自从扎克伯格把 FaceBook 更名成 Meta 之后kaiyun.com，这家公司就绝对和眼镜较上劲了。

有一个即热又冷的小学问，Meta 这个名字，取自「metaverse（）」的前四个字母，2021 年更名的时候，扎克伯格本东谈主止境自信地示意：

元寰宇将在畴昔十年波及 10 亿东谈主，而元寰宇也将波及咱们开发的每一款家具。

▲ 图片来自：Google

四年昔时了，元寰宇成了科幻演义、创意动画和影视作品的常客，但离践诺全国却越来越远，为数未几能引起东谈主们关心的，如故那些时常常爆雷上热搜、打着元寰宇、虚拟钞票的幌子，来冒名行骗的烦心事儿。

在普及和铺开元寰宇上，Meta 和四年前一样没啥变化，不外他们却在元寰宇的进口——VR/AR 头显蛊惑上，作念出了不少专诚念念的新玩意儿。

定位为新式游戏机的 Meta Quest，掀开了 VR 互动游戏的新全国，2024年 Meta Quest 系列占据了 73% 的市集份额，遥遥率先。

成为 AI 时间新潮配件的 Ray-Ban Meta，经过了两代家具的致力，出货量在本年 2 月隆重打破 200 万台，集传统眼镜、名牌 logo、蓝牙耳机、语音助手、Vlog 相机于并立，既作念好了一副传统眼镜该有的装潢作用，又让科技悄无声气地镶嵌了日常生涯。

明面上，Meta 在铺张者市集推出了几款告捷的家具；私底下，他们也在 toB 的赛谈上偷偷发力，而且这些面向企业和专科机构的智能眼镜起步的时期，致使比他们更名的时期还早。

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 略显肥壮，寥落是两条加粗的镜腿，止境显眼。

▲ 图片来自：Google

硕大的外不雅并不仅仅罗列，其中包含了止境多的传感器套件，如配备 RGB 录像头、定位跟踪录像头、惯性测量单位（IMU）、气压计、磁力计等，这些元件的主邀功能是用于采集第一东谈主称视角的视觉、开通和空间数据。

从表面上来说，Aria Gen 1 是专为机器感知系统、东谈主工智能及机器东谈主技能盘问设计，它通过集成多模态传感器，匡助科研东谈主员攻克AR眼镜的中枢技能难题，如环境感知、空间定位等。

落地到骨子体验，Aria Gen 1 则有着止境远处也令东谈主期待的职责：

设计有一天，咱们不错享受联网带来的总计公正，而不需要低着头低着头看着蛊惑。假想一下，给一又友打电话，和桌子对面鱼贯而来的虚拟形象聊天。 假想一下，一个弥漫明智的数字助理不错检测谈路危机，在商务会议期间提供统计数据，致使匡助你在嘈杂的环境美妙得更了了。 在这个全国上，蛊惑自己皆备脱色在日常生涯的起起落落中。

手脚这项实验的原型机，亦然第一代家具，Aria Gen 1 并莫得掀翻太大的浪潮，千里淀五年后，这周 Meta 隆重发布了 Aria Gen 2。和一代比较，有了全面的升级。

最显着的变化在传感器系统上，一代机采选的是最基础的环境感知元件，只好录像头和惯性传感器，Aria Gen 2 在此基础上，加多了很多新的配件，包括 RGB 录像头、6DOF SLAM 录像头、眼动跟踪录像头、空间麦克风、IMU、气压计、磁力计和 GNSS。

寥落是新一代家具在鼻托中镶嵌了两个创新传感器：用于测量心率的 PPG 传感器，和用于辨别佩戴者声气和旁不雅者声气的战争式麦克风。

如果把一代比作「只用眼镜看全国」，那比较之下 Aria Gen 2 不错说是感官全开，从更多维度感知、不雅察以及网罗外界信息，就能在一样的时期里，获取数目更多、更准确的数据，机器的运作、学习遵守也会更高。

另外，数据惩处的步地上，二者也有了质变，Aria Gen 1 依赖于外部蛊惑进行猜度，虽说不在腹地运算，能一定进程上，收缩蛊惑的分量压力，但随之而来的则是反应的迟缓，在云表算力够，但集聚不好的时候会有反应无言期，常常用聪惠助手的一又友应该都有际遇过雷同的情况；如果随身佩带一个移动猜度平台，止境未便携。

而 Aria Gen 2 则用上了 Meta 的自研芯片，不错把数据放在端侧惩处，反应速率止境快，不受集聚的限度，交互体验也有了止境大的跨越。

一般来说，多了自研芯片的蛊惑，领有了端侧运算的才略，但同期也会加多蛊惑的分量。不外 Meta 用数据语言，这五年他们竟然没闲着：Aria Gen 1 重 98g，Aria Gen 2 重 75 克。加量不加剧，长体验不长体重。

体验见长的，还有 Aria Gen 2 的交互步地，在第一代语音交互的基础上，二代机加入了「眼动跟踪+手势+战争式操作」。语音交互很径直，检索旅途会大幅裁汰，但并不是生涯中的总计场景都合适，比如岑岭期的地铁站和超舒畅的办公室。

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，可是正向的。官方称其能达到 6-8 个小时使用时期。按照当今无线耳机的使用时长，基本能让 Aria Gen 2 作念到全天候的聪惠功能可用。

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 技能落地的两大策略标的：

一是隐形化集成：通过轻量化设计和传感器隐敝（如录像头交流灯关闭时外不雅接近普通眼镜），训斥蛊惑存在感；二来通过灵通的生态，提供底层 API 接口和模块化扩张才略，饱读舞学术界开发定制化器具包，加快技能滚动。

因此，Aria Gen 2 的应用场景，也从先前的室内导航与基础 AR 盘问，转向了更多维的鸿沟，医疗、工业、城市考虑等，都有可能成为 Aria Gen 2 滋长的泥土。

至此，咱们来总结一下，Aria Gen 2 的跨越与真义：

感知硬件升级，完终身物数据和会与环境深度领略；搭载自研芯片，擢升及时性，相沿户外无集聚场景；丰富交互步地，降柔声学阻挠，适配复杂实验环境；续航覆盖全天，延迟一语气使用时期，擢升佩戴舒限度；应用场景拓展，鼓吹跨学科技能和会与法式化。扎克伯格的「暗部」

如果你看完，Meta Aria 的解读先容，如故有点对它在铺张市集的诈欺恍朦拢惚，那很平素，因为 Meta 明确示意，这款家具「不会面向铺张者销售」，那你可能想问，它到底有什么用？要说了了造它的主义，还赢得到十多年去年前。

2014 年，扎克伯格在斯坦福虚拟东谈主类交互实验室（VHIL）体验了那时最新的 VR 蛊惑，以及多样游戏场景，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 实验室司理的 Cody Woputz 也曾娇傲过：在体验高空陨落场景时，他（扎克伯格）致使吓到将手放在胸口上。

此次体验让扎克伯格留住了很深的印象，一方面由于 VR 还处在早期的盘问阶段，定位系统不踏实，使多礼验屡次被打断，得停驻来再行校准蛊惑；而且那时的 VR 还不是一体机，PC VR 的猜度终局在机身外，得用一条又粗又长的线缆聚首，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创新性技能在畴昔的纷乱可能，也恰是此次体验，让他下定决心，以 20 亿好意思元收购了 Oculus，扎克伯格曾在公告中解说过收购原因：

移动是面前的平台，收购 Oculus 是为未来的平台作念准备。

之后，扎克伯格就带着 Facebook 运行了关于 AR/VR/MR 技能以及蛊惑的探索。有了指标和硬件技能的累积，于是在 2020 年，Meta 隆重开启 Aria 技俩，其宗旨是「从东谈主的视角加快 AR 和 AI」。

▲ 图片来自：Google

这样看有点玄乎，稍许平庸的解说等于，把眼镜手脚桥梁，让蛊惑从东谈主的视角来不雅察全国、了解全国，并学习东谈主和环境的互动干系，以此来鼓吹软硬件技能的发展，最终让机器大略从东谈主起程，并服务于东谈主。

Project Aria 中的眼镜，不错通过打破性技能匡助盘问东谈主员，从用户的角度网罗信息，寥落是 Aria Gen 2 上新增的传感器，大略捕捉佩戴者混身环境的音视频，以及他们的眼动和位置信息。

从佩戴者的第一视角起程，能让盘问东谈主员更容易弄了了，AR 到底如何才调在践诺全国和日常生涯中，证据真实作用，而不仅仅停留在花里胡梢却乌灵验的功能上。

而且，从东谈主的视角起程来网罗践诺全国中的信息，关于多模态 AI 来说止境进击，这样的考试步地能模拟东谈主类多模态贯通步地。

咱们自己等于通过视觉、听觉、触觉等多种感官协同感知全国，而多模态 AI 通过整合文本、图像、音频、视频等数据，大略更逼近东谈主类当然贯通模式。况且跨模态信息整合才略是单模态 AI 无法收场的。

多模态的网罗和考试，也能擢升 AI 对复杂场景的决策精度，如果欠亨过多维度的信息来领略全国，那势必会存在「买家秀」和「卖家秀」的不对，数字全国只好 0 和 1，但践诺全国除了曲直，还有那难以领略的灰色地带。

▲ 图片来自：Google

交互自己其实亦然多模态的，和一又友谈话时除了语言，情怀、手势、语气致使着装，都会影响咱们的领略。因此多模态 AI 通过同期惩处文本、图像和音频，可收场更当然的交互体验。

Meta 也给出了他们在 Project Aria 中的一些盘问细节，在 Project Aria 技俩中，让智能眼镜读懂全国的步地止境浅易恶毒：数据化。这项被称为 SceneScript 的技能，是一种使用自回顾结构化语言模子和端到端学习，来示意和推断场景几何的方法。

▲ 图片来自：Meta

浅易讲，总计第一东谈主称视角看到的场景、物体，都不错被眼镜酿成具体的数字和称呼，桌子有多长、墙上透明且门径洞窟叫「窗户」。

为了让眼镜内置的模子不仅仅看见全国，还要更好地领略全国，Meta 用自研的三维成像技能 EMF3D，把践诺全国总计的物体用不一样式的线段「明码标价」，把材质、步地和大小不一的东西合并了度量衡。

▲ 图片来自：Meta

当眼镜能读懂何况纪录环境时，再现一个虚拟的全国，就有了更大的可能。技俩中的环境合成技能恰是通过大批的数据网罗整理，复刻了一个大限度、皆备模拟的设施生成的室内场景数据集，也为「数字孪生」建立了新法式，加快了 3D 物体检测、场景重建和模拟到践诺学习等挑战的盘问。

▲ 图片来自：Meta

这种「养成系」的学习方法有好有坏，好在一朝学竖立止境塌实，难在想要塌实就得通过海量、巨量的数据，是以需要止境多的志愿者参与到 Project Aria 中，在平时弥远佩戴 Meta 的眼镜。

比起找到东谈主，如何让东谈主宽解地使用才是最关节的，因为数据网罗和苦衷保护，是一双难以合并的对头。Meta 给出的决策是「自我无极」新式 AI 模子，通过检测和无极图像中的 PII 来保护苦衷，把面部、车牌等明锐信息径直打码。

▲ 图片来自：Meta

海量的学习也能让模子更好地了解使用者的意图，比如通过对使用者逐日生涯场景的扫描与总结，不错判断本东谈主在什么时期点更可聪颖什么事？是去楼下熟谙，如死去客厅打游戏，又或者去厨房作念饭。能预判东谈主的行径行径，也就能提前提供更多的方便功能。

这和咱们手机上的智能助手，在特定时期弹窗领导回家路况，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，他们还是作念出了一些遵守，举例使用第一代 Aria 眼镜网罗的 Ego-Exo4D 数据集，已成为当代猜度机视觉和不停发展的机器东谈主鸿沟的基础器具。

有些企业也还是运行盘问，Aria 在他们的就业历程中，到底应该如何用？比如良马，正在搞了了如何将增强践诺和虚拟践诺系统集成到智能汽车中。

▲ 图片来自：Meta

佐治亚理工学院的盘问东谈主员，最近也展示了当 Aria 来到你家以后，会怎么帮你分担家务活的压力。

▲ 图片来自：Meta

很早之前，咱们曾在手机聪惠助手的体验著作中有个结论：东谈主工智能和多样电子蛊惑的相接，从当下来看，最大的真义应该是匡助老年东谈主和轻佻东谈主士，更好地融入新时间和重生涯。Aria 也在无禁锢技能的开发上，取得了一定的进展：

卡内基梅隆大学在一个技俩中，使用了第一代 Aria 眼镜，该技俩旨在开发匡助盲东谈主和见解低下东谈主士进行室内导航的技能。

▲ 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禁锢体验。

▲ 图片来自：Envision

如果要用一句话来形色 Project Aria、Meta 和旗下家具的干系，我认为很像树根、树干和树枝。Project Aria 在最底下，平时看不见摸不着，但终年累月累积的技能遵守，最终都会以多样各样的步地，赋能在公司和各样家具上。

去年 9 月底，扎克伯格在发布会上，从保障箱里拿出了一个看上去平平无奇，实则是十年绝密技俩的智能眼镜 Meta Orion。从发布会的演示画面来看，它能作念到和 Vision Pro 高度相似的交互功能，更进击的是 Orion 是一副真全息 AR 眼镜。

它外不雅上比普通眼镜厚了点，不外戴上之后既能透过镜片看到真实的全国，也能看到投影图像。

诚然剖判度比不上传统的电视和投影，但看图片与翰墨绰绰多余。神奇的是，咱们没发现眼睛上有大块棱镜，如斯逼近真实、诬捏出现的践诺效果，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 个录像头和传感器，让 Meta Orion 实在收场了将虚拟插足践诺，并将其融入践诺的才略。它能将全息图像精确悬停在半空中，也能识别目下的物品，举例通过桌面上的食材，它就能给你定制一份食谱。

▲ 图片来自：Meta

说 Orion 在交互体验上，有皆平 Vision Pro 之势并不是名过其实，因为它竟然相沿手部和眼动跟踪，双手等于手柄，配套的神经腕带还能把手酿成鼠标，通过检测肌肉电流的变化识别肉体的神经信号，并由此区离婚指的不同动作：

拇指、食指捏合进行遴荐拇指和中指结伙呼出菜单捏拳滑动拇指滚动画面

那时在发布会现场，咱们还看到了 Meta Orion 的骨子拆解展示，高度复杂和极其精密的里面构造，临了组合在一皆的机身，只好 98g。

不难发现，Meta Aria Gen 2 和 Meta Orion 的干系，就像镜子里的彼此。仅仅扎克伯格在那时的采访中说，由于造价太过崇高（每台老本约 1 万好意思元，约合东谈主民币 7 万元），公司不得不叫停了量产考虑，只出产了1000 部提供给里面研发。

不外 Meta 也考虑着，将 Aria 的技能冉冉整合到 2026 年后，包括 Orion 在内的铺张级 AR 眼镜中。指标是通过神经接口交互，和全息娇傲收场 AR 眼镜的迁徙，以此迎来智能眼镜的「iPhone 时刻」。