祝铭明：摸到边界的方法是把体验做到极致

多年以后，祝铭明站在自己刚刚装修好作为住宅的厂房里，一定会想起母亲带着他去机械厂里玩的日子。

当时，创业还是一个新鲜而陌生的词语。身为工程师的母亲和朋友一起创办了一间机械加工厂，还在襁褓中的祝铭明，就在这间工厂浓重的机油味和隆隆的机床声中一天天长大。

13 岁那年，祝铭明拥有了自己的第一台电脑，写下了人生中第一行代码。

这一年，发生了很多大事。

万维网（World Wide Web）诞生了，GPS 的第一颗卫星发射升空，IBM 的国际象棋机器人深思虽然败给了棋王卡斯帕罗夫，却展示了惊人的计算速度：每秒 200 万步。

人们隐约感到，一些重要的变化正在发生，一个前所未有的时代就要来了。

顺势而为的首次尝试

2007 年，祝铭明开始第一次创业，在杭州创办了做手机操作系统的猛犸科技。那还是一个 MTK 平台和山寨机大行其道的年代，祝铭明判断未来的手机系统一定是一个开发方便、跨平台、基于 JAVA 语言的操作系统。

刚开始，都大家感到不可思议，靠一个十几个人的小团队，就想做操作系统？祝铭明花了几个星期时间把架构搭了起来，其他人随后往里添加东西。猛犸 OS 的雏形竟然就这么做出来了。

但是全球金融危机也来了。

大环境一下子变得很冷，行业的发展速度骤降下来，手机硬件水准在一个算力明显不够的平台上停留了很久。硬件上不去，操作系统也就无从发展，猛犸 OS 和祝铭明都进入了一个很难熬的阶段。

作为创始人，他还得很淡定地见客户，给团队打鸡血鼓舞士气，用产品体验和用户的口碑来激励他们。

这一熬，就是一年半。

后来是阿里巴巴伸出了橄榄枝，先是战略投资，然后收购了猛犸科技。猛犸 OS 也逐渐变成了阿里 YunOS。

从这个项目开始，他展现出后来令投资人和创业伙伴们颇为称赞的前瞻意识。

2013 年，看重祝铭明的技术前瞻性，阿里巴巴委任他为 M 工作室的领头人，进行一些在当时颇为前沿的探索，包括机器人、图形图像识别、二维码扫码等，还有跟导航、车载相关的，以及最新的蓝牙技术。

M 工作室更像一个实验室，没有太多的业务压力，牛人很多，是所有厉害的程序员都梦想要去的地方。但这些并没有让他满足。

「比别人高十倍」的要求

2014 年，祝铭明离开阿里，创立了 Rokid。

这一次，他跟团队说要做机器人和人工智能。

此时的人工智能行业正处在巨大的变革期，其中最具突破性的深度学习技术开始真正商业化。2014 年初，Google 花 6 亿美金买下了人工智能初创企业 DeepMind。微软也在这一年发布了「微软小冰」。

祝铭明给 IDG 资本副总裁楼军画了一张产品草图，是一个蛋形的音箱。

在杭州北部软件园的 Rokid 办公室里，这个蛋变成了一个快递箱，上面插着电路板、摄像头、灯珠，还有国内第一个实现远场语音唤醒的的麦克风阵列。十几个人围在纸箱周围，讨论要给它加上什么新能力。

2014 年 11 月，这个插满电路板的纸箱，进化成了 Rokid 的第一款产品：Alien 智能音箱。

就在 Alien 研发的过程中，Rokid 团队第一次领教了祝铭明的「苛刻」。

在设定音箱唤醒词的时候，技术团队给祝铭明提了三个选项：如果用 4 个字的唤醒词，有现成的技术方案；3 个字的，大概一个月就能搞定；如果要 2 个字的唤醒词，对不起，目前的技术水平还做不到。

祝铭明认为，只有用两个字唤醒才符合中国人的习惯，他选了「做不到」的。

在算法上，随着唤醒词字数减少，要在保证唤醒率的同时降低误唤醒，技术实现的难度会呈几何倍数上涨：每减少一个字，难度翻倍。

为了减少这一个字，Rokid AI 实验室的两位博士被「虐」了整整一年。最终使 2 个字唤醒词达到同类产品 3 个字、4 个字唤醒词同等的唤醒率和误唤醒水平。

直到现在，在众多智能音箱中，只有 Rokid 实现了两个字的唤醒词。祝铭明认为这是 Rokid 赋予自己的使命，去做其他公司不愿意做的一件事：探索自己能力的边界。

在做 TTS（语音合成）的时候，几乎同样的事情再次发生。

行业内做 TTS 的一般方法是，首先设定好语音的条件——性别、年龄、音色，然后找演员，选个报价合适的录音，录完了让算法工程师一合成就行了。

Rokid 则先设定了「若琪」的人格，然后找了 50 多个人来，听谁的声音最像他们想象中若琪的声音，第二步从中挑选了 5 个人分别录音，再用算法合成，听合成出来的声音，挑选最接近「若琪」设定形象的，最终选了一个人。为了保证录音音准，Rokid 专门找来一位音乐学博士，在北京的实验室里一蹲就是一个多月。女演员在录音棚里录音， 博士在外面用耳机监听，稍有音准不对，就重新来过。就这样盯着把两万多句录音一句一句录完。

最终合成完之后，大家一听效果非常明显，这就是人声，完全听不出一般机器合成的卡顿、异样的声音。

如果说，唤醒词和 TTS，都是用户能直接感知到的，还值得花大代价去提升用户体验，另一件事看上去就有点过分了——

这是 Rokid Pebble 智能音箱的内部电路板实拍图，同时也是 Rokid 公司高管用在电脑和手机上的壁纸。

电路板深藏在产品内部，普通用户压根没有机会接触到它，为什么要设计得如此精致？

Rokid 副总裁向文杰说，这块特别设计的电路板，每一块成本增加了 6-12 元，为了控制整体成本，他们在算法上进行优化，降低了对部分元器件的性能要求，这才把成本控制住。

宁可费力优化算法，也不在产品设计上妥协。祝铭明认为，这不仅仅是一个审美偏好的问题，还关系到一个产品从外到里都要坚持同样严格的标准，哪怕在普通用户看不见的地方。

他说：「我希望把团队逼到边界上。你永远要求你的东西比别人能做到的高十倍，最后你将取得一个跳跃性的成果。」

祝铭明深知，进入人工智能这个行业里的玩家，大多是 Google、Apple、Facebook 这样的巨头们，要钱有钱，要人有人。和他们在同一个赛场上竞争，必须有一套完全不同的思考方式，这也逼得他反复地问自己三个问题：

有什么是别人做不到而我们做得到的？

有什么是别人做得到而我们做得更好的？

有什么是别人做得非常好了，而我们能做得不一样的？

正是在追问这些问题的过程中，祝铭明坚定了「追求极致体验」的信念；也正是这样的思考，让他越发清晰 Rokid 与同行们的不同之处。

极致并不是技术洁癖

唤醒词也好，TTS 也好，像画作一样的电路板也好，背后都映射着祝铭明对 Rokid 的定位：

Rokid 是一家人机交互公司。我的追求是一定要逼着团队去摸到行业的边界，既然是交互公司，最简单的摸到边界的方法就是把功能做到极致、把体验做到极致。这不是我的洁癖，而是一种手段。

从 2014 年创办以来，这个定位就没变过。

在此之前，还没有哪家公司把自己叫作「人机交互公司」。曾经，「交互」两个字是用在鼠标、键盘乃至触屏之类的硬件上的，那时它还有另一个名字叫「输入输出」。而到了 AI 时代，祝铭明看到了交互的更大可能性。鼠标键盘也好，触屏也好，并不真正知道你在做什么，它也不干预你的任何决策。但有了 AI 之后就不一样了：

你对着音箱、眼镜、电视，对所有东西讲出你的意图时，实际上在你获取内容之前，你的意图先在交互这个层面被理解，这个时候交互公司就变得有厚度了。

机器进化了，人和机器之间的关系也悄然改变。

作为人和机器之间的一座桥梁，「交互公司」的重要性正日益凸显。从某种角度看，我们今天之所以能容忍人工智能不时地以「人工智障」的水平给出一些令人啼笑皆非的答案，正是因为我们对它的未来充满了期待，我们像看一个孩子一样看待今天的 AI——它还很幼稚，但它正在以惊人的速度成长起来。

或者，用祝铭明的话说：AI 现在还太早，要做一百年。

在祝铭明看来，未来的人机交互一定会越来越自然，越来越多模态、全方位。AR 把感知、体态、语音和视觉全部整合在一起，可以看作是人机交互的最后一次革命。至少，在实现脑机接口之前是这样。

2013 年，祝铭明在美国第一次拿到 Google Glass，对身边的人说：「这个东西是未来，但是 Google 做得不够好。我们一定可以做得更好。」然后，他发了一条朋友圈：「谁懂这个技术来找我，我们一起来做 AR 眼镜。」

2016 年，祝铭明跟团队说要做 AR 眼镜，团队都不理解。

当时看起来也不是一个好时机。Google Glass 的体验远低于预期，得了一个「Google 史上最差产品」的称号，HoloLens 笨重且昂贵，MagicLeap还没拿出第一款产品。

祝铭明坚定地认为 AR 是未来。

接下来，他在美国组建了专门的 AR 研发团队。

像做音箱一样，祝铭明对 AR 眼镜的「体验」仍然要求到极致：要做到跟普通眼镜一样的佩戴感。

技术人员发现，要满足这个要求，结构上必须选择「侧出」式设计，也就是光机位于镜腿的一侧；如果采用光机位于镜框上方的「上出」式设计，就会让整个眼镜看起来像一个厚重的机器，完全达不到「普通眼镜的佩戴感」这个要求。

不仅如此，为了尽可能贴近普通眼镜，就要在做到大视场（FoV）的同时尽可能减小体积，还要控制发热量。市场上能买到的的现成部件大、重、粗，根本满足不了要求。他们只剩下一个选择：对几乎所有部件作特别定制。

2018 年 CES 消费电子展上，Rokid Glass 面世。整机重量 150 克，外观看起来就像一只普通的墨镜。外媒对这只眼镜的评价相当高，Wired 称它是当年十佳电子产品之一。The Verge 则说 Rokid Glass 预见到了未来。

探索突破让人上瘾

Rokid 的愿景是「Leave Nobody Behind」，不落下任何一个人。这句乍听之下有些费解的话，背后是祝铭明对科技另一面的思考。

2018 年，公司中高层在千岛湖培训，祝铭明跟大家讲了一件发生在自己身上的事。

一天，祝铭明的父亲突然打电话给他，问他：「任意键是哪个键？」

这个故事引起了共鸣，父母那一代人大多不会用最新的科技产品，而当这些产品建构起来的生活方式成为主流时，他们就被边缘化、被时代落下了。

祝铭明把这叫作「科技的黑暗面」。就像他最喜欢的电影《星球大战》里的 Hoth 一样，科技天然就有光明的一面和黑暗的一面，怎样才能找到一个平衡，在一定的场景下让光明面发挥出来而让黑暗面隐藏起来？或者，用他自己的话说是如何「把科技关起来」？

祝铭明认为 AI 是个可能的解决办法：「在 AI 之前，所有科技都要付出一个隐形的学习成本，一旦你不学习你就会被抛弃。AI 让机器真正开始理解你，而不是让你学习它，这就可能普惠每个人。」

在这样的思考之下，祝铭明找到了交互公司的真正使命：让每个人都能享受科技的进步，而不是被它抛弃。

每个人都能看到问题，但不是每个人都愿意去问背后的问题是什么。我愿意去问，一直问到自己答不出来为止。

从祝铭明写下第一行代码，已经过去了 30 年。现在，虽然公司的项目已经不需要他编程，他仍然坚持每天写写代码。

这一方面是在保持对技术的感受力，让自己始终和前沿的技术在一起。另一方面则出于他对自己的要求：不断学习，保持好奇心。

这大概也是祝铭明能不断探索边界的原因之一。

事实上，他们所做的尝试都是在打破机器世界和物理世界之间的边界，为我们的感知重构一个更丰富、更超现实的世界。

在这个世界的各个角落，还有无数人夙夜匪懈、殚精竭虑，去探索自己的边界，突破那些既定规则。

正是在这种突破边界的努力之下，今天我们才能和机器说话，可以在海量的内容中瞬间获得自己最想要的东西，家中的电器可以认出我们的面孔，我们可以见识到远超人类棋手的人工智能棋手，拥有了比人类更准确地诊断病情的人工智能「放射科医生」，找到了快速试验新疫苗的人工智能算法，以及更多可以提升生活质量、拓展我们生命边界的事物。

也许有一天，这些人工智能还会帮助我们突破进化的藩篱，成为此刻的我们无法想象的新物种。谁敢说一定不会呢？

未来，遥远而未知。

正因为如此，它才令人着迷。