一、何为Vision
我一直都不是果粉，对乔布斯没有什么过多的敬仰，更别说库克了。
但去年6月WWDC上，库克出来讲“onemorething”的时候，我确实看到了他的眼睛里有光，他坚信这就是未来。
本可以平稳地从苹果退休的他，似乎把晚节都压在了VisionPro上了。
我突然意识到库克和扎克伯格其实是同一类人，他们在赌同样的事，只是库克手里有比小札更多的筹码。
与此同时大洋这边的雷军，也在做类似的事情，只不过赌的方向不同。
我想起很多年前读过的《浪潮之巅》，近一百年来的科技革命就像浪潮一样一波又一波，总有一些个体或者群体很幸运地、有意识或无意识地站在了科技革命的浪尖之上。
今天所有人都意识到了，移动互联网的旧时代快要结束了，那么新世界会在哪里呢？
若我还是多年以前的那个年轻人，大概会喜欢此类让人热血的宏大叙事。
但多年过去后热血不再，我的世界观也坍缩成了“信息论”。
新世界在哪里我并不知道，但我们能看懂苹果做事的内在逻辑。
苹果做的每一件事情，都会让信息更多更快地流动。
事实上当听到苹果将头显命名为“Vision”时，我想到了很多事情。
Vision这个词并不是第一次出现在苹果的产品里。
从2020年发布iPhone12开始，苹果开始支持HDR视频的拍摄，其使用的HDR规格叫“杜比视界”，英文名为“DolbyVision”。
要知道苹果Vision产品团队的负责人MikeRockwell，在2015年入职苹果之前曾就职于杜比实验室，我不认为“VisionPro”和“DolbyVision”的这两个“Vision”只是巧合。
很多人并不知道“Vision”这个词到底意味着什么，也没有理解苹果这些年围绕“Vision”都做了些什么事情。
二、从光场说起
VR是完全接管人类“视觉”的显示设备，要理解这个“Vision”，不妨从理解更底层的“光场”概念开始。
我们可以用7个变量来完备地描述人眼在空间中看到的光线的所有信息。
得到这样的一个函数：P（x，y，z，θ，Φ，t，λ）。
其中前三个变量（x，y，z）描述光线的空间坐标位置。
而（θ，Φ）表示水平夹角和垂直夹角，它们描述了光线的角度。
变量（λ）则是光的波长，它描述了光线的颜色。
最后是时间（t），它描述了光随时间的变化情况。
当然，光的物理属性远不止这7个，还有偏振、相位等等。但对于人眼的视觉感知来说，有这7个变量就已经够了。
依靠这7个变量，可以完备地描述观察者看到的光线的所有信息，所以这个函数叫“全光函数”。
而“光场”其实就是空间中所有“全光函数”的集合。
我们可以把这类具有7个变量的“光场”叫做“7维光场”。
那么完整的“光场采集”，就是获取某个空间里所有光线的这7个变量的信息。
而反过来的“光场显示”，就是在空间中重建带有这7个变量信息的所有光线。
我们在科幻电影里经常能看到神奇的“全息影像”，这里“全息”的意思就是指“全部的信息”。
对于“7维光场显示”来说，会要求在空间里重建光线7个变量的全部信息。
但事实上人类目前的技术还做不到这一点。
我们只能重建部分变量的信息。也就是人类目前所有的显示技术都是不完备的“光场显示”，远达不到7维。
像我们最常见的手机或者电脑的屏幕，它只能显示7个变量中的4个——R（x，y，λ，t）。
其中（x，y）是屏幕像素点的平面坐标，（λ）是颜色，（t）是时间。
因此这种2D平面的手机屏幕，它就可以算是“4维光场显示”。
手机屏幕是没有3D立体效果的，没有（z）变量的信息，也就是没有“深度信息”。
而VR眼镜利用“双目视差”，可以用2幅画面编码一个深度信息（z），我们的大脑能通过双眼来硬解出这个深度信息(z)。
这就是VR这种双目显示设备相对于传统2D屏幕来说升维的地方。
传统2D屏幕是“4维光场”显示器，而VR是“5维光场”显示器，多了一维基于“双目视差”的深度信息，多了变量（z）。
当然这里的深度信息（z）并不是完整的，它只是利用了人类“双目视差”的生理机制，而并非真正在空间中重建z轴上的光线。
而人类除了“双目视差”还有“单眼聚焦”的机制，这就导致了“VAC问题”，也就是所谓的“辐辏调节冲突”。
因为“双目视差”的优先级高于“单眼聚焦”，所以对于人类来说，VR确实是一种“5维光场”显示器。
而回顾显示技术的进步方向，其实就是在不断地逼近完整的光场显示。
一开始是2维光场的黑白照片（x，y）。
加入色彩信息后，得到3维光场的彩色照片（x，y，λ）。
加入时间信息之后，得到4维光场的平面视频（x，y，λ，t）。
加入深度信息之后，得到5维光场的空间视频（x，y，z，λ，t）。
信息传递的维度不断增加，人类总是贪婪地索取着更多更快的信息，永不满足。
而科学技术也总会向着促使信息流动得更快更多的方向发展。
三、超越算力不足
很多人都说VR没有“杀手级应用”，没有让人非它不可的理由。
但对于一个信奉“信息论”的人来说，我只需要关心有哪些信息的传递非它不可就行。
而答案已经很明显，就是基于双目视差的深度信息（z），这个维度的信息非它不可。
能察觉到这一点的人其实并不少，但是他们之中很少有人能够跨越过“人均算力不足”的鸿沟。
过去十多年的智能手机浪潮，可以看作是普及了1TFLOPS量级的“人均移动算力”，由此带来了移动互联网的繁荣。
但仅仅1T量级的移动算力，支撑不起“元宇宙”的愿景。
重建深度信息（z）需要远多得多的算力，无论谁想要做点什么，马上都会遇到算力不足的情况。
哪怕是苹果M2的3.6T算力，在“空间计算时代”也显得捉襟见肘，而代价是电池外置，并拖着一根不优雅的电源线。
但破局的点其实在于，机器可以在不理解深度信息的情况下，通过双目视差向人类传递深度信息。
VR只是一类“5维光场”显示器，但我们在渲染画面时，却常常不得不去构建“7维光场”的内容，重建全光函数P（x，y，z，θ，Φ，t，λ）的所有信息。
而事实上我们可以抛弃（θ，Φ），只把注意力放在（z）上，即抛弃视角上的自由度，而追求更大密度的深度信息。
这样就可以在有限的移动算力下，达成最大的信息丰富度。
所以我转向了“双目VR摄影”，并最终选择了可以将“深度信息”标准化的、以VR180为代表的球面3D影像。
可以说这就是我在过去很长一段时间内的思考脉络。
那么，然后呢？
四、在几何之后
我们重新看回全光函数，P（x，y，z，θ，Φ，t，λ）。
它实际上可以分成2个部分，几何和色彩。
对于VR显示来说也是如此。
在过去的十多年里，绝大部分人的关注重点都是在几何上。
清晰度，延迟，畸变，甜蜜点、眼盒……这些都只是VR显示的“几何”部分。
而在明白了VR影像的“几何”原理，拍摄了非常多的VR180影像之后，我发现自己最在意的东西开始转向了“色彩”。
这并非某种洞见，而来源于最直观的感受。
如果我们想要追求重建现实世界的“Vision”，那么就不可能无视色彩。
色彩是一种主观感知，物理学里并没有色彩，只有波长λ。
不同波长的光让人眼的3种视锥细胞产生不同的刺激，从而感知到主观的颜色。
巧的是，这和用“双目视差”去编码“深度信息”很像，我们不需要重建不同波长的光。而只需要用3种波长的光，以不同比例混合去刺激视锥细胞，就可以让人类感知到万千变化的色彩。
这就是现代RGB显示器所依托的底层原理。
这是一张CIE1931色度图，我们可以认为它覆盖了人眼能分辨出来的所有色彩。
1996年，微软和惠普一起开发了应用于显示器、打印机和互联网的sRGB色彩空间，也就是图中的这个小三角形区域。
一直到今天，sRGB成了最广泛，最通用的色彩空间，但它其实只覆盖了CIE1931色度图的35%。
在28年后的今天，现代显示器已经完全可以显示更多的颜色，sRGB色彩空间早已是不够用的了。
而苹果从2015年开始在iMac上支持P3色域，一直到今天已经在全系产品上都支持了P3色域。
虽然也有其他产商支持P3色域，但考虑到iPhone在全球10亿量级的持有量，可以说苹果在推动“色彩信息更多更快地流动”的这件事情上，有着不可估量的贡献。
但话说回来，P3色域其实也只覆盖了CIE1931色度图53.6%的颜色。
而VisionPro只支持92%的P3色域，换算过来大概也只占了人眼能看到的颜色的49%。
要完全再现人眼看到的“Vision”，这条路还只走了一半。
而除了色彩，亮度也是一个重要的维度。
苹果从2020年的iPhone12开始，支持杜比视界（DolbyVision）规格的HDR视频拍摄，开始加速“亮度信息”的流动。
那亮度信息并不包含在全光函数的7个变量中，而是作为函数的值出现。
即全光函数P（x，y，z，θ，?，t，λ）描述的是对于在（x，y，z）空间、（t）时间、（θ，?）方向、（λ）波长的光，观察者能感知到的强度，也就是亮度。
我们在SDR的显示器里待久了，似乎忘了这个世界亮度的变化和色彩一样丰富。
可以说在传递“色彩信息”和“亮度信息”这两个领域里，苹果已经走了很远了。
它们都是构建“Vision”不可或缺的部分。
五、通往Vision之路
回到那个问题：移动互联网的旧时代快要结束了，新世界在哪里？
我并不在意这些，但我能看到苹果站在了促进信息更多更快流动的正确方向上。
我很喜欢库克在接受《名利场》采访时说的那段话：
“我多年来就知道我们会达到这里。
我不知道什么时候，但我知道我们终会到达。”
“I’veknownforyearswewouldgethere.
Ididn’tknowwhen，butIknewthatwewouldarrivehere.”
——《WhyTimCookIsGoingAllInontheAppleVisionPro》
同样的，我不知道新世界在哪里。
但通往Vision之路，我们最终一定会抵达那里。
