VR和AR，这两年火了个一塌糊涂。其中，又以VR为盛。

　　传统行业的一个大佬朋友调侃说，他是去年才频频听说VR的，于是春节期间恶补了下VR的方方面面。结果过完春节发现，谈论VR已经落伍了。他感叹有两种人总是更不上形势，一种是上了年纪的，一种是太传统的行业里的从业者，这两种，他都占了。

　　其实，不管是VR还是AR，都不是什么新鲜词汇，也不是新鲜技术。很早就有很多应用，但主要集中在军事和航天领域，原因很简单，早日价格太昂贵，只有这两个领域是不计成本的。比方说模拟一个航天环境，VR系统的价值就凸显了；比方说修理一个导弹，用AR技术就会减少失误和伤亡，这些时候，成本因素就是次要原因了。

　　今天的VR和AR，之所有能够从军事和航天领域飞入寻常百姓家，主要有四个原因，我在《智能爆炸：开启智人新时代》一书有过详细描述：

　　1、移动网络的发展和传感器的普遍使用

　　移动互联网产业发展迅猛，手机的极速普及和智能化，以及移动智能终端设备数已达10亿台之后，使得VR和AR有了普及的基础。

　　更为重要的是，atv，传感器技术与产品的发展也有了长足的进步。2007年1月，史蒂夫?乔布斯推出苹果手机，作为首款成功配备触摸屏的移动设备，它包含微小的传感器，使用户可以向水平方向或垂直方向旋转屏幕，搜寻wifi信号或者与蓝牙耳机相连。该手机甚至还配有一个加速度传感器，用于在手机掉落时提供保护。到了现在，传感器已经普及到每一台智能设备上。

　　2、云计算使低成本大规模并行计算成为现实

　　冯?诺依曼体系的串行结构使得计算机无法满足人工智能对硬件的要求，而近年来云计算的出现至少部分解决了这个问题。从概念上讲，可把云计算看成是“存储云+计算云”的有机结合，即“云计算=存储云+计算云”。存储云的基础技术是分布存储，而计算云的基础技术正是并行计算：将大型计算任务拆分，然后再派发到云中的各个节点进行分布式计算，最终再将结果收集后统一处理。大规模并行计算能力的提高使得人工智能往前迈进了一大步。

　　云计算基础架构的本质是通过整合、共享和动态的硬件设备供应来实现IT投资的利用率最大化。这就使得使用云计算的单位成本大大降低，非常有利于人工智能的商业化运营。

　　3、机器学习尤其是深度学习技术不断进步

　　机器学习是人工智能的核心和基础，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。该领域的顶级专家Alpaydin先生如此定义：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”

　　最近几年，新算法的发展极大提高了机器学习的能力。这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。

　　在各种机器学习技术中，深度学习的发展尤其迅猛。深度学习的“技术路线”是模拟人类大脑神经网络的工作原理，将输出的信号通过多层处理，将底层特征抽象为高层类别，它的目标是更有效率、更精确地处理信息。人脑具有一个深度结构，认知过程是逐步进行，逐层抽象的，能够层次化地组织思想和概念。深度学习之所以有如此大的作用，正是因为它较好地模拟了人脑这种“分层”和“抽象”的认知和思考方式。

　　可以说到目前为止，深度学习是最接近人类大脑的智能学习方法。比如你戴个AR眼镜，看向某个地方，就应该判断出你看到的是家里新购置的这台烤面包机，同时，相应的按钮上面就能显示出相应的操作说明。

　　4、大数据的发展

　　过去机器学习的研究重点一直放在算法的改进上，但最近的研究表明，采用更大容量数据集进行训练带来的人工智能提升，直播，已超过选用算法带来的提升。换言之，大数据让机器不断学习成为可能，机器开始拟人化。

　　未来，随着移动互联应用的进一步扩展以及传感器不断融入人类生活工作的方方面面，数据产生、搜集的速度和量级将不断加速，VR和AR的进化速度也将加快。

　　目前的状况，VR比AR更火热，这也好理解，因为AR的技术更难一些，所以AR的发展也比VR滞后一些。但是相比VR，我更看好AR。