自從祖克柏把 FaceBook 改名成 Meta 之後，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，祖克柏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的每一款產品。
四年過去了，元宇宙成了科幻小說、創意動畫和影視作品的常客，但離現實世界卻越來越遠。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 頭戴式設備上，做出了不少有意思的新玩意。定位為新型遊戲機的 Meta Quest，打開了 VR 互動遊戲的新世界，2024 年 Meta Quest 系列占據了 73% 的市占，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 萬台，集傳統眼鏡、名牌 logo、藍牙耳機、語音助理、Vlog 相機於一身，既做好了一副傳統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 的賽道上悄悄發力，而且這些面向企業和專業機構的智慧眼鏡起步的時間，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慧眼鏡 Meta Aria Gen 1，和傳統眼鏡比起來，Aria Gen 1 略顯臃腫，特別是兩條加粗的鏡腿，非常顯眼。碩大的外觀並不只是擺設，其中包含了非常多的感測器套件，如配備 RGB 攝影鏡頭、定位追蹤攝影鏡頭、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於採集第一人稱視角的視覺、運動和空間數據。
從理論上來說，Aria Gen 1 是專為機器感知系統、人工智慧及機器人技術研究設計，它透過整合多模態感測器，説明科研人員攻克AR眼鏡的核心技術難題，如環境感知、空間定位等。Aria Gen 1 則有著非常遙遠也令人期待的使命：
設想有一天，我們不需要低著頭低著頭看著裝置。想像一下，給朋友打電話，和桌子對面栩栩如生的虛擬形象聊天。
想像一下，一個足夠聰明的數位助理可以檢測道路危險，在商務會議期間提供統計數據，甚至説明你在嘈雜的環境中聽得更清楚。
在這個世界上，裝置本身完全消失在日常生活的起起落落中。
做為這項實驗的原型機，也是第一代產品，Aria Gen 1 並沒有掀起太大的波瀾，沉澱五年後，Meta 正式發表了 Aria Gen 2。 和一代相比，有了全面的升級。最明顯的變化在感測器系統上，一代機採用的是最基礎的環境感知元件，只有攝影鏡頭和慣性感測器，Aria Gen 2 在此基礎上，增加了許多新的配件，包括 RGB 攝影鏡頭、6DOF SLAM 攝影鏡頭、眼動追蹤攝影鏡頭、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新感測器：用於測量心率的 PPG 感測器，和用於區分佩戴者聲音和旁觀者聲音的接觸式麥克風。
如果把一代比做「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、觀察以及收集外界資訊，就能在同樣的時間里，獲取數量更多、更準確的數據，機器的運作、學習效率也會更高。
另外，數據處理的方式上，二者也有了質變，Aria Gen 1 依賴於外部設備進行計算，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，在雲端算力夠，但網路不好的時候會有回應尷尬期，經常用智慧助理的朋友應該都有碰到過類似的情況；若是隨身攜帶一個行動運算平台，非常不便攜。
而 Aria Gen 2 則用上了 Meta 的自研晶片，可以把數據放在端側處理，回應速度非常快，不受網路的限制，互動體驗也有了非常大的進步。
一般來說，多了自研晶元的設備，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 用數據說話，這五年他們真的沒閒著：Aria Gen 1 重 98g，Aria Gen 2 重 75 克。 加量不加重，長體驗不長體重。
以體驗見長的，還有 Aria Gen 2 的互動方式，在第一代語音互動的基礎上，二代機加入了「眼動追蹤、手勢、接觸式操作」。語音互動很直接，檢索路徑會大幅縮短，但並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，感測器和互動功能變多，續航會受到影響，自研晶元的確影響了Aria Gen 2的續航，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。
打好了硬體基礎，後續的使用體驗才會有更多的可能，Aria Gen 2 的升級體現了 Meta 對 AR 技術落地的兩大戰略方向：
- 隱形化整合，透過輕量化設計和感測器隱藏（如攝影鏡頭指示燈關閉時外觀接近普通眼鏡），降低設備存在感。
- 透過開放的生態，提供底層 API 介面和模組化擴展能力，鼓勵學術界開發定製化工具包，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，醫療、工業、城市規劃等，都有可能成為 Aria Gen 2 生長的土壤。
至此來總結一下，Aria Gen 2 的進步與意義：
- 感知硬體升級，實現生物數據融合與環境深度理解。
- 搭載自研晶元，提升即時性，支援戶外無網路場景。
- 豐富互動方式，降低聲學干擾，適配複雜實驗環境。
- 續航覆蓋全天，延長連續使用時間，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。
祖克柏的 VR 初體驗
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「不會對消費者銷售」，那你可能想問，它到底有什麼用？ 要說清楚造它的目的，還得回到十多年前年前。
2014年，祖克柏在史丹佛虛擬人類互動實驗室（VHIL）體驗了當時最新的VR設備，以及各種遊戲場景，他在 VR 眼鏡裡裡走了獨木橋、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（祖克柏）甚至嚇到將手放在胸口上。
這次體驗讓祖克柏留下了很深的印象，一方面由於 VR 還處在早期的研究階段，定位系統不穩定，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，祖克柏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，祖克柏曾在公告中解釋過收購原因：
收購 Oculus 是為明天的平台做準備。
之後，祖克柏就帶著Facebook開始了對於AR、VR、MR技術以及設備的探索。 有了目標和硬體技術的積累，於是在 2020 年，Meta 正式開啟 Aria 專案，其宗旨是「從人的視角加速 AR 和 AI」。這麼看有點玄乎，稍微通俗的解釋就是，把眼鏡做為橋梁，讓設備從人的視角來觀察、理解世界，並學習人和環境的互動關係，以此來推動軟硬體技術的發展，最終讓機器能夠從人出發，並服務於人。
Project Aria 中的眼鏡，可以透過突破性技術說明研究人員，從使用者的角度收集資訊，特別是 Aria Gen 2 上新增的感測器，能夠捕捉佩戴者周身環境的音視頻，以及他們的眼動和位置資訊。從佩戴者的第一視角出發，能讓研究人員更容易弄清楚，AR 到底如何才能在現實世界和日常生活中，發揮真實作用，而不只是停留在花裡胡哨卻不實用的功能上。
而且，從人的視角出發來收集現實世界中的資訊，對於多模態 AI 來說非常重要，這樣的訓練方式能模擬人類多模態認知方式。人類本身就是透過視覺、聽覺、觸覺等多種感官協同感知世界，而多模態 AI 透過整合文本、圖像、音訊、視頻等數據，能夠更貼近人類自然認知模式。 況且跨模態資訊整合能力是單模態 AI 無法實現的。
多模態的收集和訓練，也能提升 AI 對複雜場景的決策精度，如果不透過多維度的資訊來理解世界，那必然會存在「買家秀」和「賣家秀」的分歧，數位世界只有 0 和 1，但現實世界除了黑白，還有那難以理解的灰色地帶。互動本身其實也是多模態的，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 AI 透過同時處理文字、圖像和音訊，可實現更自然的互動體驗。
Aria 到底應該怎麼用？
Meta 也給出了他們在 Project Aria 中的一些研究細節，在 Project Aria 專案中，讓智慧眼鏡讀懂世界的方式非常簡單粗暴：數據化。 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字和名稱，比如桌子有多長、什麼是「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一了度量衡。
當眼鏡能讀懂並且記錄環境時，再現一個虛擬的世界，就有了更大的可能。 專案中的環境合成技術正是透過大量的數據收集整理，複刻了一個大規模、完全類比的程式生成的室內場景數據集，也為「數位孿生」設立了新標準，加速了 3D 物體檢測、場景重建和類比到現實學習等挑戰的研究。
這種「養成系」的學習方法有好有壞，好在一旦學成就非常紮實，難在想要紮實就得透過巨量的數據，所以需要非常多的志願者參與到 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，透過檢測和模糊圖像中的 PII 來保護隱私，把車牌等敏感資訊直接馬賽克。
大量的學習也能讓模型更好理解消費者的意圖，比如透過對消費者每日生活場景的掃描與總結，可以判斷本人在什麼時間點更可能幹什麼事？ 是去樓下鍛鍊，還是去客廳打遊戲，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。
這和手機上的智慧助理，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 數據集，已成為現代電腦視覺和不斷發展的機器人領域的基礎工具。
有些企業也已經開始研究，Aria 在他們的工作流程中，到底應該怎麼用？比如 BMW，正在搞清楚如何將增強現實和虛擬實境系統整合到智慧汽車中。喬治亞理工學院的研究人員，最近也展示了當 Aria 來到你家以後，會怎樣幫你分攤家務活的壓力。
很早之前，筆者曾在手機智慧助理的體驗文章中有個論斷：人工智慧和各種電子設備的結合，從當下來看，最大的意義應該是説明老年人和殘障人士，更好地融入新時代和新生活。 Aria 也在無障礙技術的開發上，取得了一定的進展：
卡內基美隆大學在一個專案中，使用了第一代 Aria 眼鏡，該專案旨在開發說明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 公司整合到自家的 Ally AI 和空間音訊上，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 和旗下產品的關係，很像樹根、樹幹和樹枝。 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，祖克柏在發布會上，從保險箱裡拿出了一個看上去平平無奇、實則是十年絕密專案的智慧眼鏡 Meta Orion。 從發表會的演示畫面來看，它能做到和 Vision Pro 高度相似的互動功能，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，不過戴上之後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的電視和投影，但看圖片與文字綽綽有餘。神奇的是，筆者沒發現眼睛上有大塊稜鏡，如此貼近真實、憑空出現的現實效果，其實是透過鏡片周圍的 LED 投影儀，將圖像投影到碳化矽鏡片上。
鏡框周圍的 7 個攝影鏡頭和感測器，讓 Meta Orion 真正實現了將虛擬投入現實，並將其融入現實的能力。它能將全息圖像精準懸停在半空中，也能辨識眼前的物品，例如透過桌面上的食材，它就能給你設計一份食譜。
說 Orion 在互動體驗上，有齊平 Vision Pro 之勢並不是誇大其詞，因為它真的支援手部和眼動追蹤，雙手就是手把，配套的神經腕帶還能把手變成滑鼠，透過檢測肌肉電流的變化辨識身體的神經信號，並由此區分手指的不同動作：
- 拇指、食指捏合進行選擇
- 拇指和中指聯合呼出功能表
- 握拳滑動拇指滾動畫面
當時在發表會現場，筆者還看到了 Meta Orion 的實際拆解展示，高度複雜和極其精密的內部構造，最後組合在一起的機身，只有 98g。不難發現，Meta Aria Gen 2 和 Meta Orion 的關係，就像鏡子裡的彼此。 只是祖克柏在當時的採訪中說，由於造價太過高昂（每台成本約 1 萬美元），公司不得不叫停了量產計劃，只生產了1,000 部提供給內部研發。
不過 Meta 也計劃著，將 Aria 的技術逐步整合到 2026 年後，包括 Orion 在內的消費級 AR 眼鏡中。目標是透過神經介面互動，和全息顯示實現AR眼鏡的蛻變，以此迎來智慧眼鏡的「iPhone 時刻」。
科技新報粉絲團
加入好友
訂閱免費電子報
