扎克伯格這款不會發(fā)售的新品，又在探索 AI 眼鏡的終極形態(tài)

自從扎克伯格把 FaceBook 改名成 Meta 之后，這家公司就徹底和眼鏡較上勁了。

有一個即熱又冷的小知識，Meta 這個名字，取自「metaverse（元宇宙）」的前四個字母，2021 年改名的時候，扎克伯格本人非常自信地表示：

元宇宙將在未來十年觸及 10 億人，而元宇宙也將觸及我們開發(fā)的每一款產品。

四年過去了，元宇宙成了科幻小說、創(chuàng)意動畫和影視作品的?？?，但離現(xiàn)實世界卻越來越遠，為數(shù)不多能引起人們關注的，還是那些時不時爆雷上熱搜、打著元宇宙、虛擬資產的幌子，來招搖撞騙的煩心事兒。

在普及和鋪開元宇宙上，Meta 和四年前一樣沒啥變化，不過他們卻在元宇宙的入口——VR/AR 頭顯設備上，做出了不少有意思的新玩意兒。

定位為新型游戲機的 Meta Quest，打開了 VR 互動游戲的新世界，2024年 Meta Quest 系列占據了 73% 的市場份額，遙遙領先。

成為 AI 時代新潮配件的 Ray-Ban Meta，經過了兩代產品的努力，出貨量在今年 2 月正式突破 200 萬臺，集傳統(tǒng)眼鏡、名牌 logo、藍牙耳機、語音助手、Vlog 相機于一身，既做好了一副傳統(tǒng)眼鏡該有的裝飾作用，又讓科技悄無聲息地嵌入了日常生活。

明面上，Meta 在消費者市場推出了幾款成功的產品；私底下，他們也在 toB 的賽道上悄悄發(fā)力，而且這些面向企業(yè)和專業(yè)機構的智能眼鏡起步的時間，甚至比他們改名的時間還早。

五年之約已到，Meta 交卷

2020 年，Meta 推出了其首款實驗性智能眼鏡 Meta Aria Gen 1，和傳統(tǒng)眼鏡比起來，Aria Gen 1 略顯臃腫，特別是兩條加粗的鏡腿，非常顯眼。

碩大的外觀并不只是擺設，其中包含了非常多的傳感器套件，如配備 RGB 攝像頭、定位追蹤攝像頭、慣性測量單元（IMU）、氣壓計、磁力計等，這些元件的主要功能是用于采集第一人稱視角的視覺、運動和空間數(shù)據。

從理論上來說，Aria Gen 1 是專為機器感知系統(tǒng)、人工智能及機器人技術研究設計，它通過集成多模態(tài)傳感器，幫助科研人員攻克AR眼鏡的核心技術難題，如環(huán)境感知、空間定位等。

落地到實際體驗，Aria Gen 1 則有著非常遙遠也令人期待的使命：

設想有一天，我們可以享受聯(lián)網帶來的所有好處，而不需要低著頭低著頭看著設備。想象一下，給朋友打電話，和桌子對面栩栩如生的虛擬形象聊天。

想象一下，一個足夠聰明的數(shù)字助理可以檢測道路危險，在商務會議期間提供統(tǒng)計數(shù)據，甚至幫助你在嘈雜的環(huán)境中聽得更清楚。

在這個世界上，設備本身完全消失在日常生活的起起落落中。

作為這項實驗的原型機，也是第一代產品，Aria Gen 1 并沒有掀起太大的波瀾，沉淀五年后，這周 Meta 正式發(fā)布了 Aria Gen 2。和一代相比，有了全面的升級。

最明顯的變化在傳感器系統(tǒng)上，一代機采用的是最基礎的環(huán)境感知元件，只有攝像頭和慣性傳感器，Aria Gen 2 在此基礎上，增加了許多新的配件，包括 RGB 攝像頭、6DOF SLAM 攝像頭、眼動追蹤攝像頭、空間麥克風、IMU、氣壓計、磁力計和 GNSS。

特別是新一代產品在鼻托中嵌入了兩個創(chuàng)新傳感器：用于測量心率的 PPG 傳感器，和用于區(qū)分佩戴者聲音和旁觀者聲音的接觸式麥克風。

如果把一代比作「只用眼鏡看世界」，那相比之下 Aria Gen 2 可以說是感官全開，從更多維度感知、觀察以及收集外界信息，就能在同樣的時間里，獲取數(shù)量更多、更準確的數(shù)據，機器的運作、學習效率也會更高。

另外，數(shù)據處理的方式上，二者也有了質變，Aria Gen 1 依賴于外部設備進行計算，雖說不在本地運算，能一定程度上，減輕設備的重量壓力，但隨之而來的則是反應的遲緩，在云端算力夠，但網絡不好的時候會有響應尷尬期，經常用智慧助手的朋友應該都有碰到過類似的情況；若是隨身攜帶一個移動計算平臺，非常不便攜。

而 Aria Gen 2 則用上了 Meta 的自研芯片，可以把數(shù)據放在端側處理，響應速度非?？欤皇芫W絡的限制，交互體驗也有了非常大的進步。

一般來說，多了自研芯片的設備，擁有了端側運算的能力，但同時也會增加設備的重量。不過 Meta 用數(shù)據說話，這五年他們真的沒閑著：Aria Gen 1 重 98g，Aria Gen 2 重 75 克。加量不加重，長體驗不長體重。

體驗見長的，還有 Aria Gen 2 的交互方式，在第一代語音交互的基礎上，二代機加入了「眼動追蹤+手勢+接觸式操作」。語音交互很直接，檢索路徑會大幅縮短，但并不是生活中的所有場景都適合，比如高峰期的地鐵站和超安靜的辦公室。

按理來說，傳感器和交互功能變多，續(xù)航會受到影響，自研芯片的確影響了 Aria Gen 2 的續(xù)航，但是正向的。官方稱其能達到 6-8 個小時使用時間。按照目前無線耳機的使用時長，基本能讓 Aria Gen 2 做到全天候的智慧功能可用。

打好了硬件基礎，后續(xù)的使用體驗才會有更多的可能，Aria Gen 2 的升級體現(xiàn)了 Meta 對 AR 技術落地的兩大戰(zhàn)略方向：

一是隱形化集成：通過輕量化設計和傳感器隱藏（如攝像頭指示燈關閉時外觀接近普通眼鏡），降低設備存在感；二來通過開放的生態(tài)，提供底層 API 接口和模塊化擴展能力，鼓勵學術界開發(fā)定制化工具包，加速技術轉化。

因此，Aria Gen 2 的應用場景，也從先前的室內導航與基礎 AR 研究，轉向了更多維的領域，醫(yī)療、工業(yè)、城市規(guī)劃等，都有可能成為 Aria Gen 2 生長的土壤。

至此，我們來總結一下，Aria Gen 2 的進步與意義：

感知硬件升級，實現(xiàn)生物數(shù)據融合與環(huán)境深度理解；

搭載自研芯片，提升實時性，支持戶外無網絡場景；

豐富交互方式，降低聲學干擾，適配復雜實驗環(huán)境；

續(xù)航覆蓋全天，延長連續(xù)使用時間，提升佩戴舒適度；

應用場景拓展，推動跨學科技術融合與標準化。

扎克伯格的「暗部」

如果你看完，Meta Aria 的解讀介紹，還是有點對它在消費市場的運用摸不著頭腦，那很正常，因為 Meta 明確表示，這款產品「不會面向消費者銷售」，那你可能想問，它到底有什么用？要說清楚造它的目的，還得回到十多年前。

2014 年，扎克伯格在斯坦福虛擬人類交互實驗室（VHIL）體驗了當時最新的 VR 設備，以及各種游戲場景，他在 VR 眼鏡里里走了獨木橋、飛過城市上空、砍了幾棵樹......

時任 VHIL 實驗室經理的 Cody Woputz 曾經透露過：在體驗高空墜落場景時，他（扎克伯格）甚至嚇到將手放在胸口上。

這次體驗讓扎克伯格留下了很深的印象，一方面由于 VR 還處在早期的研究階段，定位系統(tǒng)不穩(wěn)定，使得體驗多次被打斷，得停下來重新校準設備；而且當時的 VR 還不是一體機，PC VR 的計算終端在機身外，得用一條又粗又長的線纜連接，以此來傳輸信號和供電。

另一方面，扎克伯格也看見了這項革命性技術在未來的巨大可能，也正是這次體驗，讓他下定決心，以 20 億美元收購了 Oculus，扎克伯格曾在公告中解釋過收購原因：

移動是當前的平臺，收購 Oculus 是為明天的平臺做準備。

之后，扎克伯格就帶著 Facebook 開始了對于 AR/VR/MR 技術以及設備的探索。有了目標和硬件技術的積累，于是在 2020 年，Meta 正式開啟 Aria 項目，其宗旨是「從人的視角加速 AR 和 AI」。

這么看有點玄乎，稍微通俗的解釋就是，把眼鏡作為橋梁，讓設備從人的視角來觀察世界、了解世界，并學習人和環(huán)境的互動關系，以此來推動軟硬件技術的發(fā)展，最終讓機器能夠從人出發(fā)，并服務于人。

Project Aria 中的眼鏡，可以通過突破性技術幫助研究人員，從用戶的角度收集信息，特別是 Aria Gen 2 上新增的傳感器，能夠捕捉佩戴者周身環(huán)境的音視頻，以及他們的眼動和位置信息。

從佩戴者的第一視角出發(fā)，能讓研究人員更容易弄清楚，AR 到底如何才能在現(xiàn)實世界和日常生活中，發(fā)揮真實作用，而不只是停留在花里胡哨卻不實用的功能上。

而且，從人的視角出發(fā)來收集現(xiàn)實世界中的信息，對于多模態(tài) AI 來說非常重要，這樣的訓練方式能模擬人類多模態(tài)認知方式。

我們本身就是通過視覺、聽覺、觸覺等多種感官協(xié)同感知世界，而多模態(tài) AI 通過整合文本、圖像、音頻、視頻等數(shù)據，能夠更貼近人類自然認知模式。況且跨模態(tài)信息整合能力是單模態(tài) AI 無法實現(xiàn)的。

多模態(tài)的收集和訓練，也能提升 AI 對復雜場景的決策精度，如果不通過多維度的信息來理解世界，那必然會存在「買家秀」和「賣家秀」的分歧，數(shù)字世界只有 0 和 1，但現(xiàn)實世界除了黑白，還有那難以理解的灰色地帶。

交互本身其實也是多模態(tài)的，和朋友談話時除了語言，表情、手勢、語氣甚至著裝，都會影響我們的理解。因此多模態(tài) AI 通過同時處理文本、圖像和音頻，可實現(xiàn)更自然的交互體驗。

Meta 也給出了他們在 Project Aria 中的一些研究細節(jié)，在 Project Aria 項目中，讓智能眼鏡讀懂世界的方式非常簡單粗暴：數(shù)據化。這項被稱為 SceneScript 的技術，是一種使用自回歸結構化語言模型和端到端學習，來表示和推斷場景幾何的方法。

簡單講，所有第一人稱視角看到的場景、物體，都可以被眼鏡變成具體的數(shù)字和名稱，桌子有多長、墻上透明且規(guī)則窟窿叫「窗戶」。

為了讓眼鏡內置的模型不只是看見世界，還要更好地理解世界，Meta 用自研的三維成像技術 EMF3D，把現(xiàn)實世界所有的物體用不同顏色的線段「明碼標價」，把材質、形狀和大小不一的東西統(tǒng)一了度量衡。

當眼鏡能讀懂并且記錄環(huán)境時，再現(xiàn)一個虛擬的世界，就有了更大的可能。項目中的環(huán)境合成技術正是通過大量的數(shù)據收集整理，復刻了一個大規(guī)模、完全模擬的程序生成的室內場景數(shù)據集，也為「數(shù)字孿生」設立了新標準，加速了 3D 物體檢測、場景重建和模擬到現(xiàn)實學習等挑戰(zhàn)的研究。

這種「養(yǎng)成系」的學習方法有好有壞，好在一旦學成就非常扎實，難在想要扎實就得通過海量、巨量的數(shù)據，所以需要非常多的志愿者參與到 Project Aria 中，在平時長期佩戴 Meta 的眼鏡。

比起找到人，如何讓人放心地使用才是最關鍵的，因為數(shù)據收集和隱私保護，是一對難以調和的冤家。Meta 給出的方案是「自我模糊」新型 AI 模型，通過檢測和模糊圖像中的 PII 來保護隱私，把面部、車牌等敏感信息直接打碼。

海量的學習也能讓模型更好地了解使用者的意圖，比如通過對使用者每日生活場景的掃描與總結，可以判斷本人在什么時間點更可能干什么事？是去樓下鍛煉，還是去客廳打游戲，又或者去廚房做飯。能預判人的行為活動，也就能提前提供更多的便捷功能。

這和我們手機上的智能助手，在特定時間彈窗提醒回家路況，以及明日天氣的功能，有相似之處。

自 Project Aria 立項的五年間，他們已經做出了一些成果，例如使用第一代 Aria 眼鏡收集的 Ego-Exo4D 數(shù)據集，已成為現(xiàn)代計算機視覺和不斷發(fā)展的機器人領域的基礎工具。

有些企業(yè)也已經開始研究，Aria 在他們的工作流程中，到底應該怎么用？比如寶馬，正在搞清楚如何將增強現(xiàn)實和虛擬現(xiàn)實系統(tǒng)集成到智能汽車中。

佐治亞理工學院的研究人員，最近也展示了當 Aria 來到你家以后，會怎樣幫你分攤家務活的壓力。

很早之前，我們曾在手機智慧助手的體驗文章中有個論斷：人工智能和各種電子設備的結合，從當下來看，最大的意義應該是幫助老年人和殘障人士，更好地融入新時代和新生活。Aria 也在無障礙技術的開發(fā)上，取得了一定的進展：

卡內基梅隆大學在一個項目中，使用了第一代 Aria 眼鏡，該項目旨在開發(fā)幫助盲人和視力低下人士進行室內導航的技術。

二代 Aria 的 AI 語音功能還被 Envision 公司整合到了自家的 Ally AI 和空間音頻上，來增強室內導航和無障礙體驗。

如果要用一句話來形容 Project Aria、Meta 和旗下產品的關系，我覺得很像樹根、樹干和樹枝。Project Aria 在最下面，平時看不見摸不著，但常年累月積累的技術成果，最終都會以各種各樣的方式，賦能在公司和各類產品上。

去年 9 月底，扎克伯格在發(fā)布會上，從保險箱里拿出了一個看上去平平無奇，實則是十年絕密項目的智能眼鏡 Meta Orion。從發(fā)布會的演示畫面來看，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 眼鏡。

它外觀上比普通眼鏡厚了點，不過戴上之后既能透過鏡片看到真實的世界，也能看到投影圖像。

雖然清晰度比不上傳統(tǒng)的電視和投影，但看圖片與文字綽綽有余。神奇的是，我們沒發(fā)現(xiàn)眼睛上有大塊棱鏡，如此貼近真實、憑空出現(xiàn)的現(xiàn)實效果，其實是通過鏡片周圍的 LED 投影儀，將圖像投影到碳化硅鏡片上。

鏡框周圍的 7 個攝像頭和傳感器，讓 Meta Orion 真正實現(xiàn)了將虛擬投入現(xiàn)實，并將其融入現(xiàn)實的能力。它能將全息圖像精準懸停在半空中，也能識別眼前的物品，例如通過桌面上的食材，它就能給你定制一份食譜。

說 Orion 在交互體驗上，有齊平 Vision Pro 之勢并不是夸大其詞，因為它真的支持手部和眼動追蹤，雙手就是手柄，配套的神經腕帶還能把手變成鼠標，通過檢測肌肉電流的變化識別身體的神經信號，并由此區(qū)分手指的不同動作：

拇指、食指捏合進行選擇

拇指和中指聯(lián)合呼出菜單

握拳滑動拇指滾動畫面

當時在發(fā)布會現(xiàn)場，我們還看到了 Meta Orion 的實際拆解展示，高度復雜和極其精密的內部構造，最后組合在一起的機身，只有 98g。

不難發(fā)現(xiàn)，Meta Aria Gen 2 和 Meta Orion 的關系，就像鏡子里的彼此。只是扎克伯格在當時的采訪中說，由于造價太過高昂（每臺成本約 1 萬美元，約合人民幣 7 萬元），公司不得不叫停了量產計劃，只生產了1000 部提供給內部研發(fā)。

不過 Meta 也計劃著，將 Aria 的技術逐步整合到 2026 年后，包括 Orion 在內的消費級 AR 眼鏡中。目標是通過神經接口交互，和全息顯示實現(xiàn) AR 眼鏡的蛻變，以此迎來智能眼鏡的「iPhone 時刻」。

文｜Obo

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。