腾讯高管谈元宇宙：质变的时间点可能在2030年

腾讯科技 view 22 2022-4-29 08:55

元宇宙的技术现在发展到了什么状态？元宇宙需要什么样的设备和内容支撑？为什么质变会在2030年发生？在马晓轶的分享中，或许能找到答案。

4月24日，腾讯高级副总裁马晓轶在复旦大学管理学院校友会上，分享了他对元宇宙、VR/AR等内容的看法。

在元宇宙热潮下，马晓轶对元宇宙短期2-3年内的变化，看法是保守的。尽管现在很多专项技术有了突破，但元宇宙时代所需要的通用设备（类似当年带来计算机革命的家用PC，以及推动移动互联网发展的智能手机）现在还没有出现。无论从技术还是商业来看，离它的发明与普及都还有距离。

但对于更长线的10年发展前景，他有很强的信心。一方面，元宇宙概念在近两年得到更多的技术支持，正在从多方面解决自身的瓶颈问题；另一方面，社会对其认知也正在突破，从仅局限于游戏、软件中的概念，朝着跨越多个场景的方向发展。而元宇宙质变的时间点，他认为是2030年。

元宇宙的技术现在发展到了什么状态？元宇宙需要什么样的设备和内容支撑？为什么质变会在2030年发生？在马晓轶的分享中，或许能找到答案。

元宇宙最近非常火，不过倒推来看，这并不是一个新鲜话题。

1997年，有款叫《Ultima Online》的游戏，就在当时提出概念：这是一个持续运转的世界。这个理念下，游戏即使没有人在线参与互动，它的世界也在持续存在和持续发展。这个理念和现在元宇宙的理念是完全一致的。

差不多也是在1995-1998年这几年，各个互联网公司开始创业，考虑怎么把生活中的场景、关系放到线上。

Metaverse这个词，来自于1992年的一本小说。最近一次在商业界被提及，是2018年一个美国分析师写的一篇文章，标题是：腾讯的梦想到底是什么。

文章分析了腾讯为什么投资Epic Games、Roblox、Reddit、Snapchat，以及各种各样的内容和平台型的公司。当他把投资布局组起来后，他觉得用一个叫Metaverse的词再好不过。

随着Roblox的上市，Facebook改名Meta，元宇宙变成了一个越来越热的概念。为什么这么早的概念，在今天突然热起来了？我觉得是因为相较于过去，这几年发生了很多变化。

第一是整个计算能力到了临界点。2016年有一波VR浪潮，当时我就比较保守，也相对悲观一点。和很多行业里的人聊了，我们觉得要真正在VR的设备上支持好的体验，做到大规模应用，所需的技术远远没有成熟。

举个例子，当时的移动计算芯片完全无法支持高分辨率的显示，再加上电池、显示设备本身的限制，使得这个体验做的很差。

其次，是一些关键的新技术没到位。我很关心也一直在看很多上游的关键技术，甚至一些器部件生产的进展。我们已经看到一些路线图正逐步清晰起来，在未来的几年里，这些关键技术都会有一个突破性的发展。

第三，我自己觉得比较重要的是，互联网的渗透率也到了临界点。特别是经历了这两年的全球疫情之后，大家可以发现在家办公正变成主流——如果你是科技公司，如果不提供给员工在家上班的选项，那么你就失去了吸引力。大家已经习惯把生活的很大部分通过网络实现。

最后，我们站到用户的角度，从需求来看。人作为一个物种，最大的特征是「协同」。随着整个社会越来越复杂，我们需要的技术也复杂起来。当社会看到一些技术是有机会去满足这些需求的时候，便会推动它去实现一个非常大的突破。

基于以上几点来看，2006年《Second Life》的第一次尝试，明显是太早了，到了2015年、2016年第一波VR的时代，我觉得也是太早了。

到了今天，或许便是一个合适的时间点。

所以正好借着这次会议，我们可以谈一下对未来Metaverse的畅想——说实话，我个人和外面很多媒体的报道有一些不一样的观点，就比如我会觉得现在谈论Metaverse的细节还是太早了。

毕竟元宇宙到底该长什么模样、由什么部分组成......还是个很难清晰、精准定义的工作。

但是，我们现在可以将元宇宙，视为一种未来新技术、新应用的可能集成方式，是对未来人机交互、人人交互想象的合集。

我主要从沉浸感的体验和内容发展聊聊对元宇宙未来的想象。

沉浸感：2030年后，元宇宙或开始普及

首先，沉浸感，我觉得主要是两个方向：1.人机接口&交互方式；2.VR等设备的体验问题。

现在我们提到Metaverse，大家会不由自主地将它和VR联系在一起。当然，这是基于两个原因，一方面是因为前段时间Facebook下了非常大的赌注在VR的方向；另一个方向，我们如果要达成Metaverse的概念，那么VR这样的全新设备是免不了的。

为什么呢？普通人借助键盘、鼠标、触控等设备输入给电脑的信息，从电脑的技术角度来看，它们带宽其实很窄，能输入的信息很有限。而电脑只能根据这些东西，做出反馈，更多的信息都没有办法直接地输入进去。

但是，随着输入的带宽增加，其实我们可以加入更多维度。

比如，可以给VR设备增加更多的摄像头、传感器，将环境信息也输入到电脑当中。可以追踪人体状态，现在最新的技术可以实现6个维度——前后左右上下——的3D追踪，包括头的位置、眼睛朝向，方便和周围的环境互动起来。

其中最值得关注的，便是手的操作。现在最新的Oculus Quest 2，还需要用手柄来输入信息，但是业内有一个共识，更自然的交互，是用手来交互。

这个进步，在手机上就出现过：早期的手机都是用触控笔来写的，但苹果就站出来说，这是违反人直觉的。人的直觉，应当是用手指去触摸屏幕——这个道理放在VR设备上也是一样。所以现在我们很多进展，就是去捕捉手指的动作。

另外，我们看到一些最新的技术专注做面部识别，捕捉表情。大家都知道人和人交流的时候，对方的反应是很重要的反馈。

比如说我们现在的线上会议，我的体验其实并不好，因为我看不到大家的表情，我不知道现在我的演讲是讲快了，还是讲慢了。可如果在线下，我就能马上看到观众的反应。所以未来我们也需要借助面部识别，去追踪人实时的表情，然后投射到虚拟的场景当中去......

这些新的输入方式，集成在一起，让信息带宽更大，能极大地改变电脑的信息输入。

也有一些让人非常兴奋的技术发展。

比如最近我们看VR头显上的显示单元。大家如果试过Oculus Quest 2，就知道它上面使用了Fast-LCD的技术。不过这个技术有一个问题，那就是纱窗效应。当设备离眼睛太近的时候，你能看到pixel像素点就在你的眼前，好像隔着一个纱窗在看。这个其实就和当年低分辨率的手机显示屏一样。

之后的故事大家都知道，iPhone能成功的很大一个原因，就是他们在iPhone4提出了视网膜屏幕的概念，极大地改善了大家使用手机屏幕的体验。

VR发展到了今天，针对这些问题，也有一些新的技术在诞生。比如说已经在生产线上的，4K分辨率的硅基OLED显示屏，已经能够为VR头显提供足够高的分辨率。

如何在VR头显上达成视网膜屏幕的效果？现在有一个标准，即，人的每一度视角上应该有多少个像素点。大致来说，有30个的时候，你已经开始感受不到像素的边界，如果到了60个/度，你就可以完全看不出像素点。所以，4K硅基OLED显示屏已经足够让大家有一个非常好的体验。

亮度，也是一个VR头显的改变点。

从现在的硅基OLED显示屏，到未来的MicroOLED显示，都可以提供更高的亮度。之前，LCD大致大概只有400-500nit的亮度，现在我们已经能看到2000nit，而且从未来发展的路线图来说，我们已经看到10000nit的在研设备。

这就解决了一个非常大的瓶颈问题，即，提升显示单元的技术，增加用户的沉浸感。市场上也有了一些成型的产品。

但未来，还有一个很重要的发展方向，那就是折叠光路的技术。

以前的VR设备通常又厚又重又大，戴在头上很不舒服。未来我们能看到折叠光路的设备，可以将VR头显单元做得非常薄，更接近于普通戴眼镜的感觉。

还有一个突破，就是VR/AR的争论。VR说，所有的内容都来自显示单元，但AR说，得将内容和现实环境做重叠结合。

现在来看，行业大家做的都是折叠光路的方案——依旧用显示屏来呈现所有的内容，但是会在外界增加更多的感应器，来捕捉用户的周围情况，最后叠加在你的显示屏上——行业里还有一个传闻，大概在明年年初的时候，苹果就会出这样的一个设备，运用折叠光路的方案，实现VR/AR的效果。

综上所述，人机接口方面的技术路线图发展得很清晰。除了电池受到不少限制以外，其他方面，几乎都有了解决方案，且都在进展当中。

这也是我们对于元宇宙、VR/AR的发展抱有信心的原因。

另一个点，要想让技术体验足够好，单是设备内部有硬件支持还不够，还得有软件发展。

需要指出的是，这里的软件，指的是技术，不是内容。我们将其归结为3个维度：

1.可信的环境：Metaverse的场景越来越真实，让用户能相信这是一个真实的世界。

2.可信的人物：人是社交属性很重的生物，我需要与群体互动、交流、协作。这个当中，最需要的便是一个可信的人物。我相信大家都对这一点多少有所体会。

3.可信的交互：还是聊线上会议，这种形式更像一个演讲，而不是讨论，线下会有人插入进来讨论，有碰撞，但现在的线上没有这些东西。

如果要做一个更真实的交互，要涉及到很多让人足够相信的细节。比如我让你拿一瓶水，我和你握手，我能感受到其中的温度、重量，而这些，都是传统的电脑、Pad完全做不到的交互......不过现在已经有技术在这方面有了不少进展。

总结一下就是，随着技术的发展，我们需要提供很多的工具给做Metaverse、VR/AR的公司，同时，帮助大家可以做出更可信的世界和人物关系。

内容量：谁来提供足够多的内容？

这是一个挺大的话题。因为我们仍然不知道Metaverse需要包含哪些内容。不过现在来看，我们会觉得分几个维度：专业内容和通用内容。

这部分我会比较悲观。因为尽管技术在路线图上发展着，但需要更多的时间去准备。专用到通用，还需要更多的时间。

当一个技术还没有到举足轻重的地步时，它往往只是一个相对专业、专用的应用，比如说游戏、影视等方面；而通用类，比如说大家正在用的手机，现在已经有成千上万种办法去使用它。

大致拍脑袋说一下，我和内部团队交流的时候，一般将2030年作为一根基准线，在那之前，Metaverse还会是专用的阶段，到了之后，才可能会有些机会走向更通用的状态，开始挑战现有的电脑、手机的使用场景。现在更多是一个新的、补充的场景定位。

这里可能需要更细致地说一下专用和通用的差别。

差不多一个半月之前，我和Epic Games CEO Tim Sweeney开会，讨论到这个问题的时候，我的总结是：我们现在的游戏，就是一个「游戏」，你看视频，看的也只是一个「视频」，但是Metaverse不一样，你应当是在Metaverse当中「生活」。期间有本质的区别。

比如当你去一个线上的电影院，那是一个专门的世界，割离出现实。但是Meta是将大家的生活融入、整合到这个虚拟世界当中。所以这就需要有足够多的内容，让你愿意生活在其中。

这些足够多的内容可以分为几个路线：

1.PGC的专业制作，例如腾讯这样的公司制作电影、游戏、电视剧，这是一个专业的制作。PGC仍然是Metaverse很重要的部分。

2.UGC。也就是用户产生的内容。

3.虚实结合。我们刚刚说了很多技术，便是要将现实世界整合、融入到虚拟的世界当中。

这三个部分，都是非常关键的内容组成部分。

那么如何实现呢？

首先，大规模的PGC内容，其实最近也有一些突破。关注新游戏的同学就知道，前段时间，Epic Games有一个非常震撼的demo，他们在《Matrix》上映的同时，做了一个虚拟的城市，这个城市的规模大概有10-20平方公里，当中有3万个市民，有大量的交通、建筑。

关键是，当中的车辆有自己的动作：到了红绿灯会停下来，看到人会停下来，而且这3万个市民，每一个人的穿着、行为、长相都不一样——若放在以往，要完成这么大规模的虚拟世界创造，几乎是一个不可能的任务。

但在今天，随着技术的发展，这些不可能的任务都在逐步实现，因为，一方面技术能力在增长，另一方面，这些东西有了更多的好方法去解决。

比如，我们和Epic Games有两个项目正在合作。一个项目，是可以通过AI来导入现实世界。之前我们去新西兰的一个山谷，那是一个10平方公里的山谷，我们在那里拍了7000-8000张照片，然后把照片导入引擎，这个引擎就会把山谷大致地还原出90%，然后再经过我们手动的一些微调，就可以实现在短时间内生成一个非常大的世界，而且这个世界看起来还非常的真实。

另一个项目，我们做的是一个虚拟人的项目——国内叫做Siren。后来Epic Games也发布了Meta Human的项目，一个高度仿真的人。这其实都回到刚才我们提到的概念：一个可信的人是虚拟世界当中重要的构成。

同样放到以前，你要做一个虚拟人物需要花费相当多的时间。

大家也许听说过这个故事：好莱坞很多电影要做一个虚拟人，线上渲染10s的片子需要几个月的时间，但以现在的技术，好莱坞要4个月做出来的内容，我们能在0.01秒就渲染、达成前者95%的质量。

这些，都使得大规模的制作有了更好的办法。包括动作捕捉等内容，在AI的加持下，可以让创建一个内容变得更加容易。

其次是UGC部分，我和外部看法多少也不太一样。

比如，外部谈到UGC，那最关键的就是去中心化，但这个点上，我和Roblox的CEO David有很多的交流——我们很早就参与了Roblox的建设，2015年左右就开始参与，做了不少投资——我们说到UGC内容成功的关键时，都提到社区的原则、透明性，尤其其中维持秩序、状态的部分，是需要强中心化的执行。

但这倒不是说我与外部意见相左，我认为，去中心化应该是指能力的去中心化：把工具、能力、资源给到用户，让大家无需一个中心化的平台，就能创建属于自己的内容。而能够支撑这些内容的，便是刚才所说的，一个持续、有原则、长线稳定的平台。我认为，这是一个做出UGC最重要的点。

而第三点，虚实的结合，很大程度上回到刚才我们所说的Metaverse、VR/AR新技术。其实我们所希望达到的目标，和互联网、人类社会以往的努力是一致的。人类一直想打破物理的限制，比如飞机、汽车都是为了消除物理的限制，缩短物理的损耗，提高大规模协同的效率。

所以长远来看，Metaverse更多是考量如何引入更多外部、现实世界的服务和内容，打破物理的界限。