八个演示,零代码:SDK 到底要为什么而存在

如果你无法描述出演示,你就会造出一个错的引擎。RakuAI 的八个规范性演示就是规格说明——八种证明你的 AI 一旦能在真实房间中看见和行动之后能做什么的方式。

我在此前三家公司里痛苦地学到的一个模式:如果你在构建引擎之前无法描述出演示,你就会造出一个错的引擎。演示就是规格说明。引擎必须能交付其中每一个。其他一切(架构、API、语言绑定、硬件抽象层)都是演示所需要的东西的下游产物。

这个周六的工作是把 SDK 发布时将随附的八个演示的规格说明写清楚。它们目前都还没有任何代码。但它们的规格说明都足够详细,一个胜任的工程师(或一个胜任的智能体)明天就能开始构建。

为什么是八个

三个演示不够。二十个又太多做不精。八这个数字恰好让每个演示证明一类不同的能力,而整套演示合在一起能展示 SDK 所能实现的能力范围。一个查看这八个演示的工作室,应该能找到与自己产品对应的那一个,并把源代码当作一个可运行的示例来阅读。一个查看这八个演示的合作伙伴,应该能看出其广度。

我要锁定的八个类别:

1. 单人竞技场模式

旗舰级单人 AR 演示。模拟的多人对局,分数、时间和目标以 HUD 叠加层的形式渲染出来。动作追踪。手势触发。用户身处一个真实房间,四处移动,虚拟内容对其做出反应。

这证明了什么:引擎能够以让 AR 感觉扎根于现实、而不是浮于表面的延迟和追踪质量,驱动一个实时交互体验。如果这个演示表现良好,其他每一个演示都会变得更容易。如果它表现不好,别的都不重要了。

2. AR 教练与训练

一个运动训练模拟器。四分卫的投掷动作。敏捷性训练。实时动作反馈叠加在用户的实际身体动作之上。战术图在空间中可见。教练语音。训练数据统计。

这证明了什么:引擎能够摄取身体姿态数据并产生有用的实时反馈。这个用例是体育,但底层能力可以延伸到物理治疗、舞蹈教学、外科手术训练,任何专家需要在让学习者双手自由的情况下指导其完成一项体力任务的场景。

3. HUD 叠加层设计器

一个面向开发者的工具。一个带有可配置 HUD 组件的测试场景。拖拽式布局。在不同视口尺寸下预览布局。将配置导出为其他演示可以加载的文件。

这证明了什么:SDK 在 HUD 层上有真正的创作故事,而不仅仅是运行时故事。想要构建自己的 HUD 配置的工作室,有一个可用的工具来实现它。这个导出格式成为其余演示都要遵守的一份契约。

4. 主播模式与视角录制器

一个为内容创作者打造的演示。实时摄像头叠加层。以 AR 内容形式呈现的粉丝聊天气泡。手势触发的视觉效果(一个火球、一个庆祝表情)。用于精彩片段录制的录制叠加层。击杀镜头风格的回放。

这证明了什么:引擎适用于实时内容生产,而不仅仅是游戏本身。驱动多人对局的同一套基本单元,也驱动着直播叠加层。直播用例也是通向消费者可见度最快的路径之一,因为主播本身就是需求的生成器。

5. 服务点叠加层

一个商用级演示。模拟的餐厅或零售体验。通过注视和手势在菜单中导航。忠诚度优惠根据情境呈现。结账流程。用户戴着眼镜身处一个真实场所,看着一份真实菜单,虚拟内容同时增强两者。

这证明了什么:引擎适用于非游戏类的商业应用。这正是合作伙伴管道与产品交汇的地方。快餐连锁、零售连锁、酒店场所。这一类别的经济模型与游戏不同,引擎必须将其作为一等用例来支持。

6. AR 伴侣 HUD

一个第二屏演示。用户正在电视上玩主机或 PC 游戏。眼镜在电视旁以 AR 形式显示伴侣信息。小地图。弹药计数。好友在线指示。无需游戏开发者做任何集成,即可与现有游戏连接。

这证明了什么:引擎能与现有内容集成,而不是要求内容被移植。这是八个演示中最反直觉的一个,可能也是战略上最重要的一个。用户可以直接采用这款眼镜,而无需等待自己已经在玩的游戏来支持它。

7. AR 瞄准训练器

一个靶场画廊。不同距离弹出的靶子。计分叠加层。用于目标捕获的眼动追踪或手势。用户在 AR 空间中练习精准射击,并获得反馈。

这证明了什么:精准度用例。我预计瞄准训练器会是在活动上展出的那个演示,因为它对非技术观众来说立即就能理解。它对追踪延迟预算的压力也比列表中任何其他演示都大,这意味着如果它表现良好,引擎的延迟故事就是真实可信的。

8. 多人 HUD 同步

同一个房间里有两台或更多眼镜设备。每个用户都有自己的 HUD,配置为显示自己的信息,但其中一些元素在整个小组内共享。团队颜色的姓名牌。共享的目标标记。团队血条。同步通过局域网或蓝牙进行,不经过云端往返。

这证明了什么:多用户场景在不依赖云端的情况下也能运行。这是局域网派对式游戏网吧会关心的演示。它也证明了在任何云端多人基础设施必须存在之前,引擎的本地多人故事就已成立。

整套演示合在一起证明了什么

上面每一个演示都是单一类别的能力。整套演示合在一起证明了更大的东西。

引擎是通用的。 八个共享同一个 SDK 和同一个运行时、却做着八件截然不同事情的演示,证明了引擎不是一个单一品类的垂直产品。

SDK 是真实的。 一个查看这八个演示中任何一个源代码的工作室,都能读懂它,并从一个可运行的示例中学会这个 SDK。这比”这里是 API 文档,祝你好运”要强得多的上手故事。

HUD 叠加模型是底层的基本单元。 全部八个演示共享一个 HUD 驱动的交互模型。这告诉了引擎团队应该先构建什么,也告诉了 SDK 团队应该把什么做得容易上手。

硬件目标是可信的。 八个针对特定硬件能力(动作追踪、眼动追踪、手势、音频、视频采集、局域网同步)的具体演示,给了硬件合作伙伴具体的优化目标。

接下来是什么

下一个周六进入 SDK 本身的文件夹结构。演示已经锁定,SDK 就必须被组织得让每个演示都有自己的归属,共享模块可以分离,文档能让所有这些都可被找到。再下一个周六进入所有八个演示都要消费的 API 界面。

支撑这款产品的专利资产已经等了硬件追赶超过十年。硬件正在追赶上来。上面这八个演示就是关于硬件到位之后产品用途的赌注。

演示就是规格说明。引擎必须能交付其中每一个。明天不会开始写代码。再下一个周六也不会开始写代码。开始写代码的正确周六,是演示已被完全规定、SDK 已被完全设计、将要构建它的智能体已被完全组建完毕的那一个。

我在花这个时间。最终发布的版本,将是那个在写下第一行代码之前就已经知道自己为何而存在的版本。