《科創(chuàng)板日報》（上海，記者 黃心怡）隨著元宇宙概念的興起，AR/VR與人工智能的結合備受關注。想要構建元宇宙，“沉浸感”至關重要，而兩者的融合，將推動全新的用戶體驗以及人們與世界互動的新方式。Frost

近日，商湯科技數(shù)字空間事業(yè)群數(shù)字文娛事業(yè)部總經(jīng)理欒青接受了《科創(chuàng)板日報》記者的專訪，分享了對于AR/VR與AI結合的應用前景與挑戰(zhàn)的看法。

欒青認為，AI是把現(xiàn)實世界數(shù)字化的重要工具。有了人工智能，就可以在虛擬世界里更快生成人、物、場景，大大降低元宇宙的構建門檻和成本。AR/VR與AI的結合，能跨行業(yè)解決很多不同問題。除了游戲、社交外，在工業(yè)、建筑、醫(yī)療等產(chǎn)業(yè)數(shù)字化領域，也有比較多的應用空間。

不過，欒青也指出，目前相關產(chǎn)業(yè)還是處于初期發(fā)展的階段，不管是硬件體驗、內容生成平臺，還是所涉及的經(jīng)濟系統(tǒng)、授權認證系統(tǒng)等均需時間來建立。五年通常被認為是硬件的一個迭代周期，而最終的成熟時間依然很難預測。但在終極的數(shù)字世界建立之前，會有比較多的雛形形態(tài)，能夠解決日常生活中的一些問題。

人工智能的核心，在于持續(xù)把現(xiàn)實世界數(shù)字化

《科創(chuàng)板日報》： AI 與AR/VR的結合，是業(yè)內較為關注的熱點，您認為AI將會為元宇宙帶來哪些價值？

欒青：不管是稱其為元宇宙，還是叫混合現(xiàn)實，或者數(shù)字世界也好，類似的概念已經(jīng)存在非常久了。目前來看，AI所起到的作用主要包括三個方面。

首先，人需要擁有一個新的身份，AI將幫助大家以數(shù)字分身Avatar，更好地進入到虛擬世界里；其次是虛擬世界的多模態(tài)人機交互體驗，即這些數(shù)字人對不同的虛擬世界、不同服務進行人機的交互；第三，虛擬要與真實結合，AI可以更快速地構建虛擬世界。

《科創(chuàng)板日報》：當下已經(jīng)有哪些落地的應用場景？

欒青：目前所基于的載體是各類屏幕、電子設備，比如手機、電腦、大屏，當然還有開始初步應用的VR和AR眼鏡。

在To C的應用方面，包括了各種各樣的VR社交應用、會議系統(tǒng)等。在To B的方向，較為常見的是通過智能數(shù)字人，來替代某一項服務的重復性勞動。比如在商場、銀行、醫(yī)院等，數(shù)字人可以幫助前臺來完成刷卡、來訪登記等這些簡單、重復的工作。

AI還能實現(xiàn)三維內容的快速生成，比如通過無人機或者手機快速掃描，就可以把現(xiàn)實場景在數(shù)字空間里建立起來。這在智慧城市的管理，智能遙感技術的應用已經(jīng)非常多了。

在今年冬奧會期間，我們就對冰壺賽場冰立方的整個場館進行了三維數(shù)字化。通過AI技術捕捉冰壺在三維場景中的位置，成功實現(xiàn)了在超大空間范圍內，遠距離精準檢測并識別定位跟蹤可能被遮擋的運動冰壺。不僅如此，我們還通過“虛實結合”的方式，在現(xiàn)場大屏和咪咕視頻還原冰壺的運動軌跡曲線。這不僅可以幫助運動員分析研判對戰(zhàn)形式，適時調整戰(zhàn)術，還能讓觀眾更好地了解和感受冰壺運動的精髓。

《科創(chuàng)板日報》：完成對水立方場景的三維數(shù)字化重建，大概需要多久時間？

欒青：我們在場館內走一圈的時間大概是十幾、二十分鐘，然后在兩個小時之內就能把整個水立方冰壺比賽場館進行完整建模。這還是普通服務器的建模速度，如果使用性能更強的服務器，還有可能會更快。

《科創(chuàng)板日報》：AI為現(xiàn)實世界數(shù)字化所帶來的效率提升，您有沒有相關的數(shù)據(jù)？

欒青：比如，過去建立一個數(shù)字人，平均時長大概剩3-4個月。通過AI的優(yōu)化之后，在初步情況下可達到一個月以內。未來我們還將會把整個流程優(yōu)化到以天為單位的級別，這樣可以讓很多行業(yè)高效率使用自己的虛擬形象代言人，這是我們正在努力的方向。

可以說，現(xiàn)實世界數(shù)字化，是AI最核心在做的事情。如何更快生成人、物、場景，降低成本和門檻，而不是需要專業(yè)的設計師花很長時間才能做完。

《科創(chuàng)板日報》：所謂現(xiàn)實世界數(shù)字化，在產(chǎn)業(yè)化場景也有應用空間，比如說像工業(yè)領域一直在提的數(shù)字孿生。

欒青：是的，三維建模和數(shù)字化管理是比較通用的技能，可以跨行業(yè)解決很多不同問題。在工業(yè)、建筑、醫(yī)療等等，都有比較多的可能性。

其中，工業(yè)是非常典型的場景。我們也實現(xiàn)了許多工廠，包括對工業(yè)園區(qū)、工業(yè)廠房等的快速三維建模。通過快速三維建模后，對現(xiàn)有的各種攝像頭設備或者其他分配的信號進行連接，就形成了一個典型的數(shù)字孿生場景。

AI的優(yōu)勢在于，不需要設計師進行場景的三維重建，這是一項較為勞動力密集的工作。我們用普通的民用攝像頭產(chǎn)品，甚至手機圍繞現(xiàn)場走一圈就可以把場景快速地建立出來。

而且這些部署的攝像頭，可以實現(xiàn)三維高清定位，快速地標定至三維的空間位置中，這樣不管廠區(qū)還是園區(qū)的數(shù)字化管理就會非常高效地進行。

數(shù)據(jù)化和硬件體驗是兩大挑戰(zhàn)

《科創(chuàng)板日報》：“AI+XR”的結合應用還是處于初期發(fā)展階段，您覺得可能還存在哪些挑戰(zhàn)？

欒青：挑戰(zhàn)主要有兩個方面。

首先是體驗。這是需要全行業(yè)一起解決的事情，包括大家常說的VR或AR內容生態(tài)，依賴整個行業(yè)一系列的技術提升，把整個體驗和內容建立起來。

其次則是數(shù)據(jù)化。虛擬世界或者說數(shù)字世界的存在，最終要幫助到真實世界解決實際的問題。但挑戰(zhàn)在于，很多的場景是具有長尾效應。比如在工廠，有些設備是在別的廠區(qū)見不到的，或者在這個特殊行業(yè)才擁有的，那就需要進行一系列長尾內容的數(shù)據(jù)化。如何高效率低成本識別不同的內容，并且實時的數(shù)據(jù)化到我們系統(tǒng)當中，這也是一大挑戰(zhàn)。

《科創(chuàng)板日報》:虛擬現(xiàn)實應用要真正發(fā)展起來的話，可能涉及到哪些關鍵產(chǎn)業(yè)鏈？

欒青：首先硬件的產(chǎn)業(yè)鏈肯定是第一步。必須采用大家習慣、能夠日常使用的體驗方式，才能普及。就像手機如果非常重，又很昂貴，那么大家不太可能用起來，很多應用也無從落腳。

所以，硬件成本的降低，以及重量、散熱、耗能等的提升，仍然要不斷去攻克的瓶頸。由此來看，光學顯示，包括輕量化的芯片等，應該都會有較強的發(fā)展空間。同時，基于硬件的各種智能化，包括手勢識別、面部驅動，三維人建模等內容工具，也亟待發(fā)展。

內容生成平臺也非常關鍵。三維比二維的內容制作要復雜很多。以前可能只有游戲廠商，需要做復雜的三維內容，但投入也是非常大的。如果我們希望走向全民普適，比如銀行、商場、辦事大廳等，都進入到三維數(shù)字世界之中，你發(fā)現(xiàn)成本就會變得非常巨大。各種各樣高效的內容生產(chǎn)工具和平臺也會有一輪需要被突破的過程。

此外，如果所有人都需要在三維互聯(lián)網(wǎng)進行更深入地交流，那么大規(guī)模云端的協(xié)同性計算，也會有一個巨大的發(fā)展契機。當然，還包括經(jīng)濟系統(tǒng)、授權認證系統(tǒng)等，都要在這個體系下被建立起來。

看好數(shù)字文創(chuàng)和數(shù)字人

《科創(chuàng)板日報》：您預估成熟期需要多久呢？

欒青：現(xiàn)在還比較難預測。不過，在終極的數(shù)字世界建立之前，會有比較多的雛形形態(tài)，可以解決日常生活中比較多的問題。

比如剛才提到的數(shù)字人在垂直領域的應用，已經(jīng)可以消除很多服務體驗和效率上的難點。并不一定非要有全新的硬件或者不同的內容生產(chǎn)生態(tài)。只要在專業(yè)領域做得比較好，就可以有效地提升生產(chǎn)效率。這種行業(yè)級別的應用，我們認為已經(jīng)到來了。

而全民的、普適性的三維互聯(lián)網(wǎng)級別，可能還需要一定的發(fā)展周期，大家常說5年是一個硬件迭代周期，我們也拭目以待。

《科創(chuàng)板日報》：目前比較有前景的應用，除了數(shù)字人之外還有哪些？

欒青：數(shù)字世界需要各種各樣的內容，人是一方面，物是另一方面。把很多現(xiàn)實物品進行數(shù)字化，也已經(jīng)成為一個重要的體驗環(huán)節(jié)。

在這方面，數(shù)字文創(chuàng)擁有比較大的發(fā)展契機。我們已經(jīng)與敦煌、故宮等大型IP合作，來進行數(shù)字內容的體驗提升，更好地展示中國傳統(tǒng)文化的魅力。

事實上，數(shù)字世界可以有更大的創(chuàng)造空間，展示現(xiàn)實文創(chuàng)產(chǎn)品展現(xiàn)不了的內容。過去是數(shù)字賦能實物，現(xiàn)在是實物賦能數(shù)字，通過AI/AR的方式，把虛擬的數(shù)字內容附著在實體上面，這是我們對數(shù)字文創(chuàng)的定義。

《科創(chuàng)板日報》：您在人工智能從事研究工作多年，您認為人工智能對人類而言，所具有的最大意義是什么？

欒青：人工智能本質上模擬了人類大腦處理信號的方式。在人工智能出現(xiàn)之前，計算機只能處理數(shù)字化的信號，沒有辦法表達自己的思想，依然需要人對這些信號進行解析，才讓其變得有意義。

人工智能出現(xiàn)，首先是把現(xiàn)實世界數(shù)字化。這樣計算機在很多領域就能看懂現(xiàn)實世界的信號，而不用依靠人力。計算機可以自動地、主動去做一些事情，這樣提升了數(shù)據(jù)處理的效率。其核心是解決了信息入口的問題。也就是原先需要人進行輸入，現(xiàn)在整個世界的數(shù)據(jù)信息不斷自動地流入到計算世界里。

當然，人工智能不只是解決入口問題，還要進行各種三維數(shù)字內容生成，這是另一價值所在。這方面，人工智能可以把許多重復性勞動替代掉，也是我認為未來重要的發(fā)展方向。