 则用上了 Meta 的自研芯片，可以把数据放在端侧处理，响应速度非常快，不受网络的限制，交互体验也有了非常大的进步。
一般来说，多了自研芯片的设备，拥有了端侧运算的能力，但同时也会增加设备的重量。不过 Meta 用数据说话，这五年他们真的没闲着：Aria Gen 1 重 98g，Aria Gen 2 重 75 克。加量不加重，长体验不长体重。
体验见长的，还有 Aria Gen 2 的交互方式，在第一代语音交互的基础上，二代机加入了「眼动追踪+手势+接触式操作」。语音交互很直接，检索路径会大幅缩短，但并不是生活中的所有场景都适合，比如高峰期的地铁站和超安静的办公室。
按理来说，传感器和交互功能变多，续航会受到影响，自研芯片的确影响了 Aria Gen 2 的续航，但是正向的。官方称其能达到 6-8 个小时使用时间。按照目前无线耳机的使用时长，基本能让 Aria Gen 2 做到全天候的智慧功能可用。
打好了硬件基础，后续的使用体验才会有更多的可能，Aria Gen 2 的升级体现了 Meta 对 AR 技术落地的两大战略方向：
一是隐形化集成：通过轻量化设计和传感器隐藏（如摄像头指示灯关闭时外观接近普通眼镜），降低设备存在感；二来通过开放的生态，提供底层 API 接口和模块化扩展能力，鼓励学术界开发定制化工具包，加速技术转化。
因此，Aria Gen 2 的应用场景，也从先前的室内导航与基础 AR 研究，转向了更多维的领域，医疗、工业、城市规划等，都有可能成为 Aria Gen 2 生长的土壤。
至此，我们来总结一下，Aria Gen 2 的进步与意义：
- 感知硬件升级，实现生物数据融合与环境深度理解；
- 搭载自研芯片，提升实时性，支持户外无网络场景；
- 丰富交互方式，降低声学干扰，适配复杂实验环境；
- 续航覆盖全天，延长连续使用时间，提升佩戴舒适度；
- 应用场景拓展，推动跨学科技术融合与标准化。
扎克伯格的「暗部」
如果你看完，Meta Aria 的解读介绍，还是有点对它在消费市场的运用摸不着头脑，那很正常，因为 Meta 明确表示，这款产品「不会面向消费者销售」，那你可能想问，它到底有什么用？要说清楚造它的目的，还得回到十多年前年前。
2014 年，扎克伯格在斯坦福虚拟人类交互实验室（VHIL）体验了当时最新的 VR 设备，以及各种游戏场景，他在 VR 眼镜里里走了独木桥、飞过城市上空、砍了几棵树……
时任 VHIL 实验室经理的 Cody Woputz 曾经透露过：在体验高空坠落场景时，他（扎克伯格）甚至吓到将手放在胸口上。
这次体验让扎克伯格留下了很深的印象，一方面由于 VR 还处在早期的研究阶段，定位系统不稳定，使得体验多次被打断，得停下来重新校准设备；而且当时的 VR 还不是一体机，PC VR 的计算终端在机身外，得用一条又粗又长的线缆连接，以此来传输信号和供电。
▲ 图片来自：Google
另一方面，扎克伯格也看见了这项革命性技术在未来的巨大可能，也正是这次体验，让他下定决心，以 20 亿美元收购了 Oculus，扎克伯格曾在公告中解释过收购原因：
移动是当前的平台，收购 Oculus 是为明天的平台做准备。
之后，扎克伯格就带着 Facebook 开始了对于 AR/VR/MR 技术以及设备的探索。有了目标和硬件技术的积累，于是在 2020 年，Meta 正式开启 Aria 项目，其宗旨是「从人的视角加速 AR 和 AI」。
▲ 图片来自：Google
这么看有点玄乎，稍微通俗的解释就是，把眼镜作为桥梁，让设备从人的视角来观察世界、了解世界，并学习人和环境的互动关系，以此来推动软硬件技术的发展，最终让机器能够从人出发，并服务于人。
Project Aria 中的眼镜，可以通过突破性技术帮助研究人员，从用户的角度收集信息，特别是 Aria Gen 2 上新增的传感器，能够捕捉佩戴者周身环境的音视频，以及他们的眼动和位置信息。
从佩戴者的第一视角出发，能让研究人员更容易弄清楚，AR 到底如何才能在现实世界和日常生活中，发挥真实作用，而不只是停留在花里胡哨却不实用的功能上。
而且，从人的视角出发来收集现实世界中的信息，对于多模态 AI 来说非常重要，这样的训练方式能模拟人类多模态认知方式。
我们本身就是通过视觉、听觉、触觉等多种感官协同感知世界，而多模态 AI 通过整合文本、图像、音频、视频等数据，能够更贴近人类自然认知模式。况且跨模态信息整合能力是单模态 AI 无法实现的。
多模态的收集和训练，也能提升 AI 对复杂场景的决策精度，如果不通过多维度的信息来理解世界，那必然会存在「买家秀」和「卖家秀」的分歧，数字世界只有 0 和 1，但现实世界除了黑白，还有那难以理解的灰色地带。
▲ 图片来自：Google
交互本身其实也是多模态的，和朋友谈话时除了语言，表情、手势、语气甚至着装，都会影响我们的理解。因此多模态 AI 通过同时处理文本、图像和音频，可实现更自然的交互体验。
Meta 也给出了他们在 Project Aria 中的一些研究细节，在 Project Aria 项目中，让智能眼镜读懂世界的方式非常简单粗暴：数据化。这项被称为 SceneScript 的技术，是一种使用自回归结构化语言模型和端到端学习，来表示和推断场景几何的方法。
▲ 图片来自：Meta
简单讲，所有第一人称视角看到的场景、物体，都可以被眼镜变成具体的数字和名称，桌子有多长、墙上透明且规则窟窿叫「窗户」。
为了让眼镜内置的模型不只是看见世界，还要更好地理解世界，Meta 用自研的三维成像技术 EMF3D，把现实世界所有的物体用不同颜色的线段「明码标价」，把材质、形状和大小不一的东西统一了度量衡。
▲ 图片来自：Meta
当眼镜能读懂并且记录环境时，再现一个虚拟的世界，就有了更大的可能。项目中的环境合成技术正是通过大量的数据收集整理，复刻了一个大规模、完全模拟的程序生成的室内场景数据集，也为「数字孪生」设立了新标准，加速了 3D 物体检测、场景重建和模拟到现实学习等挑战的研究。
▲ 图片来自：Meta
这种「养成系」的学习方法有好有坏，好在一旦学成就非常扎实，难在想要扎实就得通过海量、巨量的数据，所以需要非常多的志愿者参与到 Project Aria 中，在平时长期佩戴 Meta 的眼镜。
比起找到人，如何让人放心地使用才是最关键的，因为数据收集和隐私保护，是一对难以调和的冤家。Meta 给出的方案是「自我模糊」新型 AI 模型，通过检测和模糊图像中的 PII 来保护隐私，把面部、车牌等敏感信息直接打码。
▲ 图片来自：Meta
海量的学习也能让模型更好地了解使用者的意图，比如通过对使用者每日生活场景的扫描与总结，可以判断本人在什么时间点更可能干什么事？是去楼下锻炼，还是去客厅打游戏，又或者去厨房做饭。能预判人的行为活动，也就能提前提供更多的便捷功能。
这和我们手机上的智能助手，在特定时间弹窗提醒回家路况，以及明日天气的功能，有相似之处。
▲ 图片来自：Meta
自 Project Aria 立项的五年间，他们已经做出了一些成果，例如使用第一代 Aria 眼镜收集的 Ego-Exo4D 数据集，已成为现代计算机视觉和不断发展的机器人领域的基础工具。
有些企业也已经开始研究，Aria 在他们的工作流程中，到底应该怎么用？比如宝马，正在搞清楚如何将增强现实和虚拟现实系统集成到智能汽车中。
▲ 图片来自：Meta
佐治亚理工学院的研究人员，最近也展示了当 Aria 来到你家以后，会怎样帮你分摊家务活的压力。
▲ 图片来自：Meta
很早之前，我们曾在手机智慧助手的体验文章中有个论断：人工智能和各种电子设备的结合，从当下来看，最大的意义应该是帮助老年人和残障人士，更好地融入新时代和新生活。Aria 也在无障碍技术的开发上，取得了一定的进展：
卡内基梅隆大学在一个项目中，使用了第一代 Aria 眼镜，该项目旨在开发帮助盲人和视力低下人士进行室内导航的技术。
▲ 图片来自：Meta
二代 Aria 的 AI 语音功能还被 Envision 公司整合到了自家的 Ally AI 和空间音频上，来增强室内导航和无障碍体验。
▲ 图片来自：Envision
如果要用一句话来形容 Project Aria、Meta 和旗下产品的关系，我觉得很像树根、树干和树枝。Project Aria 在最下面，平时看不见摸不着，但常年累月积累的技术成果，最终都会以各种各样的方式，赋能在公司和各类产品上。
去年 9 月底，扎克伯格在发布会上，从保险箱里拿出了一个看上去平平无奇，实则是十年绝密项目的智能眼镜 Meta Orion。从发布会的演示画面来看，它能做到和 Vision Pro 高度相似的交互功能，更重要的是 Orion 是一副真全息 AR 眼镜。
它外观上比普通眼镜厚了点，不过戴上之后既能透过镜片看到真实的世界，也能看到投影图像。
虽然清晰度比不上传统的电视和投影，但看图片与文字绰绰有余。神奇的是，我们没发现眼睛上有大块棱镜，如此贴近真实、凭空出现的现实效果，其实是通过镜片周围的 LED 投影仪，将图像投影到碳化硅镜片上。
镜框周围的 7 个摄像头和传感器，让 Meta Orion 真正实现了将虚拟投入现实，并将其融入现实的能力。它能将全息图像精准悬停在半空中，也能识别眼前的物品，例如通过桌面上的食材，它就能给你定制一份食谱。
▲ 图片来自：Meta
说 Orion 在交互体验上，有齐平 Vision Pro 之势并不是夸大其词，因为它真的支持手部和眼动追踪，双手就是手柄，配套的神经腕带还能把手变成鼠标，通过检测肌肉电流的变化识别身体的神经信号，并由此区分手指的不同动作：
- 拇指、食指捏合进行选择
- 拇指和中指联合呼出菜单
- 握拳滑动拇指滚动画面
当时在发布会现场，我们还看到了 Meta Orion 的实际拆解展示，高度复杂和极其精密的内部构造，最后组合在一起的机身，只有 98g。
不难发现，Meta Aria Gen 2 和 Meta Orion 的关系，就像镜子里的彼此。只是扎克伯格在当时的采访中说，由于造价太过高昂（每台成本约 1 万美元，约合人民币 7 万元），公司不得不叫停了量产计划，只生产了1000 部提供给内部研发。
不过 Meta 也计划着，将 Aria 的技术逐步整合到 2026 年后，包括 Orion 在内的消费级 AR 眼镜中。目标是通过神经接口交互，和全息显示实现 AR 眼镜的蜕变，以此迎来智能眼镜的「iPhone 时刻」。
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
from 爱范儿 https://ift.tt/WnfB0rt
via IFTTT
