阿里巴巴AILabs机器视觉杰出科学家李名杨

在不久前的云栖大会上，阿里巴巴人工智能实验室AILabs公布了三件大事：一是AliGenie升级为语音开放平台，二是宣布阿里AR开放平台，三是推出天猫路由器。随后，阿里巴巴宣布前微软亚洲研究院首席研究员聂再清，以及前谷歌Tango和Daydream项目技术主管李名杨入职阿里AILabs，前者担任AILabs北京研发中心总负责人，后者担任AILabs机器视觉杰出科学家。从平台产品到人才，阿里对AI的大力投入。

日前，雷锋网在北京阿里办公室见到了李名杨博士。他在谷歌待了三年，担任Daydream/Tango项目技术主管，主要研究领域是视觉-惯导里程计(VIO)和即时定位与地图重建(SLAM)，在该领域拥有20多篇顶级论文及相关专利。

在谷歌工作期间，他的研究重心为多传感器融合和SLAM领域，包括技术的理论创新和商业化，也参与了Tango、ARCore，以及Daydream的相关技术研发。

他告诉雷锋网，离开谷歌，选择加入阿里，一方面因为ARCore已经正式发布，圆满完成了一个项目；另一方面是阿里“非常支持科研”，而且“阿里想做的东西都和我希望做的东西十分契合，这对自己是很好的做科研和技术环境。”

加入AILabs后，他将专注于计算机视觉和传感器融合技术的研发，同时根据阿里不同的应用场景，开发技术，给用户带来好的体验。

如何评价阿里AR开放平台？

云栖大会上，AILabs负责人浅雪宣布阿里AR开放平台，该平台面向开发者开放2D识别追踪、3D识别追踪、内容制作平台、高质量渲染引擎等核心能力。开发者在已有的APP中接入SDK套件，即可快速创建AR内容，无需担心开发算法、使用传感器、GPU优化等难题。同时，AR内容平台阿里火眼可将开发者创建的AR内容直接传递给消费者。

现场还演示了一些功能，如家装应用，通过手机AR查看家具或电气在家里的位置摆放，跟宜家基于ARKit制作的IKEAPlace很类似；使用阿里火眼APP，手机扫描恐龙图片后，会呈现虚拟的3D恐龙；识别3D实体，用手机扫描天猫精灵后，会显示其名称、价格等。

据浅雪介绍，阿里AR开放平台已经有三年的技术积累，此前阿里内部的天猫、聚划算、一淘网，以及今年的淘宝造物节都有关相关的AR应用。也是因为阿里内部有不错的应用先例，他们决定对行业开放。

刚加入AILabs的李名杨对这个AR开发平台十分认同。他表示，该平台提供给开发者一个制作AR内容和APP的工具，最后传达给消费者。“对AR来说，现在有一定的技术，但还需要足够的内容，才能吸引消费者使用，平台是非常有用的。”

自从苹果ARKit和谷歌ARCore发布以来，AR被行业看好，也产生了越来越多的应用，但阿里的AR开放平台与它们相比，还是有很大的不同。

李名杨解释，

“苹果和谷歌做的是非常好的技术和平台，更贴近于手机操作系统，但阿里的AR开放平台更贴近于开发者，或者是用户，目标对象或是方式不是完全一样的，而且我们也希望通过这个平台积累更多的用户和内容，这对AR很重要。”

雷锋网之前发布的文章《苹果ARKit凭什么碾压对手》中，SuperVenture合伙人MattMiesnieks详细指出了ARKit背后的基本原理，以及硬件对AR功能的重要性。A11Bionic芯片更被看做是今年苹果发布会最重要的两点，那么没有硬件会不会成为阿里AR开放平台的短板？

李名杨表示，AR技术有的部分对硬件支持需求比较大，例如“AR都需要图像处理，图像处理到底是在CPU上完成，还是在别的地方完成，这个是需要硬件支持。对硬件厂商来说，可以更自由地选择，释放一些计算量在CPU上面。”他讲到，像Facebook此前演示的AR拍照功能，也是没有硬件支持，“如果都需要硬件，大家可能没法做”。

AR是AI的体现方式

去年双11，阿里展示了VR购物Buy+，并且很早成立实验室GMLab，专注于VR技术研发。阿里AR开放平台不仅由AILabs发布，而且还归属在AliGenie开发者平台内，这让很多人感到疑惑。

李名杨透露，天猫和淘宝早先都有自己的研发团队，但现在这些研发人员都归属在AILabs下面，共同支持不同业务部门的需求。“研发团队如果分散也不是特别好，很多功能和设计都可以相互借鉴和互补。”

在他看来，AR是通过手机传感器对世界的理解，然后把世界翻译成数字的语言，“AR本身就是一种人工智能体现的方式”。同时，“人工智能是人机交互的方式，希望知道人和机器如何交互，而人和人交互是通过眼睛、嘴巴、鼻子，AR和天猫精灵都是一种交互方式，所以在同一个平台AliGenie，是有道理的。”

不过，AliGenie如何具体释放AR功能，还要等阿里之后的产品进展。

比起手机，头显对追踪定位要求更高

谷歌ARCore的演示画面

到AR，我们总离不开对Tango的讨论，而去年11月份，谷歌宣布将Tango团队并入Daydream部门，由谷歌VR部门的负责人ClayBavor统一管理。今年ARCore推出后，国外有开发者戏称，“ARCoreSDK就像是他们随便地把TangoSDK改了个名字，注释掉深度相机那块代码”，算是“低配版的Tango”。李名杨说，“本质技术是非常相似的，都是通过单目摄像头和IMU实现跟踪定位的功能，没什么低配和高配的区别。在不同的地方，依赖不同的硬件，效果不是特别一样。”

值得注意的是，不管是Tango，还是苹果ARKit，追踪定位都是由单目摄像头完成的，而其中使用的SLAM技术与头显采用的双目Inside-out追踪定位也有相通之处。

但显然，手机和头显的体验非常不同，这对精度和稳定性的要求也发生了变化。

李名杨举例说，“如果用手机玩AR，次中成功99次，有一次需要重启，用户是可以接受的。但是VR设备，如果有一次让用户有眩晕，甚至呕吐，就是不可接受的。因为头戴设备使人的感知系统非常敏感，要保证头戴设备的SLAM技术做的更稳定，更精准，这要求很高。”

现在，微软已经开始陆续推出一系列WindowsMR头显，Oculus宣布新的一体机，谷歌也在研发相关的方案，至于这些厂商们采用的Inside-out方案是否足够成熟，李名杨说这得用户说了算，看明年用户的体验。

AR还有哪些难以攻克的技术？

此前，天猫互动技术专家蒋佳亿在《有了ARCore和ARKit，AR行业还能做啥？》一文中谈到，AR行业还有哪些可研究的方向，包括引擎、产品和交互、数据化和3D化等等。李名杨也提到AR很多难点还没有攻克。例如，没看到一款真正的AR眼镜；AR语义理解，虽说可以实现一定的跟踪定位，但很难实现对环境的理解等。

其实，我们打开ARKit应用时，首先要做的就是确定一个平面，然后在这个平面上产生其他AR内容。而这只是最基础的一步，“从点到线，到面，再到三维物体，这是一步步进化的过程。如果实现人机流畅的交流，就想要知道整个环境，环境中有什么物体，这些物体是什么，相对位置是什么样……”

李名杨说，

“目前还没有看到相关的产品发布，这是需要非常多技术融合在一起的，尽管学术界有很多文章讨论解决这样的问题，但成熟度还欠缺一点。SLAM可能是这个方向的一个技术，但SLAM追踪定位提供一些功能后，你才能基于此研发上层的东西。”

他坦言，SLAM还有很多研究的方向，现在只是对于移动端，可以通过已有的技术输出一些产品，但要给用户带来更好的体验，还需要其他的技术积累。

从谷歌到阿里，李名杨没有感受到太大的差别，他开玩笑地说“语言和吃的事物”变化最大。或许，阿里也能更好地将这些技术研究落地到实际的应用中。我们期待，未来阿里如何将技术与产品相融合。