2023年1月9日，騰訊研究院、騰訊可持續(xù)社會(huì)價(jià)值事業(yè)部聯(lián)合主辦的“騰訊科技向善創(chuàng)新周2023”召開。諾亦騰科技聯(lián)合創(chuàng)始人&CTO戴若犁博士在大會(huì)上發(fā)表了演講，題為《為什么我們?nèi)匀恍枰狹etaverse？》。

以下為戴若犁博士的演講視頻實(shí)錄，以及內(nèi)容全文：

很高興今天有機(jī)會(huì)和大家聊幾個(gè)話題：Metaverse(元宇宙)、AR/VR、AIGC（AI生成內(nèi)容），以及科技向善。

為了準(zhǔn)備今天的演講，我查閱了過(guò)去十年我參與的一些活動(dòng)、一些討論以及在互聯(lián)網(wǎng)上的一些留痕。非常有意思，現(xiàn)在看起來(lái)都是歷史，而當(dāng)年我們都在談?wù)撐磥?lái)。

2013年，我在線上社區(qū)回答過(guò)一個(gè)問(wèn)題：AR/VR領(lǐng)域最需要研究什么；2015年4月，我在硅谷的一個(gè)活動(dòng)上與大家討論過(guò)AR/VR領(lǐng)域最缺什么；同年12月，我在國(guó)內(nèi)的一個(gè)行業(yè)論壇上，討論過(guò)未來(lái)的AR/VR會(huì)長(zhǎng)成啥樣。

那時(shí)候我們討論過(guò)Motion Sickness（暈動(dòng)）、人機(jī)交互、力反饋、內(nèi)容的定義、交互的定義、內(nèi)容的生成，也討論過(guò)一體機(jī)和PC-VR最終誰(shuí)會(huì)贏 。過(guò)去十年，有些問(wèn)題被解決，也有很多問(wèn)題大家仍然在嘗試解決的過(guò)程。

元宇宙描述的是一個(gè)狀態(tài)，

是being digital、數(shù)字化的終局

我來(lái)自諾亦騰，這個(gè)公司致力于動(dòng)作捕捉技術(shù)。簡(jiǎn)單來(lái)說(shuō)就是把人的動(dòng)作數(shù)字化，再把數(shù)字化的動(dòng)作用在不同的領(lǐng)域里，這其中當(dāng)然也包括Metaverse和AR/VR。

我們用光學(xué)技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、傳感器技術(shù)，把高精度的追蹤定位和人的動(dòng)力學(xué)聯(lián)合起來(lái)，最終實(shí)現(xiàn)數(shù)字化的人，數(shù)字化的人的動(dòng)作。

既然我們今天要聊Metaverse（元宇宙），就從它的起源和定義開始。首先，我推薦大家看兩本書Being Digital（《數(shù)字化生存》）。20年前大家讀到這本書，甚至認(rèn)為它是一本科幻，因?yàn)橹v的是未來(lái)會(huì)發(fā)生什么。但現(xiàn)在看起來(lái)它也是歷史。

另外一本是Snow Crash（《雪崩》），它給出了Metaverse（元宇宙）和Avatar（虛擬化身）的定義。這兩本書對(duì)于給出一個(gè)正確的元宇宙定義非常有幫助，因?yàn)槲乙恢闭J(rèn)為元宇宙它描述的其實(shí)是一個(gè)狀態(tài)，是being digital、數(shù)字化的終局狀態(tài)，是分階段的狀態(tài)。

每一個(gè)階段有不同的技術(shù)能力和人的需求，借助不同的科技、工具和手段，能夠達(dá)成的數(shù)字化終局，就是在那一個(gè)時(shí)間點(diǎn)的元宇宙。

Being Digital《數(shù)字化生存》給出了一個(gè)非常令人振奮的預(yù)測(cè)：Computing is not about computing anymore. It’s about living. 就是計(jì)算和計(jì)算機(jī)技術(shù)不光是計(jì)算而已，它會(huì)滲透到我們方方面面的生活里。

這一點(diǎn)我非常贊同，在過(guò)去三四十年，數(shù)字化在不斷地發(fā)生，當(dāng)它發(fā)展到終局的時(shí)候，也就是我們能夠看到元宇宙的那一天。

而動(dòng)作捕捉，也就是諾亦騰所做的技術(shù)，在元宇宙里非常重要。這是因?yàn)槿?、人的?dòng)作的數(shù)字化不僅可以給每個(gè)人一個(gè)avatar，一個(gè)數(shù)字化的化身，一個(gè)可視化的一個(gè)表現(xiàn)，它更是現(xiàn)實(shí)世界和虛擬世界、現(xiàn)實(shí)世界與數(shù)字化人生之間的人機(jī)交互的載體。

真正的元宇宙并不避實(shí)就虛，???

而是數(shù)字世界和現(xiàn)實(shí)世界混合體

我們所說(shuō)的自然人機(jī)交互，借助的就是人的動(dòng)作表達(dá)、人的表情和自然語(yǔ)言的表達(dá)。這和我們等一下會(huì)講到的AIGC和AR/VR也有緊密的關(guān)系。

我想給大家看兩張照片：

左邊是我女兒，今年八歲。她在玩一個(gè)玩具，這是一個(gè)古董、一個(gè)立體視覺(jué)的玩具，夸張地說(shuō)，是一百年以前的VR設(shè)備。這個(gè)設(shè)備前面有一張卡片，通過(guò)一個(gè)雙目的透鏡，就可以看到立體視覺(jué)。

右邊是2022年10月Quest發(fā)布的Quest Pro，當(dāng)下最先進(jìn)的VR設(shè)備。

大家對(duì)比一下這兩張圖片，我們用了一百年，從左邊這個(gè)玩具走向了右邊的先進(jìn)的VR設(shè)備。好像看起來(lái)沒(méi)有區(qū)別，對(duì)不對(duì)？

但事實(shí)上，人類經(jīng)過(guò)了大量的科技投入，各個(gè)領(lǐng)域里大量的金錢、時(shí)間、人力資源投入，才能夠從左邊的一個(gè)玩具走向右邊的VR設(shè)備，賦予它真正的三維渲染、全視角的FOV（視場(chǎng)角）、高清顯示，給它強(qiáng)大的連接能力、計(jì)算能力，給它人機(jī)交互，給它真正的全彩的沉浸式的人和數(shù)字世界的連接。

從一個(gè)玩具走向一個(gè)生產(chǎn)力工具，走向沉浸式的數(shù)字世界的一扇門，需要一百年時(shí)間。大家想想，如果我們要追求科技向善，追求解決問(wèn)題，追求把人的能力增強(qiáng)，走向數(shù)字世界，需要一百年的時(shí)間，你會(huì)參與這件事情嗎？

我會(huì)參與的，因?yàn)檫@是一件非常令人激動(dòng)的事情。

這張圖在我看來(lái)，清晰闡述了未來(lái)的元宇宙。它來(lái)自于Magic Leap， 2016年Magic Leap的一位高管的演講。

這里有兩個(gè)關(guān)鍵的信息點(diǎn)：

第一個(gè)關(guān)鍵點(diǎn)在圖的最下方。

真正的元宇宙，它不應(yīng)該是避實(shí)就虛，或者說(shuō)不應(yīng)該是全虛擬的、全數(shù)字的digital world；它應(yīng)該是一個(gè)mixed reality，一個(gè)數(shù)字世界和現(xiàn)實(shí)世界的混合體。

為什么呢？因?yàn)槲覀兊默F(xiàn)實(shí)世界的信息密度、信息量太大了，如果我們要走向一個(gè)純粹的數(shù)字世界，去創(chuàng)造一個(gè)純虛擬的世界，難度太高了，從經(jīng)濟(jì)上是不合理的，可能是我們這一代人都無(wú)法解決的。

但是混合現(xiàn)實(shí)是可以達(dá)成的，以現(xiàn)實(shí)世界、物理世界作為基礎(chǔ)，疊加數(shù)字的資產(chǎn)，提升、豐富信息，給人額外的幫助，解決人的問(wèn)題、增強(qiáng)人的能力，以人為本、以物理世界為本，這個(gè)才是我認(rèn)為真正的Metaverse。一個(gè)混合現(xiàn)實(shí)的元宇宙，在這一點(diǎn)上我和當(dāng)年的Magic Leap高度一致。

在這張圖的右手邊，每一層都有不同的垂直領(lǐng)域，比如有交通、娛樂(lè)、能源、教育。我們所說(shuō)的Metaverse，如果想要一次性地給一個(gè)完全態(tài)，全面數(shù)字化所有的行業(yè)，解決所有的問(wèn)題，太困難，可能沒(méi)人知道該如何入手。即便有無(wú)限的資源，投入無(wú)限的人力，也很難一次性實(shí)現(xiàn)所有問(wèn)題的數(shù)字化，實(shí)現(xiàn)數(shù)字增強(qiáng)和混合現(xiàn)實(shí)。

但如果把它切割到不同的領(lǐng)域，逐個(gè)攻克，每一個(gè)領(lǐng)域的企業(yè)、從業(yè)者、專家、用戶來(lái)提出需求，解決問(wèn)題，去找到實(shí)現(xiàn)這件事情的路徑和辦法，一層一層地解決問(wèn)題。解決出行問(wèn)題的人去解決出行，解決連接問(wèn)題的人解決連接，解決能源問(wèn)題的人解決能源，解決娛樂(lè)、教育的人，分層地去解決問(wèn)題。

以現(xiàn)實(shí)世界為基礎(chǔ)，這才是我們真正能夠去實(shí)現(xiàn)元宇宙，才能夠把AR/VR等技術(shù)交到普通人的手里的路徑。

AR/VR可能是下一代的人機(jī)交互平臺(tái)

再來(lái)談?wù)劄槭裁次覍?duì)于AR/VR、元宇宙這么上頭，愿意花十多年的時(shí)間投入在行業(yè)里，去做一些有意思、有價(jià)值的事情？

這是因?yàn)锳R/VR有可能是下一代的人機(jī)交互平臺(tái)，它很有可能是繼個(gè)人計(jì)算機(jī)、智能手機(jī)之后的下一代的主力計(jì)算設(shè)備。這將是一件了不起的事。

我是一個(gè)70后，很幸運(yùn)經(jīng)歷了兩次個(gè)人計(jì)算機(jī)的革命。從我小學(xué)、初中開始，經(jīng)歷第一次計(jì)算革命的尾聲，也是它高速增長(zhǎng)的時(shí)期。從初中開始，我有了自己的個(gè)人計(jì)算機(jī)，我花了很多時(shí)間開始學(xué)打字，后來(lái)學(xué)編程。

到了2007年，智能手機(jī)出現(xiàn)時(shí)就更不用說(shuō)了。2007年，我看著Steve Jobs開發(fā)布會(huì)，那時(shí)覺(jué)得智能手機(jī)簡(jiǎn)直像科幻一樣的事情，2008年，我在香港買到了第一代iPhone，當(dāng)時(shí)在香港的地鐵上很興奮，不停地劃屏，不停地翻看圖片，把它放大、縮小，旁邊的人都覺(jué)得我拿著一個(gè)像魔術(shù)一樣的東西，問(wèn)我這是不是最新的索尼的PDA（掌上電腦）。

這兩次革命，給我們的生活帶來(lái)了巨大的變化。而這兩次革命都是工具的迭代、工具的革命。未來(lái)的第三次的革命，我有可能會(huì)親歷、參與的AR/VR、元宇宙的革命，它將會(huì)脫離工具的范疇。

為什么這么說(shuō)呢？因?yàn)锳R/VR設(shè)備，不再是一個(gè)需要掏出來(lái)、激活使用的工具，而是一個(gè)可能會(huì)全日佩戴、全日點(diǎn)亮、無(wú)時(shí)無(wú)刻不在幫助你和增強(qiáng)你的能力的電子器官。

舉一個(gè)簡(jiǎn)單的例子，我們就說(shuō)翻譯吧，假設(shè)我去卡塔爾看世界杯，去餐廳點(diǎn)菜又不認(rèn)識(shí)阿拉伯文，常規(guī)的做法就是掏出手機(jī)、點(diǎn)亮屏幕，點(diǎn)開Google Translator，拍照、翻譯成中文。然后我指著這個(gè)圖片，告訴服務(wù)員我要這個(gè)菜。

這是一個(gè)典型的工具使用的邏輯和流程：激活一個(gè)外部的工具，操作一下，讓它幫助提升我的個(gè)人能力，解決一個(gè)實(shí)際的問(wèn)題。

如果我戴著一個(gè)增強(qiáng)現(xiàn)實(shí)眼鏡會(huì)怎么樣呢？首先它一直開著，我看到任何有不明白的外語(yǔ)，它直接能翻譯成中文，我直接閱讀，然后拿起菜單點(diǎn)菜。這就是個(gè)人能力的增強(qiáng)，是一個(gè)電子器官的邏輯。從工具到電子器官的邏輯變化是巨大的。所以走向下一代平臺(tái)的革命中，在上一代平臺(tái)上價(jià)值不高的一些工具，可能會(huì)在新的平臺(tái)上面爆發(fā)出巨大的價(jià)值。

比如導(dǎo)航，雖然PC上就可以導(dǎo)航，當(dāng)年我們出去玩之前，會(huì)先用Google Map做路徑規(guī)劃，把它打印出來(lái)，然后開車出去玩。但是進(jìn)入智能手機(jī)時(shí)代后，大家使用實(shí)時(shí)的導(dǎo)航，把手機(jī)架在手機(jī)架上，看著它開車，這變成了每個(gè)人都會(huì)做的事情，車機(jī)上也有很好的導(dǎo)航系統(tǒng)。

像翻譯這樣的工作場(chǎng)景、應(yīng)用場(chǎng)景，也會(huì)讓Google Translator這類非常低頻使用的翻譯軟件工具，變成高頻使用、更有價(jià)值的工具。

因?yàn)槠脚_(tái)使用狀態(tài)的變化，比如從個(gè)人電腦需要開機(jī)，到智能手機(jī)instant on（隨開即用），帶來(lái)了所有的碎片化的可能性，再由instant on（隨開即用）變成always on（隨時(shí)待命），一個(gè)全日佩戴、全日打開、始終在增強(qiáng)你的能力的電子器官。

平臺(tái)的革命讓很多的應(yīng)用、軟件、功能點(diǎn)從低價(jià)值變成高價(jià)值，從沒(méi)價(jià)值變成有價(jià)值，這就是為什么我特別關(guān)注AR/VR。因?yàn)锳R/VR它絕不僅僅是一個(gè)玩具、一個(gè)工具，它有可能變成下一代的平臺(tái)，有可能變成一個(gè)人類增強(qiáng)器，變成我們的電子器官。

這是一個(gè)巨大的business，也是非常有趣的事情。

AIGC可能是下一代平臺(tái)的“救世主”?

最近有一個(gè)概念非?；穑蠥IGC。我們經(jīng)常講UGC、PGC，到現(xiàn)在變成AIGC，也就是人工智能內(nèi)容生成。

AI生成戴若犁頭像

最近，文生圖、圖生圖等一些概念或者說(shuō)解決方案非常引人注目，讓人覺(jué)得效果特別好，比如像Midjourney這樣的平臺(tái)已經(jīng)表現(xiàn)得非常成熟，給出的作品也令人驚訝。

在圖生圖、文生圖這個(gè)領(lǐng)域，甚至可以說(shuō)實(shí)現(xiàn)了能力的平權(quán)，就是讓我這樣的不會(huì)畫畫、沒(méi)有經(jīng)過(guò)專業(yè)訓(xùn)練的人，可以和專業(yè)的畫手、繪手、插畫作家的能力拉平，我們之間的差距變小了，這就是能力的平權(quán)，非常有意思。

另外一件事情是文生文，或者說(shuō)聊天。ChatGPT最近非?；穑业呐笥讶κ且粋€(gè)極客、科研工作者的朋友圈，所以我的朋友圈已經(jīng)炸圈了，所有人都在玩ChatGPT，在這個(gè)平臺(tái)上和它聊天，讓它幫忙寫文字，是一個(gè)很有意思的事情。它也是一種能力的平權(quán)，或者說(shuō)個(gè)人能力的增強(qiáng)。

首先它可以是一個(gè)高級(jí)版本的搜索引擎，但比搜索引擎更有意思。因?yàn)槟憧梢宰穯?wèn)，它可以擴(kuò)展，可以正確地組織所有的回答，從而更有邏輯，像是和一個(gè)人聊天。而且據(jù)說(shuō)ChatGPT部分通過(guò)圖靈測(cè)試，不少和它聊天的人，會(huì)認(rèn)為對(duì)面是一個(gè)真人。

ChatGPT生成內(nèi)容圖片

另外一方面，它可以是一個(gè)小助手。如果語(yǔ)音助手都可以催生出智能音箱這個(gè)產(chǎn)業(yè)，大家想想看像ChatGPT這樣更聰明、更有邏輯，在語(yǔ)言組織和文字生成能力上遠(yuǎn)超上一代語(yǔ)音助手能力的平臺(tái)，在這個(gè)基礎(chǔ)上是不是能夠有更大、更多的場(chǎng)景出來(lái)？

AIGC與元宇宙和AR/VR有什么關(guān)系呢？

從兩個(gè)角度來(lái)說(shuō)，因?yàn)楝F(xiàn)實(shí)世界的信息密度很大，AR/VR和元宇宙必須以現(xiàn)實(shí)世界為基礎(chǔ)，要生成和創(chuàng)立純虛擬的世界，投入產(chǎn)出比上算不過(guò)來(lái)賬，太難了，工作量太大了。

而AIGC有可能是一個(gè)救世主。現(xiàn)在已經(jīng)有人在研究立體的3D資產(chǎn)的AI生成，而很多學(xué)術(shù)機(jī)構(gòu)和企業(yè)做得非常的好，比如NVIDIA這樣的企業(yè)，投入大量的資源和精力在做這方面的科研。不管是通過(guò)文字，還是簡(jiǎn)單地畫幾筆、還是幾張圖片，可以生成3D數(shù)字資產(chǎn)，而且質(zhì)量在逐漸提高。

在AR/VR行業(yè)里，大量的定制化的內(nèi)容的開發(fā)和制作所需的人力、物力和時(shí)間，遠(yuǎn)遠(yuǎn)高于傳統(tǒng)互聯(lián)網(wǎng)里的視頻、圖像、文字、語(yǔ)音，這些兩維甚至一維線性的資產(chǎn)。這些內(nèi)容的生產(chǎn)和制備對(duì)于普通人來(lái)說(shuō)相對(duì)簡(jiǎn)單、高效，普通人寫一段文字、畫一張畫，投入產(chǎn)出比是算得過(guò)來(lái)賬的，所以說(shuō)可以生產(chǎn)無(wú)比巨大的數(shù)字資產(chǎn)，來(lái)支撐這一代的整個(gè)平臺(tái)。

如果下一代平臺(tái)是基于立體視覺(jué)的，如何高效地生產(chǎn)高質(zhì)量的立體數(shù)字化資產(chǎn)，更加沉浸的、給人帶來(lái)價(jià)值的東西？3D數(shù)字資產(chǎn)的AIGC會(huì)是一個(gè)非常重要的課題。

如果AIGC能夠被產(chǎn)業(yè)重視，提出一個(gè)輔助普通人低成本、高效、高質(zhì)量生產(chǎn)3D數(shù)字資產(chǎn)的解決方案，那么AIGC就會(huì)變成AR/VR、元宇宙的基礎(chǔ)設(shè)施，也可以說(shuō)是下一代平臺(tái)的“救世主”。

如果說(shuō)下一代平臺(tái)不再是手機(jī)和PC這樣的工具邏輯，而是人類增強(qiáng)器、電子器官，全日佩戴的隨身工具，隨時(shí)隨地增強(qiáng)人的能力，提高人的體驗(yàn)，提升信息挖掘和交流能力的電子器官，誰(shuí)會(huì)不想要呢？如果有一個(gè)萬(wàn)能的像J.A.R.V.I.S這樣的一個(gè)小助手隨時(shí)陪著你，會(huì)有人拒絕嗎？

當(dāng)然從成熟度來(lái)看，現(xiàn)在的ChatGPT還更像一個(gè)很會(huì)聊天的北京的出租車司機(jī)，什么都能聊，但是經(jīng)不起追問(wèn)和推敲，有時(shí)候它會(huì)胡說(shuō)八道，但是沒(méi)關(guān)系，它會(huì)進(jìn)步。

即便是像萬(wàn)事通一樣，很多東西都懂一點(diǎn)、很會(huì)聊天的能力，如果能夠附著在普通人身上，也已經(jīng)是非常有價(jià)值的事情。當(dāng)你需要一些信息的時(shí)候，它可以快速地以追問(wèn)聊天的形式，而不是檢索的模式，像智能助手隨時(shí)隨地來(lái)幫助你。

ChatGPT、圖生圖、文生文、文生圖這樣的解決方案，以及AIGC，和我們今天所談的元宇宙、AR/VR是緊密相關(guān)的，而且非常有價(jià)值。

通過(guò)科技解決“真問(wèn)題”

才是真正的科技向善

回到今天主題，為什么我們?nèi)匀恍枰狹etaverse？為什么我們今天花這么多的時(shí)間去談元宇宙、AR/VR技術(shù)、AIGC？這些都是手段，不是我們目標(biāo)和需求。我們所需要做的真正的事情，是在每一個(gè)領(lǐng)域里解決真正的問(wèn)題，我們需要增強(qiáng)人的能力。

我們需要用這些手段、這些工具、這些科技去幫助人，提升人和世界連接，提升人類獲取信息、表達(dá)信息的效率和能力。我們需要增強(qiáng)人本身的基礎(chǔ)能力，比如說(shuō)記憶力、文字識(shí)別能力等，這些才是真正的目標(biāo)。

只有通過(guò)工具、通過(guò)科技，解決了人最基本的需求，解決了行業(yè)和領(lǐng)域里真正要解決的問(wèn)題，才是真正的科技向善。