8000多元就能拥有科幻片里的XR黑科技？

采写／王舒然

编辑／万天南

想象一下，眼前有一面超大的虚拟屏幕，各种窗口立体环绕，手指左右拨动，窗口也随之滚动，大手一挥，窗口又全部消失……这样动动手指就能“操控一切”的黑科技，科幻片里应有尽有，但现实难得几回闻吧？

其实，这样的“梦”，人类已经做了30多年，自1984年美国的杰伦·拉尼尔首次提出虚拟现实的概念后，总有那么一拨人以此为志。

指针走到今天时，已经迭代出了比较衬手的工具——VR/AR设备。

但遗憾的是，现阶段很多VR/AR产品像是妥协式方案，VR头盔笨重且屏蔽外界环境，不够理想自然，而AR眼镜虽视野开放且轻量化，但其核心价值就像一块“随身显示屏”——原本用手机、电脑看信息，换成用虚拟屏看，交互操作还是手机、电脑等老样子，除了屏幕更大、更沉浸外，“科幻味儿”缺缺，难让人心动。

不过，事情开始有转机了。

8月26日，Rokid发布的AR空间计算套装Rokid AR Studio（包含Rokid Max Pro AR眼镜和Rokid Station Pro计算主机两件套），总算有那么一点“科幻味儿”了：带上AR眼镜，抬起手腕就能出现虚拟手表，握拳则显示天气情况；去4S店选车时，挥挥手就能变换汽车颜色；还有开头所述的用手指操控信息的滑动显示等等……

以此为起点，我们似乎离科幻片里的黑科技近了一大步。

有空间交互能力的AR是什么样子？

投屏之所以成为大部分AR产品的核心价值，原因在于，一项新科技要找到被大众接受的落地场景，总是需要一个漫长的过程，在用户市场还处于早期教育阶段时，新潮“炫技”的交互方式或许看起来很酷，但不一定会被大众接纳。

这一点行业是有共识的，XREAL创始人徐驰在复盘自家第一代具备环境识别等AR能力的产品Light时就表示，这个得到行业高度认可的AR产品并没有打动消费者，消费者还是更愿意用它看视频、浏览网页，做些和AR没太大关系的事。

Rokid创始人祝铭明也表示，当前阶段消费者更容易看到、更容易体验的是对过去成熟场景的兼容，比如观影、游戏、办公等，他称之为向后看，而Rokid也会将70%的精力用于向后看。

当然，所有人都认同这只是一个过渡阶段，类似科幻片中的那些黑科技才是光明的未来。

而行业要突破，总要有人先迈出这第一步。

率先做到的是Rokid，其选择的切入点是，让AR开始具备SLAM（实时定位与地图构建）、手势识别、3D空间信息展示等空间计算和交互能力。

这背后的指导思想是，在传统的手机、手柄、语音等交互方式之外，追求更自然、更极致的人机交互方式。祝铭明认为，如果新体验只比过去提升20%，是不足以打破旧的使用惯性的，至少要有几倍的体验提升才可以。

以手势交互为例，这是公认最自然的交互方式，布朗大学计算机科学的助理教授Jeff Huang就曾表示，在真实环境中，不管是扭门把手还是捡东西，用手去触碰是最直接和自然的交互方式，因此AR应用中加入手势识别会比在手机屏幕上滑动效果更好。

Rokid Max Pro所呈现的手势交互应用，除了前述的虚拟手表、变换汽车颜色、操控信息显示外，还可在游戏等更多场景中实现。比如，捏住手指就能对怪物发出攻击，裸手3D手势隔空投篮等。

而且，Rokid指关节识别的精度已经做到了厘米级，且其采用的是微手势识别，即不需要抬动上臂，手大致放在平时用鼠标的位置，即可完成交互，如此更符合人体工学，即便连续使用一两个小时，手臂也不会感到酸痛。

而这得益于Rokid 将AR眼镜摄像头调整成向下15度的贴心设计，这与苹果Vision Pro专门设置了两颗向下的摄像头，用以捕捉手垂放在腿上的视角，有异曲同工之妙。

同时，在实际使用中，手势还可以和头眼完成联动交互，带来更便捷的体验。比如，关注某项信息时，只需转动头部，眼睛聚焦于此，信息就会被选中突出，再用手指一捏就能完成点击。

值得一提的是，这和苹果Vision Pro眼手联动所追求的自然体验不谋而合，这也充分佐证了国内AR厂商的实力已经具备国际化水平。

此外，在空间信息呈现和交互方面，Rokid也带来了体验上的变革。

基本思路是，不同于手机、电脑等传统屏幕，AR虚拟屏幕打破了物理局限，每一寸空间都可以成为屏幕。由此，AR屏幕便有了横向和纵向上的无限伸缩弹性。

基于此，Rokid Max Pro重构了空间搜索和信息组织方式，提供空间多屏与空间巨幕两种展现形式：空间多屏可以同时展示多个窗口，而且，不同于手机信息流的展现，空间窗口可按信息相关性纵向排列，信息有了层次感，最相关的在第一层，相关性弱的在第二、三层；空间巨幕则是窗口可横向扩展到32:9的比例，此乃行业首创。

同时，基于空间定位，画面可以定在空中，当转动头部和身边人聊天时，可以完全不受干扰。

这种全新的体验让AR开始有了作为个人生产力工具的价值潜力，与写代码、写文章、搜索信息等工作场景天然适配。

上述种种体验的革新，足以让行业为之兴奋，当然，最终的“裁判”还是消费者。

在“轻量化”的掣肘中做创新，难

现阶段AR面向消费者端的创新突破总是“戴着镣铐在跳舞”，因为轻量化是AR的底线，任何创新都不能采用“堆料”的方式，牺牲消费者配戴的舒适性，而是需要克制和精打细算。

这一点和苹果Vision Pro为代表的的MR设备不同，Vision Pro和以Rokid为代表的AR眼镜的目标是一致的，即虚实融合，但在实现路径上大相径庭。

Vision Pro采用VST（视频透视）方案，是先利用摄像头等传感器捕捉真实世界影像，再投射到屏幕中，以此完成虚实融合；而Rokid等AR产品走的是OST（光学透视）方案，人可以透过镜片看到真实世界，就像平时的眼镜一样，再把虚拟屏幕叠加其上。

由此带来的产品形态完全不同，前者像封闭、“笨重”的头盔，后者则是开放、轻便的眼镜。

在祝铭明看来，不可能所有人都愿意用头盔把自己包起来，总有人更愿意用肉眼去看真实的世界，这是Rokid之所以坚定OST路线的底层人文信仰。

这也决定了，追求轻量化和可长时间佩戴的舒适度是AR眼镜面向消费者市场永恒的主题。

基于此，Rokid下了不少功夫，比如推出Station分体式主机，将显示和算力分离，比如，持续降低AR眼镜的重量，从Rokid Air的83g降低到Rokid Max的75g。

这些苦功赢得了一拨消费者的认同，据祝铭明透露，今年上半年Rokid在消费市场的业绩同比增长150%，Rokid月活跃用户比例超过40%，人均单日使用时长超过1小时，内容付费率也超过20%。

在Rokid发布会上，Google大屏业务亚太区负责人Dan更是当众“表白”，其表示曾连续使用Rokid AR眼镜超过10小时，都不觉得疲惫或不舒服，而这是其他产品所提供不了的体验。

对轻量化的克制，在此次Rokid创新性的空间交互体验上，体现得更淋漓尽致——实现SLAM空间定位和手势识别能力，Rokid只用了一颗摄像头。

对比来看，Vision Pro可是配备了6个SLAM+手势摄像头，其中有两颗向下的摄像头专门捕捉手垂放在腿上的视角，还有两颗斜向下的摄像头同时兼顾SLAM和手势；微软主要面向B端的AR眼镜HoloLens也采用了4个可见光摄像头、2个红外摄像头，这使得产品重量居高不下，Vision Pro和HoloLens均超过400g，而Rokid Max Pro重量仅有76g，相比上一代的Rokid Max，只多了1g。

同时，“堆料”也会使产品价格颇具份量，Vision Pro和HoloLens售价均超过3000美元，而Rokid AR Studio套装只需8998元。

做到这一点并不容易，基于单目摄像头的SLAM和手势识别技术方案一直是AR技术攻坚的难点。

祝铭明直言，即便是一些行业元老，也一直不相信基于单目就能实现相关能力。

原因在于，双目或多目摄像头能从不同位置获取图像，从而利用视差获得比较准确的深度信息，以此分清物体的远近距离，还能扩大捕捉范围，而单目只有一个平面摄像头，在深度和广度上均受限制。

“台上一分钟，台下十年功”，Rokid对此进行了多年的技术探索才得以突破。

以单目SLAM为例，Rokid的技术方案是在AR设备初始化时，利用人的微移动对不同位置的图像进行捕捉，以此获取深度信息，而初始化时间大概只需1秒钟，消费者几乎无感。

同时，Rokid还结合芯片做算力升级，以及从底层重构了整个操作系统。

芯片层面，Rokid搭载的高通第一代骁龙XR2+，能提升续航和散热能力，支持并行感知技术，包括头部、手势、手柄追踪、3D 重建以及多屏幕多任务运行等能力。

操作系统层面，四五年前，Rokid就已经在自研底层操作系统YodaOS-Master，其重构了全新的交互标准，这是AR空间交互能力的灵魂所在，就如同iOS之于苹果、鸿蒙之于华为。

在祝铭明看来，AR的根基不在光学，不在硬件设计，而在于操作系统和软件。

或许，正是因为有了这样“超前”的判断和认知，Rokid才能比别人走得更快一步。

新的3D生态开始了

鉴于目前AR行业在交互范式、操作系统等方面并无统一性和稳定性，因而Rokid此次在空间计算和交互上的创新，不仅是自家能力的进化，于行业而言，也有指导意义。

如果说苹果Vision Pro给走VST路线的厂商立了标杆，那Rokid AR Studio则是给OST路线带来启发——即如何在“螺蛳壳里做道场”。

一方面，Rokid会先一步对消费市场进行教育，并拿到市场反馈。

这是有碰壁风险的，但如同祝铭明所言，引领者就是要在黑森林里开路，跑到前面承担代价，帮助大家探索，再将成果分享出来。

另一方面，Rokid在体验上的变革也刺激了AR生态的活跃，动员了大批开发者和生态合作伙伴一起共创。

目前，已经有团队基于Rokid全新的空间定位和手势交互能力研发出首批3D应用，比如咪咕视讯的移动云VR影视应用，比如AR钓鱼、AR手鼓、AR棋盘对战等游戏应用。

为鼓励生态合作，Rokid为开发者提供了全新升级的UXR 2.0 SDK，支持0/3/6DoF空间模式的选择，以及手势、射线、键鼠、语音等多模态交互方式，可以帮助开发者进行个性化应用研发。

值得一提的是，Rokid还首创自研了JSAR引擎和小组件容器，方便大量的JS开发者、网页工程师快速切入，研发出类似微信小程序等快应用，丰富应用生态。

谁敢说，这里面不会出现类似“愤怒的小鸟”、“切水果”、“跳一跳”等Killer应用呢？

当然，Rokid Station Pro仍会继续兼容旧的2D生态，比如爱奇艺、腾讯视频、优酷、芒果TV、影牛牛、随乐游、阿里无影云电脑等2D应用。

据Rokid生态负责人蔡国祥在发布会上的介绍，自去年10月份Rokid Station发布以来，Station应用商店已累计上线130多款应用，涵盖影视、游戏、办公、教育、直播、阅读等场景。

此外，今年7月，Rokid Station还与Google合作，推出全球首款Google认证的Android TV设备，即Station全球版，用户可以在Google Play下载熟悉的应用和游戏，包括 YouTube、Hulu、Disney+、TVer、AbemaTV等，这进一步丰富了Rokid应用生态。

可以预见，Rokid AR Studio的推出只是一个开始，新交互+新生态引发的“好戏”还在后头。

不过，需要理性看待的是，AR行业终究还处于早期，还有很长一段路要走。

一方面，空间计算和交互能力还要不断精进。

比如“always stand by”的空间记忆能力，即空间中的应用状态总是停留在上一次结束的位置；比如空间信息除了横向和纵向的展示外，彼此之间是否存在协同等更深层的组织逻辑。

另一方面，在AR的重量、便捷、舒适等体验上，还需持续打磨。

比如不少用户期待的一点是，能否让AR设备和主机实现无线连接。

祝铭明坦言，他只给Rokid Max Pro打60分，他理想中的AR产品至少要做到：产品要用时，可以直接打开。

但现有AR产品必须要经历“拿出主机、插上线、开机”等一系列琐碎动作，这导致用户难以像用手机一样，碎片化利用AR。

所以，Rokid的下一步计划便是“把线剪掉”，彻底无线化，预期在不久的将来便会实现。

此外，3D应用生态虽“如火如荼”，但能否探索出、何时能探索出对大众真正有价值的“刚需”场景，让AR真正走出小众圈层，甚至成为替代手机的存在，也是未知数。

好在，来自现实的正反馈一直预示着希望。据CINNO Research数据显示，今年二季度，国内AR消费级市场销量为5.2万台，同比增长251%，环比增长19%。

全球市场也是一样，据IDC统计，2022年全球AR设备出货量为27万台，其中消费级AR设备为17万台，首次超过了企业级设备。

另据IDC预测，2023年全球AR产品出货量有望达到30万台，同比增长约11%，2023年至2026年的平均年复合增长率有望达到约137%。

作为深度参与者和引领者的祝铭明对行业也颇有信心，他认为AR行业在今明两年将迎来拐点。

而上述这些漂亮的数字切实落地的希望在哪里？就在苹果、Rokid等一众厂商，及其所动员的上下游生态伙伴的持续探索里。