当我们拿到一个需求或想法时，怎样才能抓住它的本质？以AR测量这款产品为例，我来聊聊产品分析的思路，顺便探讨一下当下AI产品面临的核心问题。

智能手机的摄像技术这些年迭代很快。RGB摄像头和TOF摄像头的普及，让人机交互变得更自然，也给AR应用打开了更多想象空间。2018年秋天，苹果在iOS 12里推出了Measure应用，把AR测量功能带到大众眼前。这款应用可以测量现实世界中的长度、面积和体积，被认为是AR技术在消费级市场最成熟的应用之一。

苹果这么一做，行业很快跟进了。OPPO、VIVO这些国内厂商相继基于TOF相机推出自己的测量功能。那时候市场对AR测量充满期待将它视为AR领域的“杀手级应用”，觉得普通人终于能真切感受到AR的魅力了。



只是现实远比预期骨感。尽管苹果、谷歌这些巨头都介入了AR测量领域，这个功能却始终没能进入主流用户的日常生活。



大家用AR测量，主要就是测测长度、算算面积、算个体积。生活中需要测量的东西也很具体——笔记本多大、房间家具什么尺寸、脚多大码。理论上，AR测量如果能从点到面再到体，功能确实挺全的：两点之间的距离和角度、矩形平面的长宽面积、立方体的长宽高体积，还有脚部测量包括脚长、脚宽、足弓类型等。



这些功能要是能真正落地，对不少行业都会有冲击。传统米尺、卷尺制造业可能直接被替代；家具电商能让用户在家精准规划空间尺寸；航空公司查行李规定会更方便；鞋类电商也能帮用户摆脱尺码换算的麻烦。理论上来说，这确实是AI赋能日常生活的一个好例子，而它的优势恰恰在于手机这个随身设备——不用另外买硬件，掏出来就能用。

但市场反应相当冷淡。我们来看看主流AR测量产品的覆盖情况：华为的荣耀V20和P40 Pro、三星的Note10、苹果iPhone X及以上机型、OPPO R17 Pro、VIVO NEX系列——这些基本囊括了主流旗舰机。然而从反馈来看，AR测量的使用率极低，大多数用户甚至不知道自己的手机还有这功能。

问题出在哪？

新技术从推出到被市场接受本来就需要时间。AR测量作为新功能，用户认知和习惯的培养需要周期。更关键的是体验问题：硬件性能往往跟不上软件需求，AR应用加上SLAM算法，用一会儿手机就发烫、卡顿。成本也是道坎——虽然不用专用设备，但能流畅运行AR测量的手机至少是中高端旗舰机，跟大众用户还有距离。

刚性需求缺失是根本原因。现代社会中，米尺、卷尺的使用频率本来就很低，大部分人一年到头可能都用不上一次。既然替代工具的必要性都不明显，用户自然没有动力去学习和使用AR测量功能。

交互方式也是个痛点。用户需要举起手机对准测量对象，保持稳定并等待识别，这个过程比用传统工具繁琐得多。“需要一直手持手机”这个操作负担，明显降低了使用意愿。

精度问题更关键。AI测量的准确性高度依赖训练数据的广度和深度，但用户测量的对象千差万别，不可能覆盖所有情况。测量结果跟用户预期有偏差时，信任感很快就流失了。

这些因素叠加在一起，使得AR测量虽然占了技术高地，却始终没真正打开市场。就连苹果这样的巨头，在这个领域的创新速度也明显放缓了。

不过，垂直行业在这个方向上倒是找到了一些突破口。测脚仪就是典型案例——三维脚部扫描设备能快速获取脚长、脚宽等数据，和鞋类电商结合后效果挺明显。物流行业也一样，顺丰等企业推出的体积测量设备，让快递员上门取件时直接就能获取包裹体积，大幅提升了计重效率。这些垂直场景的成功说明，AR测量不是没有价值，而是需要找到真正高频、刚性的使用场景。

从AR测量延伸开来，我们可以看看当前AI产品的普遍困境。

业界常说的两句话概括了AI的核心价值：一是基于AI创新产品形态，比如人脸识别用于地铁刷码；二是降本增效，借助AI工具提升传统产业效率。AR测量属于前者——用AI能力替代传统工具。

但走这条路并不容易。

首要问题是数据。AI本质上是数据驱动的，但高质量数据的获取成本极高。有些公司训练模型需要大量专有数据，有时候还得购买授权。调用第三方数据的API也是一笔开销。更棘手的是数据标注——AI需要人工标注来学习，翻译算法需要成千上万名标注人员，内容审核需要人机协同。就拿Facebook来说，其内容审核算法背后是超过一万五千名人工审核员。

计算能力是另一道坎。AI运行依赖强大的数据中心和芯片技术，这方面的基础设施仍在快速发展中。算法精度达不到百分之百时，就需要人工干预来兜底。



当这些问题逐步得到解决后，AR测量这类AI产品才有可能真正进入千家万户，发挥出预期的价值。