科学之路｜对智能的畅想
0分享至《科学之路》是杨立昆（YannLeCun）的新书，上个月（2021年8月）才出版，甚至英文版都没出（原版是法文）。因为在深度学习方面的贡献，杨立昆博士获得了2018年的图灵奖——相当于计算机领域的「诺贝尔奖」。大神出书，我还是非常期待的。讲内容前，我先吐槽下书名，《科学之路》这个书名是不是有点太大了？法文原版书名叫《Quandlamachineapprend》，翻译过来就是「当机器学习时」，咋中文版叫《科学之路》呢。毕竟杨立昆本人都说：人工智能研究仍处于创新阶段，它还算不上是一门科学，我们尚未总结出一般性智力理论。所以翻译成《科学之路》，会不会有点不合适？anyway，回到正题，来讲讲这本书吧。01摘要及导读评分：我个人会给6.5/10分虽然这本书得到了吴军、贾扬清、杨强，韦青等多名业内翘楚的推荐，也不可否认作者是人工智能领域最有影响力的科学家之一，但就书的内容而言，确实有点差强人意。这本书的内容确实有点松散：一部分技术，一部分个人经历，一部分畅想。而且技术部分甚至讲得没教科书清晰，读起来有点费劲。个人经历和畅想部分挺不错，但不知道是不是翻译原因，读起来不是很流畅。当然啊，这仅仅代表我个人观点，并不求认同。但，这依然是一本值得读的书。读这本书依然还是有收获的，可以了解一个顶级科学家对人工智能行业未来的看法，帮助自己把握AI技术发展趋势；也可以从他过往的经历中，汲取力量，在不被人看好时，依然能相信自己。为了让读者读这本书时不那么辛苦，我这里就梳理下内容，权当导读。这本书像是一些博客的合集，一共十个章节。我根据内容，将其分为四个部分：▲「人工智能定义及应用」（第一、七章）；▲「机器如何学习」（第三、四、五、六章）；▲「作者的经历」(第二、八章）；▲「畅想未来」(第九、十章）。你不需要按顺序从第一页读到最后一页，我认为，「机器如何学习」这一部分可以跳过，或者留到最后看。因为这一部分写得并不浅显也不详细，如果你没有机器学习相关基础，你看不懂；如果你有相关基础，也不用看。其他三部分非常值得一读，其中「作者的经历」和「畅想未来」这两部分最值得读。我就按我自己认为的重要程度，来讲讲各部分的大概内容吧。02在无人区创新
相比他的文字（或者翻译），作者的经历本身更值得让人敬佩。他所做的，用一句话概括，就是——在无人区勇敢创新。你也许不会想到，即使是YannLeCun这样的大牛，其职业道路也并不是一帆风顺的：▲他本科毕业学校也不是顶级的（其本科母校ESIEEParis在法国排名第一百多）▲也曾被裁员（虽然被裁时他刚好拿了NEC的offer，可以无缝对接）▲曾被多次拒稿（2004-2006年他的深度学习相关的投稿几乎都被否决了，当时神经网络相关研究并不受重视。即使在2012年，杨立昆在CVPR大会上递交的论文也被否了，原因是审稿人对卷积网络没有深入研究，不能理解为啥它可以完美地完成工作。▲错过了成为Google早期员工的机会（因为不想搬去加州，而且想在成熟有经费的公司做基础研究，当时的Google还是600人未盈利的公司）。现在看来，杨立昆的成功是赶上了风口，但在那个年代，他做的事情连一点风都没有，更别说什么风口。他的工作很少人关注，是在无人区做创新。1984年他准备攻读博士，都找不到合适的指导老师，因为没人懂神经网络。1985年，在阿尔卑斯山来苏什举行的研讨会上，杨立昆的报告吸引了GeoferryHinton，于是这两位传奇人物（在那时还不是传奇)遇见了，这样给杨立昆后来的发展提供了帮助。别以为他们见面时有多么传奇，其实那个时候，GeoffreyHinton也很迷茫。1987年，40岁的Geoferry感觉自己职业生涯走到尽头，做什么也成不了。这和现在很多30岁的码农状态很相似。1986年，他提出了神经网络的反向传播算法学习算法的原型，并受GeoffreyHinton邀请，去了联结主义模型训练营，宣传反向传播。1988年，他入职了贝尔实验室——当时所有研究者眼中的神圣之地，并提出了LeNet——最早的卷积神经网络。不过那时候，机器学习领域的研究者偏爱SVM和「核方法」，并不看好神经网络前景。1995年，「寒冬」降临，卷积神经网络没有被广泛应用，Geoffrey也离开了，2001年底，杨立昆也被开了，不过他提前拿好了NEC的Offer。在NEC，由于被迫要做赚钱的项目，无法专注于基础研究，2003年他就离开了，去了纽约大学当老师。（是不是有点像最近一段时间，很多AI业界大牛离开工业界，重返大学）随着深度学习浪潮最终到来，杨立昆的职业生涯开始起飞。2007年参加NeurIPS的学者不足1000人，2018年就已经9000人了。我们都知道，深度学习浪潮在2012年开始起飞，而杨立昆的职业生涯也从这时候开始快速发展。2013年，马克扎克伯格亲自打电话给他，把他招进来做兼职。杨立昆刚开始还是有顾虑的，因为他希望一直搞研究，不想参与太多管理。虽然FAIR专注于长期目标的研究，但我知道公司必须从发明和发现中获得中期的实际收益，才能确保实验室的存在。挑战是很大的！我们一方面需要保证研究人员按照自己的节奏工作，另一方面还要努力让公司那些将注意力放在工程上的其他部门对我们的研究结果感兴趣，进而将它们转化为软件或可用的产品，彼此之间建立起信任纽带。他根据自己在脸书工作的经历，说出了为啥大公司的研究员可以像大学里一样发表论文的原因，个人认为讲得很好，这里分享下原文：人们对一家公司同意披露其实验室的研究结果感到震惊。但我认为公司这么做主要有5个原因。第一，正如我们所看到的，如果禁止优秀的研究人员发表论文，就不可能吸引他们，因为职业生涯的成功最终还是取决于对科学和技术的影响。他们的工作是通过文章传达给世界的，而要发表文章，必须由同行所在的评审委员会进行匿名评估。只有通过了评估，文章才能得以正式发表。文章的引用次数就相当于研究人员的“银行账户”。简而言之，没有论文发表，就没有职业生活，这也就解释了为什么在这方面的保密的公司（我不说名字了）很难招揽到人才。第二，经过同行的评审筛选，方法的质量和信息的可靠性也能得到一定的保障。而且，由于基础研究有时难以衡量，所以其他学者的引用就成了一个贡献重要性的标准。我认为，我们不仅应该鼓励科学家发表文章，在评估他们的工作时也应该考虑其文章的影响力。第三，任何一个发明、发现都不是凭空出现的，它们需要一定的时间，需要经历反复摸索、酝酿和检验。在此过程中，研究人员会与其他实验室的同事进行交流互动，专业知识得以互补，这样的沟通往往是富有成果的。但是，要与研究人员进行讨论，必须做出自己的贡献并提出想法。所以，只有公司本身具备最优秀的人才队伍，才能从与该领域的引领者的交流中受益。第四，一个工业实验室的价值依赖于所属公司识别有潜力的发展方向并及时地在该领域进行布局的能力。实验室必须时刻做好准备，能够轻松地与运营或产品部门进行协作。但是，公司的运营或产品部门不一定能够捕捉到某个技术突破的潜在影响，有时他们需要科学界的验证，才能确信自己的实验室能在该领域产出新技术！第五，科学出版物也会反哺，赋予了公司创新的声誉。关于杨立昆的经历就总结到这里，更多的细节可以看原文。关于杨立昆成功的因素我认为有几点：▲在无人区探索。80年代做神经网络研究的人寥寥无几，甚至他的论文导师都不懂。▲坚持信念。即使别人看不懂，他也专注于神经网络研究。▲运气。无可否认，运气也是实力的一部分。03畅想未来——看好智能科学理论
其实畅想未来这部分，我认为他说得最好的一段是：在科学史上，技术产品的出现通常先于解释其工作的理论和科学。我们可以设想一个智力理论吗？可以学习的机器会发展出智能科学吗？发现智能工作的潜在机制和原理，无论是自然方面还是人工方面都是我未来几十年的研究规划。说实话，现在的人工智能更偏向工程研究，关于智能本身的科学，还没搞透。毕竟过去这么多波技术浪潮，发明应用总是先于理论，如下图：除此之外，他认为：要成为真正的智能机器，就必须学习能够识别因果关系的世界模型。不过他有些观点我并不完全赞同，例如他认为，模型可解释性的可能并不一定重要：为什么要对一台反应更快、不知疲倦、从不分心的机器提出更高的要求呢？当你可以证明它比人类更可靠时，为什么还要对它产生怀疑呢？虽然他也没完全否定可解释性：当人工智能在司法、法律、医疗、财务或行政框架下用于对个人有重大影响的决策时，给出合理的解释是必须的。但我个人认为，可解释性研究，除了解释模型本身，也能帮助研究员走得更远，对人工智能理解更深入，进而在这基础上，做出更强大的创新。04差强人意的部分人工智能定义及应用
这部分就没有太多的新东西，例如人工智能在图像识别，语音识别，语音克隆，自动驾驶等方面的应用，算是杂谈吧。可以快速浏览一遍。机器如何学习
这部分有点尴尬，因为作为教材的话，显然是讲得不够清楚的，但作为简介的话，又不够简单。这部分从什么是监督许西，图像识别怎么做，什么是成本函数，局部最低，训练方法等等多个技术点进行阐述，如果你有技术基础，可以快速浏览一遍，但不值得卡在中间慢慢研究；如果你没有技术基础，那么可以稍微看看，如果实在看不懂，也可以跳过，不影响后续阅读。05总结这本书得到了多名业内大牛的推荐，确实值得一读。虽然内容散乱，给高分不太适合，但读这本书，就是和大牛的一次对话，即使很多地方跟不上，也能有所收获——无论是技术上，还是人生道理上。本文作者桔了个仔（知乎）转载已获作者授权，对原文略有增减特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端人工智慧城市的规划与未来
原图2：城市需求
例如一些企业刚落到新城市，对当地的情况了解不够充分，怎么能让企业更便捷地获取需要的信息呢？这就需要用可持续的经济、社会、环境三大问题把整个城市串联起来，和政府、企业、市民的需求结合起来。智能城市应该是多层决策。
原图3：行动者—政府、企业、市民
内部系统感知需要收集数据，外部形成多方面应用。将不同区域的需求进行整合，形成城市不同的功能和选择出重要的节点。后期将空间和功能结合，同时根据不同的使用者，结合四大智能网络内在结构（位置、邻居、环境、网络）开始分析。
原图4：内外部系统
没有规律，城市不能称之为“聪明”。逻辑层（学习、感知、判断、反应）——运行层（规律）——支撑层（CBDB）。
原图5：规律关系
通过这五张原图的不断推进，后来确定了智能城市的概念，以智能来推动城镇化的可持续发展，通过数据信息的重组，来突破空间的距离，提升组织效率，替代实体形态。
在世博会期间，我想象了几件事：
第一是突破空间的距离。一般来讲，城市规划就是“空间位置决定城市规划”，但当时我觉得要突破空间的距离。城市的数据、链接、框架连接这是空间第一个突破。
第二是提升组织效率。
第三个是替代大量实体的形态。要解决发展城市动力问题、路径问题、区域平衡问题、要素制约问题、科学决策问题——这是当时的初衷，10年后的今天，我重新找回初心。
智慧城市的初期实践
2010年的上海世博会参观人数超过7000万，为了世博会的人流预测，将世博会划分为20米乘以20米的22525个单元，进行了单元研究，模拟20万、40万、60万、80万、100万人的分布情况。当时发现了很多问题，其中最大的问题是，位于河边的中国馆参观流量巨大，江边人口集聚，导致人流进出困难，于是将中国馆移动到南边广场最大的一片场地中。如不能完成几个世界纪录，包括同时在场一百多万人的世界纪录，没有模拟是无法做好世博会的这些规划。
22525个模拟单元
通过世博会的智能平台，我们研发了“智能市长桌”，将世博会的指挥系统，运用到了城市的指挥系统当中。
人流路径模拟
人流密度模拟
在都江堰灾后重建规划中，通过城市智能平台模拟了城市的风流、水流、日照数据采集，实现了36平方公里大规模的风场、水流和地形要素模拟，这个工作第一次让我们看到了城市中最大的两个自然要素：水流和气流的模拟关系。让我们认识到城市中最大的自然要素：风与水。也认识到这些隐形的知识，是如何用科学的手段挖掘出来的。
“人工智能城市”的启动
通过长期的积累，2016年中国工程院向中央提出了关于中国人工智能的战略报告，得到迅速批复，2017年7月，发布了《新一代人工智能发展规划》。而在同时，美国、英国、欧盟都在做，这次的革命是从来没有过的、中国与世界同步的革命。
《新一代人工智能发展规划》专门写了这一条：用人工智能推进城市规划、建设、管理、运营全生命周期的智能化。这是最高科技计划中第一次写到城市规划建设、管理、运行。
城市形态地图-2015
未来三年关于人工智能计划的终极构思非常清楚，按照人的需求，以城市的规律为背景，把现在的城市几大内容——生产、生活、生态、人民共享，插入整个城市配套系统，包括居住、医疗、教育、卫生等整个人工智能化。在实践过程当中，从规划、设计、建设、背景整个分布推进，最后落到不同的用地上。
人工智慧城市的数据基础
2014年我们没有停下来，建立了“城市树”系统。原始数据库是在德国开始的，到了今天做到第四代的数据库，我们把2014年开始所有的卫片全部进行汇总，进行了人工智能导入，阅读卫片的变化。因为卫片变化太大，从第一张1975年的卫图到现在40年的卫图，实际上密度、图像、常态，一定要用人工智能读片。欧洲用的是一平方公里精度，而我们推进到了30×30米的精度，进行识别，所有卫片变化的叠合，形成了“城市树”，一个一个城市，建立一棵一棵的城市树，我们站在全球的角度，研究整个世界的人类城市问题，掌握世界城市发展规律。
当时80年代非常推崇的美国，原有200个城市的人工识别记录。而我们通过机器识别技术，不断挖掘，从100平方公里以上的城市937个,一直挖掘到了10平方公里以上的城市9000多个。一直到2018年1月,挖掘了1平方公里以上的13810个城市的城市树。
这张图的意义不是一张Photo，而是一张Map，是真正一个一个点画出来、一个一个点挖出来、一个一个点积累起来的，是完成人类13810个城市的第一张原样地图。
它的意义不仅仅是全样本，更多的意义是建立起一个全球城市研究的通用平台，统一的标准，这是中国人做出的统一标准的世界全样本城市地图。
人工智慧城市的机器学习:CITY-GO训练
在2018年2月份，对样本城市树的边界、发展过程进行辨识，从一万多个城市中，辨识出完整的城市分类，可以总结七种类型：萌芽型435个，佝偻型3601个，成长型2365个，发育型831个，成熟型1900个，区域型143个，衰退型201个。
根据七种模型，所谓的CityGo模型，学习全样本的变化规律进行训练，训练数据从1975年训练到2005年，给予30年的训练，让它预测从2005年到2015年的变化趋势。城市的发展是有规律的，只要掌握全样本的学习，我们就能发现这个规律。
在做北京城市副中心城市设计中，我们让CityGo学习了整个通州的样片，从2018年进行推演，一直推演到2035年，完成了世界上第一个纯粹人工智能推演的发展模型。这个模型里面有六种棋子——职、住、学、商、医、休。城市规划往后不再是一张2035年的图，而是一年比一年推进演化的图。为什么城市规划那么累？因为我们只有一个空间的模型，而不知道“前后手”，“前后手”的决定，可以影响一个城市的兴旺和衰退，我们过去长久以来只有空间问题，不提时间的前后秩序。
目前，我们在继续推进人工智能城市的原型设计与研发。城市的发展我们一直在依靠外力，让我们的城市尺度在不断发展，高度不断扩张，但只有到了人工智能阶段，才是城市发展的革命性时代。
人工智能城市9项目推演
P1P城市人口推演（总量、时空分布）
P1P-A人口总量规模推演，学习18个国家级新区的人口增长模式
P1P-B人群时空分布推演
P2L城市用地推演（总量、地块布局、元空间布局）
P2L-A城市功能总量推演
用地总量：根据城市树的生长类型，推演未来城市——萌芽型、佝偻型、成长型、发育型、成熟型、区域型、衰退型。
P2L-B地块尺度功能布局推演
P2L-U元空间功能布局推演
P2L-C功能复合
P3D城市密度推演（三维空间）
P3D-D三维空间密度推演
P4I产业空间推演（空间布局、投入-产出）
P4I-IO产业空间布局推演
P5G城市资源推演（能、水、物）
P5G-E能源消耗推演
P5G-W水资源消耗推演
P5G-R废弃物产生推演
P6T城市交通推演（出行需求）
P6T-D出行需求推演
智能推演
未来问题诊断：出行需求——打通南北走向的两条交通联系干线；营造湖海塘周边中心网络；增强出行方向的交通联系。
P7V空间形象推演（整体、街道）
P7V-S空间形象推演，回归人的视角。
P8R城镇群落推演（城市发展、城市树）
P8R-D城镇群发展推演
群体智能技术——区域发展模式识别；区域基础设施支撑；各城市相互作用。
P8R-T城市树推演
P9O建设时序推演（分季度）
P9O-Q分季度时序推演
未来城市将深受人工智能的影响，城市将是人工智能下一阶段最大集群场景。未来的城市规划也将深受人工智能的影响。对城市规划来说，未来已来。
人工智能小镇的落地
正在规划建设的第一个人工智能小镇里，聚集着上万个研究者，目标是建立世界级人工智能产业集群，建设完整的城镇集成平台，包括城市的大小脑、中枢系统，加上城市迷走神经系统，三层系统叠加，在世界上是最前沿的人工智能城市模型，让生产更加成功，让生活更加便捷，让生态更加宜人。
我们希望落地，希望落到城市、家园、都市邻里，不断动态支配，通过云端应用链接，建立智能生活的生态社区，然后在生态中间需要感知、低碳、安全，我们希望做一些新的概念。
我们实践了世界上第一个地块尺度的人工智能小镇建设推演，让机器在政府、规划、资本、市民的博弈中，通过机器模拟，期待它到2030年的变化。我们不仅仅是地块的模拟，更是元空间尺度的模拟。
我们在POI尺度中，一家店、一个厂的全区域模拟，不同的组合，希望每个人都能在里面就近完成这六个棋子的日常需求，保证15分钟之内，能够达到每个人的基本需求。每个功能组合不是传统的规划，而是不同功能的组合，这样的图纸才是真实的智慧的图纸。
推演到2030年以后，不同的组合，落实到土地上、落实到复合的用地色彩，多样化的复合功能，再进行不同的园区组合。然后按照不同的功能，诊断每一块地的不同功能配比，落到不同的建筑要求，对建筑的功能进行组合，并将建筑进行分层，进行三维推演，形成三维尺度的智能配置。真实的城市就是这样，是多元的，每一个都是不同的组合。
世界上第一个人工智能城镇中枢
人工智慧城市产品研发
小镇里会完成世界上第一个人工智能的广场，它可以做到人脸识别、情绪识别，进行个性化的形态提供，不同的重大节日创作不同观众的个性艺术作品，从艺术到人的体验，来完成整个的公共空间设计。
我们也在做世界上第一个人工智能中枢塔，这是人工智能中枢的整个群落，底部中枢的数据库。
还有第一个人工智能的餐饮街、人工智能活力社区、人工智能定制公交、人工虚拟现实婚姻礼堂、全镇域个人安全健康智能护理系统等。
我们还希望做到世界上第一个人工智能生产产业链、AI服务机器人、AI金融等，我们希望人工智能可以大规模地推进。
本文刊载/《桥隧产业资讯》杂志
2019年第2期总第36期
作者/吴志强
作者系中国工程院院士、同济大学副校长
编辑/宋佳丽
责编/周洋
联系邮箱：xmt@bridgecn.org
原创稿件，转载请标明出处返回搜狐，查看更多
畅想未来生活
畅想未来数字生活:视频欣赏未来的生活是什么样子的？也许我们会从科幻片中去幻想着未来的高科技生活，我想透明、纤薄、触控将成为未来科技产品的关键词。看着下面的这些视频，仿佛将自身带到了未来。
ADayMadeofGlass
据国外媒体报道，美国康宁玻璃公司上月制作了一段关于想象未来生活的视频《ADayMadeofGlass》，目前该视频在Youtube上的观看次数已超过900万，可以说对康宁公司的宣传相当成功。
该视频主要预想了未来人们使用各种各样玻璃触摸屏的生活，手机、平板、电视等等。整个视频长5分30秒，手持设备的展示大约在1分30秒开始，还能看到形似iPhone的概念产品。虽然视频中的情景不知何时才能实现，但确实展示了一个很有吸引力的未来，值得一看。
视频地址:http://v.youku.com/v_show/id_XMjUzMDI1Nzk2.html
微软的广告，未来远景设计:
http://v.youku.com/v_show/id_XMjUzMDI2MzM2.html
未来的医院及医疗系统:
http://v.youku.com/v_show/id_XMjUzMDI3NDMy.html
未来科技的屏幕生活：
http://v.youku.com/v_show/id_XMjUzMDI0NzA0.html
未来生活进行时：从《东之伊甸》到Layar增强现实（AugmentedReality，简称AR），是一种实时地计算摄影机影像的位置及角度并加上相应图像的技术，这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。这种技术估计由1990年提出。随着随身电子产品运算能力的提升，预期增强现实的用途将会越来越广。
看过这部动画片的童鞋们肯定对平泽他们社团开发的“东之伊甸”软件印象深刻，这种摄像头指着某人/物体屏幕上就会自动加载该物体具体信息的软件在当时想必是很多人见所未见的。虽然这款软件在动画中只是用做一个交换二手物品的平台，但是现实证明神山监督还是挺有预见性的。就在动画片上映的同年（2008年），斯坦福的大大们发表了一篇名为《OutdoorsAugmentedRealityonMobilePhoneusingLoxel-BasedVisualFeatureOrganization》（户外增强现实技术在基于Loxel系统的移动电话平台上的应用）的论文，这一年Iphone3GS开卖，Yelp发布了其AR客户端并且名声大振。
之后一年的六月，当时还默默无闻的Layar的创始人们在applestore发布了第一个版本的Layar。
其实AR在非民用领域的应用已经起步几十年了，不过基本上局限在工业国防等方面。在各种行当里广泛使用的人脸识别就是AR的一部分，米帝国主义战斗机飞行员的HMD成像系统可谓是在非民用领域把AR运用到了极致。
（美军战斗机飞行员佩戴HMD系统）
就移动设备而言，早期智能手机上GPS和指南针的搭配已经可以初步实现增强现实——发现附近的餐馆、地铁入口、位置信息等功能，例如GoogleMap和NokiaOvi。但是随着移动终端的多样化（平板电脑的大规模普及）、手机硬件性能的飞速发展（都望着四核+独立GPU跑了）和操作系统的规范化，结合摄像头、LBS服务、SNS的新社交网络AR服务开始蔓延——从Yelp开始，到LayAR大红大紫。
然后我们有LayAR了
关于Layar是什么Damndigital以前做过介绍，这里就不再赘述了（点我：Layar,AR(增强现实)应用的开放平台(附演示视频)）。
相对于早期的一些支持摄像头实时AR的应用来说，LayAR的优势在于它不再像Yelp一样局限于店铺推介和评论，或者像SekaiCamera那样专注于AR游戏平台，Layar什么都有，从Wiki百科到天气查询再到打发时间的蛋疼小游戏，Layar只是一个浏览器，扮演着一个中立的技术平台，第三方开发者需要遵守的仅仅开发协议，而不必像在Yelp那样因为平台本身的业务倾向性只好围绕着一个特定的主题发挥才智。并且所有的AR应用都做到了谷歌街景（GoogleStreetView）一直想做的事，却不会有那样的侵犯隐私问题。
再然后呢？
这里有一段来自ArticulatedNaturalityWeb的视频，描绘了在未来AR技术达到成熟之后的景象：
视频地址:http://v.youku.com/v_show/id_XMjEwMzIyNTI4.html
诚如视频的介绍所言，移动设备上AR应用的未来绝不会被技术问题绊住，然而硅谷的Geeker们说没问题，不代表真的没问题：
基础设施建设。这是所有互联网的移动应用所要面对的共同问题。显而易见的是移动设备软硬件的发展进度甩开国内基站投资与建设几条街。目前国内一线城市免费WiFi数量基本可以忽略不计；3G网络实用性仍然不足——移动TD先天发育不良，联通非iphone套餐价格太高，电信更是基站少到影响基本通话质量；仍然存在进入室内接收不到GPS信号的盲区。这些都将严重影响用户体验，很难想象一个找了半天GPS定位信号再要耐心等待GSM小猫拉大车般加载数据的用户会爱上使用AR，要知道2G时代的替代品多的是，比如googlemap。电池续航。智能移动终端最大的软肋，一块电池顶一天算靠谱，能顶两天就能拿来当卖点美其名曰“超长待机”。然而AR技术需要更频繁的使用CPU，耗电大户摄像头更是需要常年开启，在弱光环境下要开闪光灯那就更雪上加霜了。在这个智能手机续航除了iphone勉强合格其他完全不能打的时代，AR爱好者想必得随身揣他个5块10块电池。夜间识别。对现在的手机制造商而言，摄像头和阑尾区别不大。800万像素加光学变焦加莱卡认证的噱头远古时代的诺基亚就玩过了，以拍照为卖点的手机更是没有一个有好下场（没错就是诺基亚），当下的智能手机摄像头一般配置为500万（中端/商务）/800万（旗舰）的数码变焦摄像头——够用就成，而且普遍得上了夜盲症——暗处无法对焦，噪点极多，宽容度极差。想象一下晚上才逛街的上班族掏出手机打开某AR浏览器结果因为CCD光敏度不足无法识别的窘状吧，我想一种必须提供良好照明才能顺利使用的应用，其用户体验绝对不会好。创新。社交网站已经有了各自不同的分工，twitter强调传播链；facebook侧重把现实人际关系搬上网络；linked用来跳槽，等等等等。然而技术的google想把AR加入街景（他们已经开始这么干了）易如反掌，Yelp想铺开战线也未尝不可能，LayAR随时都会面临被同质化的危险。不同于“相对”成熟的社交网络，增强现实领域的产品并没有哪一款的特点具有极强的说服力和排他性。我们所期待的AR产品，绝不仅仅只是打开一个摄像头，融入LBS功能，再追加一些位置信息，偶尔还能玩个游戏。畅想未来网站:http://www.damndigital.com/archives/tag/future-life