淺友們好~我是史中，我的日常生活是開撩五湖四海的科技大牛，我會嘗試各種姿勢，把他們的無邊腦洞和溫情故事講給你聽。如果你想和我做朋友，不妨加微信（shizhongmax）。

夸克“兇猛”：一場手機鏡頭背后的狂野冒險

文 | 史中

李逍遙出生的村子叫什么你知道嗎？

我知道，叫盛漁村，地處杭州余杭縣，位置偏僻，但風(fēng)景秀麗。。。

我為啥記得這么清楚呢？

因為10歲那年我第一次玩《仙劍奇?zhèn)b傳》的時候，劇情剛剛展開，看著熱情的村民，聽著溫情的 BGM，我突然有奇怪的想法：為啥我李逍遙不能一輩子慫在家鄉(xiāng)耍木劍采野果，非得去外面被妖怪毒打呢？

但是轉(zhuǎn)念一想，不遇到妖怪，也不會遇到趙靈兒。

想到這里，DNA 動了，明知山有虎偏向釜山行，我就這樣走出了新手村。

好吧，咱們未必玩過一樣的游戲，但咱們都過著同樣操蛋的人生。你我都有（不得不）從新手村出發(fā)的那一天，面對天書一樣的試卷時，面對老板“今晚就要”的死線時，都會幻想：如果天上能掉下來一把神刀，一刀999級，該有多好。。。

今天，中哥就給你講一個“神刀”的故事。

（一）“戰(zhàn)五渣”和掃描王

“放假前剛發(fā)的卷子，我家小孩就找不到了！我還得在家長群里求著同學(xué)媽媽把試卷拍給我，打印出來讓孩子做。但人家孩子已經(jīng)寫了答案，我只能用紙條擋住答案去復(fù)印。。。”

這是一個兩年前發(fā)在媽媽幫論壇上的帖子。

如此不能打的劇情，卻引來了不合時宜的共鳴，上百個家長回復(fù)說：�。∥乙詾橹挥形壹液⒆邮沁@樣。。。

看來，身邊潛伏的渣渣不止一個啊。

吃瓜群眾中潛伏著一個人，戴著眼鏡，自己就接近學(xué)生模樣，按道理都不應(yīng)該知道這世界上有媽媽幫這樣“戾氣深重”的網(wǎng)站。

這個人就是尹毅彬。

尹毅彬

尹毅彬是夸克App的產(chǎn)品經(jīng)理，之所以要逛家長論壇，是因為他負(fù)責(zé)的正是當(dāng)時大火的“學(xué)習(xí)版塊”。

他同時也是個暖男。“怎么能讓媽媽們受這樣的苦呢？”于是趕緊把這個發(fā)現(xiàn)講給伙伴。

一個月后，夸克App里添加了一個小功能——試卷去手寫——拿一張卷子來，能自動把里面的手寫字去掉；不僅如此，還能把卷子角度自動轉(zhuǎn)正，把紙變白，把字變清晰，打印出來比原版的還原版，隔壁學(xué)霸都饞哭了。。。

就是這個效果???

別看就是這么一個不起眼的功能，受歡迎程度卻難以言表，后臺調(diào)用量像火箭直入云霄。

以防有的淺友不熟悉夸克，這里中哥強勢插入一下，多介紹幾句背景姿勢：

很多人覺得夸克是個搜索 App，但是在年輕用戶心里，搜索只是夸克“功能大餐”中的一道菜，他們還能用夸克看小說、看電影、拍圖識萬物、文檔翻譯、簡歷生成、自拍證件照、PDF轉(zhuǎn)Word、截長圖、轉(zhuǎn)gif、掛號買藥、學(xué)菜譜查快遞。。。

我覺得，夸克的夢想是成為大家手機里的 “瑞士軍刀” ——沒車沒房沒女票這種大事解決不了，但遇到蹩腳的小困難，掏出來一準(zhǔn)兒能搞定。

給你們看一下夸克工具的列表???

為了達成這個目標(biāo)，不只是尹毅彬，夸克團隊每個人都患上了“需求搜集癖”。。。

他們就像八爪魚：產(chǎn)品經(jīng)理做調(diào)研，技術(shù)老師傅看數(shù)據(jù)，運營小姐姐接客訴，反正有各種渠道和用戶溝通。用戶想要啥，分分鐘就能傳遞到夸克團隊，沒準(zhǔn)新功能幾個星期就做出來了，有一種“被寵溺”的感覺。

講真，在今天的世界，能夠和用戶混成這種好兄弟（好姐妹）的互聯(lián)網(wǎng)產(chǎn)品都已經(jīng)不多了呀。

不過這也好理解，因為夸克團隊和他們的用戶一樣年輕，幾乎一水的90后。其中最小的一位生于澳門回歸的1999年。畢竟中國人不騙中國人，年輕人不坑年輕人嘛。

好，認(rèn)識了這群頭發(fā)尚且濃密的年輕人，我們回到主線劇情。

搞出“試卷去手寫”，無數(shù)小朋友可以罵罵咧咧開開心心去寫作業(yè)了，但這只是故事的《序章》。

夸克這群年輕人像胡八一那樣提鼻子一聞，忽然感覺自己站在一座“尚未完全被開發(fā)”的寶藏大門前，這座寶藏就叫——掃描。

之所以說尚未完全開發(fā)，是因為掃描這座寶藏早已被人發(fā)現(xiàn)，市面上也早有一些掃描產(chǎn)品。

只是夸克這群人覺得前人挖掘得不細(xì)心，或者說勘探技術(shù)不到位，就拿“試卷去手寫”這樣的具體任務(wù)來說，在他們之前就沒人做得這么精細(xì)嘛。。。

于是，一場內(nèi)部討論展開：如果做一個市面上最好的把“紙質(zhì)文件”掃描成“數(shù)字文檔”的掃描工具，誰贊成？誰反對？

團隊那位99年的同學(xué)趕緊舉手：

我上大學(xué)那時候，哦，也就是去年，就特別想要一個這樣的工具。因為老師講課的PPT翻得太快，我只能用相機一張張拍下來，再用 iPhone 的備忘錄功能整理起來。雖然四舍五入能用，但是像我這么社恐的人，坐在教室最邊上，拍出來的照片都是梯形。。。

話音未落，另一個同學(xué)插話：

我表哥在投資公司工作，我記得他吐槽，說每天都得把各種紙質(zhì)文件、單據(jù)神馬的掃描歸檔，掃描儀難用的一比。

恰在此時，探馬回報，在北京、廣州、秦皇島等等城市的用戶調(diào)研里，很多夸克的主力用戶——老師和學(xué)生——也都吐了這個槽：學(xué)知識最好是舉一反三，得把錯題抄下來反復(fù)練嘛。但除非愛好書法，誰能耐下心來手抄那么多錯題呢？

而且，人類都已經(jīng)進入賽博朋克紀(jì)元了，把這么多時間用來物理抄題，也太 old school 了吧？能有個順手且強大的手機掃描工具多好�。�

正所謂，工欲善其事必先利其器。你讓哈利波特去削伏地魔，不得先給他個掃帚么？你讓小智干翻全世界的寶可夢，不得先給他個精靈球嗎？你讓你家小孩考清華，不得先給他個“掃描王”么？

夸克掃描王產(chǎn)品負(fù)責(zé)人夏雅瞳小姐姐一拍桌子：決定了！咱們就幫大伙兒把“掃描王”做得更好用！

小智，你捫心自問，如果把精靈球改成三室一廳總統(tǒng)套房，皮卡丘能不愿意進來么？

（二）高清無碼大圖，get?

說到掃描，咱們小時候見的掃描都是那樣的：把紙質(zhì)文件按在一個掃描儀上，然后“呲——”，電腦上就顯示出了一模一樣的圖片。

那個操作叫“光學(xué)掃描”，實際上，那已經(jīng)是老黃歷了。

聽中哥給你科普，現(xiàn)在的掃描比女生化妝還厲害：

第一步、 拍圖片

用手機給文件拍一張素顏照，App會自動幫你裁剪，擺正角度，去掉無用信息，相當(dāng)于打了個遮瑕粉底，然后把圖片上傳云端。

第二步、修圖片

云端算力充沛，AI 能識別出文件上的瑕疵（例如紙上的臟點、水印、手寫痕跡），把它們都去掉；再識別出有用的文字，把它們加深，變得更清晰。相當(dāng)于眼線紅唇化個全妝。

第三步、導(dǎo)圖片

云端把這張圖片傳回給手機里的 App，App 幫你導(dǎo)出定妝照，也就是掃描結(jié)果的圖片。

完美結(jié)束，撒花出街。

這樣三步下來，比光學(xué)掃描的“素面朝天”那簡直高到不知哪里去了。

不過，欲戴王冠必承其重，這個“美顏之旅”比大多數(shù)人想得難多了。

怎么個難法呢？咱們先請上夸克團隊的第一位現(xiàn)身說法的選手，他就是王淮。王淮在夸克App的研發(fā)團隊，負(fù)責(zé)我們剛才說的“第一步”。

王淮

王淮是個“強迫癥”，一幅畫掛歪1度都能看出來那種。但做 App 客戶端恰恰需要這種細(xì)致的精神。

剛接到任務(wù)，一個不是問題的問題就擋在面前——該用什么拍照方式？

你肯定沒有注意過，攝像頭獲取圖片其實是有兩種方式的：

一種是速度快但畫質(zhì)感人的——就是進入攝像模式，從流動的畫面里截取一幀湊合能看的。 一種是畫質(zhì)好但速度感人的——就是進入拍照模式，老老實實對焦，調(diào)整光圈快門，拍一張照。

王淮玩得比較遛的是第一種“視頻截圖”。因為他們之前做的“萬物識別”功能，就在用這種方式。

為啥呢？因為那些圖片是用來做“分類”的——比如你拍了一只狗，即便是模糊的狗，相比于貓，AI 也會覺得它也更像狗——所以不用清楚，拍得快才是王道。

可是掃描就不同了，它的終極目標(biāo)不是分類，而是清晰呈現(xiàn)這張照片里的每一個細(xì)節(jié)。

沒辦法，王淮只能老老實實選擇“拍照模式”�？蛇@樣一來，體驗就不太流暢，他又和一群強迫癥事們做了10086個優(yōu)化。

接下來可以拍照了吧！王淮把自己手機翻過來一看，臥槽？！怎么這么多攝像頭？

第二個問題又迎面撲來——該用哪個攝像頭？

廢什么話？隨便選一個不就行了嗎？

“不行。我們試了一下，長焦鏡頭一般光圈大，拍出來的照片景深小，這樣用戶如果拍攝角度傾斜，就會造成一半清晰，一半虛焦。。。廣角鏡頭一般光圈小，能拍清楚。但如果鏡頭視野太寬，紙張占畫面的比例又比較小，有效像素不夠多。。�！�

王淮解釋。

就像這樣???

他們最后寫了一套規(guī)則，讓夸克 App 在手機里現(xiàn)場“唐伯虎點秋香”，找出最適合做掃描的那顆攝像頭。

可實戰(zhàn)中到底能不能選準(zhǔn)秋香，王淮心里有點嘀咕。。。他又請測試團隊的同學(xué)真的用不同型號手機拍了幾千張照片，把每一個機型都調(diào)優(yōu)了一遍才罷休。

這下可以拍照了吧？還不行。。。

夸克的用戶數(shù)以億計，你永遠(yuǎn)想象不到大家在拍照片的時候是在九天攬月還是在五洋捉鱉。

比如有的人手抖，拍出的照片就是帕金森模仿秀；有的人心不在焉，拍出的照片就是斜到懷疑人生；有的人是暗夜騎士，拍東西祖?zhèn)鞑婚_燈。

于是第三個問題來了——怎么保證拍照清晰？

王淮他們在拍照界面加了提醒——探測到畫面光線不足，就提示開燈；還加了網(wǎng)格線——眼殘的可以參考網(wǎng)格拍得橫平豎直；還做了一個實時對焦模塊——哪怕用戶冷不丁地按下拍照，也能保證盡量清晰。

看到這兒，有老哥可能會問：這都是什么雞毛蒜皮的小事�。�

其實我是故意選擇這些瑣碎細(xì)節(jié)講給你聽的。因為你懂的，面對這些細(xì)節(jié)都能如此“強迫癥”的人，是很難在圖像裁剪、圖像壓縮、圖片上傳鏈路這類更嚴(yán)肅的事情上偷工減料的。

“咻——”，隨著圖片傳上云端，沉甸甸的接力棒也交到了第二位選手，云端算法工程師黃銳華手上。

黃銳華

黃銳華是個技術(shù)控老司機。他的駕駛風(fēng)格是：“我前面不能有車”。

凡是遇到什么技術(shù)困難，他不睡覺也得把全世界的解法都找來，然后不允許任何一個解法比自己更好。。。

開發(fā)過程中，看著手機端傳上來的圖片，黃銳華皺皺眉頭：喂，這圖片怎么有好多都是“S身材”�。�？

你想想看，一張紙，如果能夠平平展展讓你拍照，那是燒高香的情況。大多數(shù)情況，咱們打開書拍某一頁，書頁肯定是彎折的，而且越靠近書脊，彎折程度越大，就像霍金的黑洞。。。

黃銳華當(dāng)時就暴躁了，一張紙這么“性感”，很影響掃描效果的好不好？！

接下來的問題就是——怎么把S形書頁給拉直？

其實方法就是借助人工智能，讓 AI 對著彎折的書頁“YY”它平展的時候應(yīng)該是什么樣。 可問題是，要想讓人工智能學(xué)會這個技能，先得給它學(xué)習(xí)資料——同一張紙彎折時和平展時的“對比數(shù)據(jù)”。這個數(shù)據(jù)還不能只有一兩組，得成千上萬組才行。

黃銳華給我解釋。

雖然但是，從哪去找這么多書頁彎折的數(shù)據(jù)呢？這數(shù)據(jù)又不是可樂，街邊隨便找家店就有賣。。。而且也來不及自己一張張拍啊，等你拍完，等著掃描書頁的大學(xué)生都該領(lǐng)退休金了。。。

一個平時喜歡玩游戲的同學(xué)若有所思：誒，3A游戲大作不都會用到物理引擎么？

一語點醒夢中人，黃銳華組織大家搞了好幾本書的3D模型，然后用游戲物理引擎對它進行各種“蹂躪”，這不一下子就有了豐富的訓(xùn)練數(shù)據(jù)嗎？

這么一搞，效果拔群。

看著 AI 書頁拉直的效果越來越棒，黃銳華仰天長嘯：果然，不會3D建模的AI工程師不是好司機��！

搞完這些，已經(jīng)是2021年春天。

丑媳婦總得見公婆，“夸克掃描王”終于發(fā)布了。

春江水暖鴨先知，夸克新功能鐵桿粉絲先知——說時遲那時快，在夸克的粉絲群里，已經(jīng)有眼尖的人發(fā)現(xiàn)了掃描王。

夸克團隊搬好小板凳排排坐，等著夸獎砸來，不過，夸獎沒等來，卻等來了板兒磚。

“欸我這個掃描出來怎么是花的啊？”有粉絲問。

黃銳華一看粉絲發(fā)來的“證據(jù)”，居然是對著電腦屏幕拍的，上面都是摩爾紋。。。

“欸我這個卷子怎么掃描之后還能看出背面的字�。俊�

黃銳華一問，才知道這哥們的卷子太薄，簡直是蕾絲半透款，背面的字毫無壓力地透了過來。。。

“欸我這掃描出來怎么還帶手指頭�。俊�

黃銳華一看，原來這哥們是拿手舉著一本書掃描的，手指頭也拍進去了，AI 以為是書上的插圖呢，給強勢保留了。。。

“這好辦，你告訴他們拍照的時候別用手扶著不就行了？”我提議。

“用戶用手扶，一定有他不得不扶的道理。我們既然要做全世界最好的掃描工具，就不可能讓用戶來適應(yīng)我們�！秉S銳華一臉慷慨。

本著“做最牛X的掃描工具”的原則，老師傅們繼續(xù)返工：優(yōu)化了人工智能算法，讓它更好地識別出背面透字；還教會了 AI 識別邊緣亂入的手指頭，自動擦除；還研究了去摩爾紋的濾鏡。

注意，剛才提到的各種濾鏡是一層層“疊buff”的。

比如，上一層去摩爾紋的輸出結(jié)果是下一層去邊緣手指的輸入資料；去手指的輸出結(jié)果又是下一層去背面透字的輸入資料。

這很像雜技演員踩著高蹺，頭上頂著水缸，手里扔著12個雞蛋，腰上還轉(zhuǎn)著5個呼啦圈——但凡中間任何一個環(huán)節(jié)出問題，整個雜技都會垮掉。

做掃描難，就難在了這兒。

耿直的夸克用戶是一面明鏡，不滿意會吐槽，滿意會真夸。經(jīng)過了幾次改進，夸克粉絲群里逆風(fēng)翻盤，變成夸夸群。

尹毅彬現(xiàn)在還記得，有一個用戶專門跑來說：“我從來沒用過這么好的掃描產(chǎn)品，掃出來真白，就跟新買的書一樣！”

不過彼時沾沾自喜的掃描王團隊，就像剛出長安的唐長老，還不知道有一群妖怪正圍著餐巾等著他們呢。

那天，運營小姐姐找到尹毅彬，跟他提到了一個用戶投訴。

那個用戶留言說：“用夸克掃描出來的文件，我沒法用！”

“掃得這么白，怎么沒法用？”尹毅彬一邊嘀咕，一邊決定跟那個投訴用戶直接打個電話。

他恍然大悟，原來這個用戶在掃描一份鑒定報告，在報告的下面，專門鋪了簽發(fā)機構(gòu)的防偽水印。可是在AI看來，水印這種臟東西不是要去掉的么？一秒鐘擦得干干凈凈，對用戶說：快夸我！

用戶說：我謝謝你��！

無獨有偶，另一個用戶反饋也前后腳進來：他想掃描一個發(fā)票，用于報銷�？墒强淇藪呙柰鯍叱鰜淼陌l(fā)票過于白嫩，而且經(jīng)過“清晰度補足”的濾鏡，紅章就會變得暗淡，打眼看上去就像是街角買的假票。。。那哥們都不敢提交報銷了。。。

原來，“一白遮百丑”也不總是真理。

一個巨大的哲學(xué)問題擺在夸克掃描王團隊面前：當(dāng)“真”和“美”坐在蹺蹺板的兩端，到底要怎么選？

就和生活一樣，沒有人永遠(yuǎn)需要真實，也沒人永遠(yuǎn)需要漂亮。所以我們的結(jié)論是，你要去 了解 用戶在掃描那一刻的真實意圖，才能更準(zhǔn)確地服務(wù)他。

尹毅彬解釋。

于是，在隨后的升級里，夸克掃描王加入了一道“自動識別邏輯”：判斷這是個單據(jù)，就以“真實呈現(xiàn)”為主；判斷這是個文件，就以“黑白分明”為主。

這個思考影響深遠(yuǎn)。

從這件事以后，夸克團隊就像搞了個高音喇叭放在耳邊，時刻在喊：“你們確定真的了解用戶想干嘛嗎？R U F**KING SURE？！”

“警鐘長鳴”之下，他們有了驚奇的發(fā)現(xiàn)——當(dāng)用戶掃描的時候，有時并不想“掃描”。

（三）當(dāng)你掃描的時候，你在“掃描”什么？

“在我們的一生中，遇到愛，遇到性，都不稀罕，稀罕的是遇到了解�！边@是廖一梅在話劇《柔軟》里寫下的臺詞。

這句話恰好完美隱喻了互聯(lián)網(wǎng)產(chǎn)品的難處。

在真實世界里，哪怕你和最要好的朋友對面長談，都無法完全理解Ta的意圖；更別提在賽博世界里，提供服務(wù)的系統(tǒng)和用戶相隔萬里，只能通過用戶令人費解的行為碎片來“猜”。

我問你，當(dāng)一個用戶掃描了電腦屏幕上的一串快遞單號，Ta 想干嘛？

我再問你，當(dāng)一個用戶沒有調(diào)用攝像頭，而是去相冊里調(diào)取了一張寫著名言警句的圖片進入掃描王，Ta 想干嘛？

有沒有一種可能，此時他們并不是想“掃描”，而是想把照片里的文字提取出來，復(fù)制到別的地方用？

有可能是，也可能不是。。。

2021年夏天，夸克這群年輕人就帶著這種狐疑上線了“文字提取”功能。

這個操作效果炸裂。

從激增的后臺調(diào)用量看，用戶仿佛在說：這么牛X的功能，搞么子現(xiàn)在才上？

為啥大家對文字提取這么情有獨鐘？我還真琢磨了一下。

看看我們自己的大腦就知道了，人類的右腦負(fù)責(zé)形象思維，左腦負(fù)責(zé)邏輯思維。長期的進化讓大腦產(chǎn)生了這樣的左右分工，那必然是因為這樣比“左右腦一團漿糊”更好。

好處是啥呢？省能量。

語言文字屬于邏輯思維——可以用“抽象的信息”反應(yīng)“具象的世界”——而抽象的信息真的很省地方。

你看，說“蘋果”兩個字只需要半秒，把這兩個字寫出來也只需要兩秒，可畫出一個蘋果恐怕需要一分鐘。遇到手笨的，畫一個蘋果恨不得消耗兩個蘋果的卡路里。。。

所以，“文字提取”功能的本質(zhì)是把一張“圖像”里的“邏輯信息”（而非視覺信息）提取出來，復(fù)制、粘貼、修改、搜索隨你大小便——大大降低信息處理的成本。

在原有的視覺工具旁邊直接加了一個邏輯工具，沖鋒槍+迫擊炮，買一送一，肯定受歡迎嘛！

（我替你們體驗了一下文字提取，原諒我此時身處賓館，能找到的紙不多。。。）

嘗到“提取”功能的甜頭之后，夸克這群“摸金校尉”如同找到了掃描領(lǐng)域的新一道暗門，向幽深的秘境又挺進一層。。。

尹毅彬回憶，那天產(chǎn)品團隊在整理用戶反饋時，又發(fā)現(xiàn)一個奇怪的案例。

這個用戶反饋了一張手寫的購物單，上面寫著：菠菜XX元，買了XX斤；白菜XX元，買了XX斤，諸如此類。

用戶的訴求是：我拍了這個購物單，你們能不能給我轉(zhuǎn)成 Excel 表格？

原來，他是一個飯店的采購員，每天進貨，月底盤點，得把30天的數(shù)據(jù)金額加總。過去手寫數(shù)字加總，得鼓搗半小時，還不一定算對。如果能有工具把手賬變成 Excel，那妥妥從石器時代直接進入工業(yè)革命啊！

尹毅彬一看，有道理！他去找技術(shù)老師傅，有點心虛地問：手寫字，能提取出來么？

黃銳華呵了一下：可以試試。

其實，這個技術(shù)黃銳華團隊并沒那么陌生。在兩年前夸克的“學(xué)習(xí)”模塊里，就實現(xiàn)了一個小功能：把學(xué)生手寫的答案轉(zhuǎn)換為印刷體。

但注意，這兩者的難度是不同的。

一個學(xué)生寫題，他的目的是讓判卷的老師看懂，潦草程度是有下限的。

比如這樣：

一個人寫采購單，就是為了記賬給自己看，那潦草程度是沒有下限的呀！

比如這樣：

簡而言之，之前給搜題做的那套手寫識別技術(shù)根本拿不出手，必須加大數(shù)據(jù)劑量，重新訓(xùn)練。

不過，這次黃銳華遇到了強勁對手。越深入訓(xùn)練，技術(shù)團隊就越抓狂——仿佛自己身處一個深不見底的巨坑里。。。

手寫體的難度不只在于潦草，更在于你要理解手寫信息的復(fù)雜含義。 比如訪客登記的時候，上面那個人在性別那欄填了“男”，你填表的時候，就在下面打兩個點，表示“同上”。人類很容易理解的事情，人工智能就想不通。 再比如我們寫好了一段話，突然想在兩句之間新插入一句，就會打一個插入符號，然后把新的字寫在縫隙里。這種意思AI就很難理解。

黃銳華解釋。

地獄級的情況還在后面——手寫字和印刷字同時出現(xiàn)在一張紙上。。。

舉幾個栗子：

比如，我在一個填空題上寫了“一”，但在人工智能看來，這個“一”是一橫，下面的橫杠也是一橫，這不就是“二”么？

再比如，我在方格本里寫了“女人”，人工智能肯定會質(zhì)問你，這TM不是“囡囚”是什么？

亂世須用重典，難題得上狠活。為了解決這個問題，老師傅一股腦派了三個 AI 出戰(zhàn)：

首先，訓(xùn)練一個AI，它不負(fù)責(zé)識別文字，只用來分辨哪一筆是手寫的，哪一筆是印刷的。 然后，是正常的 AI 文字識別。由于剛才已經(jīng)盡可能把兩種筆畫分開，此時識別準(zhǔn)確率會大大提高。 最后，再派一個 AI 結(jié)合上下文讀一讀通不通順。比如，“美好的一天“明顯就比“美好的二天”更通順；“她是個女人”，就比“她是個囡囚”更對嘛。。。

總之，兩個月后，黃銳華在會上蛋定地展示手寫文字提取 Demo 的時候，尹毅彬嚇得一蹦：老哥，你還真弄出來了呀！

有了“印刷體”+“手寫體”這兩個文字提取，夸克掃描王才多少配得上“王”的稱號。

想想看，無論是在書上看到語句，還是在街上看到標(biāo)語，還是在插圖里看到內(nèi)嵌的文字，你都可以在朋友的注視下，從容地掏出手機，一秒鐘把文字復(fù)制出來，“咻——”地發(fā)給他，優(yōu)雅蛋定不臟手。

這感覺很酷。裝X利器不一定是一個好的生產(chǎn)力工具，但一個好的生產(chǎn)力工具，一定是個裝X利器。

手寫文字識別準(zhǔn)確率到了99%，手寫識別率到了90%，掃描王團隊以為事情已經(jīng)做到八九不離十。然鵝，他們又錯了。。。用戶就像一盒巧克力糖，你永遠(yuǎn)不知道下一個是神馬口味。

他們總能掃描“奇怪的東西”。。。

（四）去冒險吧！

你看這個：

一個公式，你猜夸克掃描王會掃出神馬效果？

有了剛才的鋪墊，你可能也成了半個專家：首先，夸克至少可以把公式當(dāng)成一個圖片來掃描（就像我現(xiàn)在把這個公式截圖插入文章一樣）；但是，它有一個更優(yōu)雅的選擇——把公式像文字那樣“提取”出來。

沒錯，這里遇到了一個比“文字提取”棘手一百倍的問題：“格式提取”。

而且，“公式”最多只是所有煩人格式里的一種。咱們隨便看一張海報，上面有圖片和文字混合排版，有各種字體，還有彎成蝦一樣的變形設(shè)計——這一切都是格式！

格式是魔鬼，反正我還記得大學(xué)時代被格式支配的恐懼。那時候?qū)懻撐模笆仔锌s進”這么一個小問題，經(jīng)常是刪一格太左，加一格太右，純純能把人逼瘋。

夸克這群人需要“降魔”。為了把一個圖片上的格式完整“扒”下來，老師傅們專門去找其他文檔團隊取經(jīng)，把一整套文字格式處理邏輯嵌入掃描王。

事情還沒完，如果你把文字和圖像混合在一起排版，噩夢直接翻十倍。

咱們還以掃描那張海報為例，靈魂拷問一個接一個：

難題一：哪里是圖案，哪里是文字？

海報的排版是放飛自我的。各種顏色的裝飾、斑點還有文字、字母、數(shù)字都摻雜在一起。

很多時候就連視力1.5的人都得仔細(xì)分辨哪個是“逗號”哪個是“底色里的裝飾黑點”。

難題二：到底是海報斜，還是圖案偏？

人眼有誤差，很難把海報拍得周正，總會有多多少少的偏角。這個時候系統(tǒng)理應(yīng)把海報轉(zhuǎn)正。

可問題來了，假如海報上有一個藝術(shù)字，字體就是斜體的。那么，怎么判斷是“因為海報 斜了這個字才斜了” 還是 “海報沒那么斜這個字本來就是斜的” ？！

難題三：到底是圖案還是瑕疵？

有些海報很大，展開之后會有折痕。那請問，如何判斷一條線是海報上的圖案設(shè)計，應(yīng)該保留，還是無用的折痕，需要抹除？

難題四：背景如何補足？

海報掃描出來是帶有格式的，這也就意味著你可以修改海報上的字。

可海報不再是 PS 文件，所有圖層都已經(jīng)融成一體。如果你刪掉了一個字，它下面就會露出一片恐怖的空白啊！應(yīng)該用什么顏色、圖案來填充呢？

這里面隨便一個問題都是業(yè)界難題，但黃銳華挽起袖子，勞資不上秋名山，你們真當(dāng)我是賣豆腐的！

比如“折痕”和“圖案”，從三米開外可能看起來一樣，但是如果放大端詳，一定能找出二者區(qū)別。算法需要做的改進就是“精細(xì)”。但做這么精細(xì)的微操，就代表云端 AI 要計算更多的數(shù)據(jù)，耗費更多的計算力。

比如“背景補足”，其實現(xiàn)在最先進的AI算法是可以根據(jù)周圍的信息把中間的空白補充得以假亂真的。問題還在于“數(shù)據(jù)量”和“計算力”，只有在云端猛堆機器，才能把這個活兒干漂亮。

AI 的殿堂歡迎技術(shù)流，但更歡迎人民幣玩家。

黃銳華告訴我，為了挑戰(zhàn)極限，他們已經(jīng)卷瘋了，2022年整個夸克云端的AI計算力已經(jīng)升級成最新一代的 GPU，上面跑的算法基本每個月都有升級更新。

此時此刻，雖然海報的掃描效果還沒達到他心中的完美境界，但相比世界范圍內(nèi)的同類產(chǎn)品，他還是可以拍胸脯的。

我?guī)湍阍嚵艘幌???

我們的用戶對排版接受很高的。從會員付費情況就能知道，大家愿意為好的效果買單。

黃銳華不客氣。

說回我們的故事。從2022年開始，夸克掃描王突然進入了一個有趣的螺旋：能掃描的東西越奇怪，就有越多人用；越多人用，這群人就會去掃描更奇怪的東西。

正所謂，浪大了不知道催上來什么海鮮。

最近，通過各種渠道，老師傅開始看到有人拍歌單，有人拍樂譜，有人拍少數(shù)民族的文字，還有人拍一堆源代碼。

?雖然他們沒說，但用戶肯定不會做無意義的動作。

黃銳華說。

于是，掃描王團隊開始思考一些瘋狂的事情。比如，能不能內(nèi)嵌一個音樂播放引擎，讓掃描王看到五線譜就直接把音樂播放出來？比如，能不能加入一個模擬器，把看到的代碼直接運行出來？

你看，從提取文字，到提取格式，現(xiàn)在到了“提取一切”。掃描這個坑比馬里亞納海溝還深。。。

當(dāng)然，這些只是一小部分例子，各種有趣的功能每天都在討論中，受限于各種因素最終未必都做出來。但老師傅敢討論這些東西，前提是掃描的核心技術(shù)已經(jīng)到了足夠“支撐花活兒”的地步。

“就拿代碼來說，它對格式極其敏感。同樣一個位置，放兩個空格和三個空格，意義就不相同了。如果掃描不對，肯定執(zhí)行不對！”黃銳華解釋。

聊到這里，我頗有一點感慨。

用戶在拍這些奇怪的東西時，肯定沒想這么多。但實際上，遠(yuǎn)在千里之外，他們所有靠譜不靠譜的嘗試都沒有被責(zé)怪，更沒有被忽視，而是被思考，被念念不忘，被必有回響。

如果說存在“互聯(lián)網(wǎng)精神”的話，恐怕這就是互聯(lián)網(wǎng)精神的重要部分。

我在2020年曾經(jīng)和夸克的小伙伴們聊過一次（參考 ），那個時候，我感覺夸克的用戶中學(xué)生比例極高——就是那些整日做題、搜題，純純的人生新手。

但如今看夸克掃描王的用戶，已經(jīng)大有不同。

他們之中可能有公司的人事經(jīng)理，需要經(jīng)常整理人員信息，備份合同；可能有工程師，需要掃描圖紙增改設(shè)計；可能有“包租婆”，需要掃描一份舊的租房合同，修改一下信息重新打印。

這張圖里有房屋租賃交割單、企業(yè)詢證函和材料計劃表。

這些用戶顯然已經(jīng)走出了人生的新手村，正在各自的戰(zhàn)場跟怪獸搏斗。

在我看來這是一個有愛的變化。

我試著想象這件事是怎么發(fā)生的：也許是在學(xué)生時代就用夸克的人長大了，他們進入了五花八門的工作崗位，仍然習(xí)慣依靠夸克解決問題；也許是一些“老人”被年輕人安利“夸克yyds”，然后入坑。也有可能是兩種情況兼而有之。

但這一切之所以發(fā)生，恐怕是因為在一段不短的日子里，夸克沒讓他們失望。

大多數(shù)時候，“維護信任”比“建立信任”更難。因為你要在漫長的歲月里時時審視自己——不僅審視自己的善，更要審視自己可能的惡。

（五）兄弟，信我！

在夸克日常收到的反饋里，有律師說他用夸克掃描裁判文書，也有公司財務(wù)說她會掃描經(jīng)營數(shù)據(jù)。

看到這，你也許會有點隱隱的不舒服。

沒錯，大膽說出來——這些數(shù)據(jù)涉及隱私，用夸克掃描王時，數(shù)據(jù)經(jīng)過云端會不會有問題？

這件事兒引發(fā)的大討論，居然沒有首先發(fā)生在夸克的用戶群里，而是在夸克團隊內(nèi)部。

為了使后面的討論基于事實，這里必須得強調(diào)，夸克團隊的任何人都不能查看用戶上傳的圖片，也不能以任何形式泄漏用戶上傳的數(shù)據(jù)，約束他們的不只有自我道德，更有法律條文。

但你吃了幾碗粉，不是你說了算。世界的運行，也不能靠賭咒發(fā)誓。

比如，有很多公司，在規(guī)章制度里就寫明，禁止內(nèi)部數(shù)據(jù)上傳互聯(lián)網(wǎng)，不管會不會引發(fā)問題，反正不允許上傳；還有很多特殊的工作環(huán)境，本身就帶有信號屏蔽，這種情況下，就算讓你用都沒辦法用。

意識到這些問題以后，夸克這群人決定緊急上線一個“補丁”——離線掃描。

你還記得一開始我們說的掃描三步走嗎？1、本地裁剪；2、云端處理；3、發(fā)回本地導(dǎo)出文件。

所謂離線掃描，就是把第2步本該在云端完成的一切（去瑕疵、去手寫、文字提取、格式提取等等）統(tǒng)統(tǒng)都塞在手機里完成。數(shù)據(jù)從頭到尾都不出手機，自然不會有隱私泄露的問題。

這種“不出手機”是可驗證的——你可以關(guān)掉網(wǎng)絡(luò)，拔掉手機卡，進入信號屏蔽室，whatever，只要手機有電，夸克掃描王就能工作。

可是，這個目標(biāo)會引發(fā)一個巨大的技術(shù)問題：

算法團隊剛剛使出吃奶的勁兒，把云端的計算力飆到最高，把算法卷到最新，才把掃描效果做到極致�，F(xiàn)在你端著手機告訴他，忘掉你們那可愛性感一望無際的小云朵吧，這個小盒才是算法的家啊。。。

然而，暴躁老師傅黃銳華沒有掀桌子。相反，他非常支持。

他支持到了從本就人手不富裕的團隊里分出一個小分隊，專門做“離線算法”的程度。

把算法塞進手機，難度堪比把大象裝冰箱，嚴(yán)格來說比把大象裝冰箱更難，因為云端算法比手機里的算法大100倍。而世界上沒有任何一個東西壓縮100倍之后還能保持原有的功能——這意味著大多數(shù)算法必須重寫。

老師傅沒日沒夜地飆車，終于，2020年8月“離線掃描”重磅上線，用1%的模型大小，實現(xiàn)了云端90%的水平。

從一個角度看，離線掃描的水平非常驚艷，但從另一個角度看，它卻是一個“性價比非常差”的功能。

比如，它上線之后，被調(diào)用的數(shù)量并不多——因為絕大多數(shù)情況下用戶掃描的都不是敏感信息，不會開啟離線模式。

比如，派一個專門的團隊來持續(xù)維護離線算法非常不經(jīng)濟——相當(dāng)于一輛車同時有兩部引擎運轉(zhuǎn)，開銷巨大。

而且，還有一個非常難受的問題：在大多數(shù)用戶的注意力沒有放在隱私風(fēng)險的時候，主動推出離線掃描，反而讓他們覺得怪異，有引火上身的風(fēng)險。就像我忽然對你說：你猜我的褲子拉鏈有沒有拉上？哈哈，拉上啦！

但尹毅彬說，他們不這樣看問題。

“一個功能好不好，不能純粹用數(shù)據(jù)來衡量。說得不客氣一些，數(shù)據(jù)是會騙人的，有時你必須更相信自己的腦袋。”他說。

“但成本上總會有壓力吧？”我問。

“當(dāng)然有壓力。壓力歸壓力，正確的事歸正確的事�！彼f，“況且，正確的事情早晚會帶來數(shù)據(jù)的回報��！不用擔(dān)心，長期來看我們并不虧�！�

講真，每個年輕人長大的過程中，生活都會或早或晚給他上一堂必修課，那就是：當(dāng)越來越多人依賴你的時候，你身上就憑空出現(xiàn)了一種叫做責(zé)任的東西。而責(zé)任就是責(zé)任，它不會因為你不想負(fù)責(zé)任而變成別人的責(zé)任。

這是一個既簡單又難的道理。簡單到人人都能理解，卻難到極少有人能夠做到。

話說回來，性價比很高的事情，總共就那么三五件，智商正常的人都在做。真正把人和人、產(chǎn)品和產(chǎn)品區(qū)別開的，不就是誰做了更多性價比不那么高，但正確的事情么？

倒不能說夸克已經(jīng)是楷模，我的意思是他們努力的方向還挺性感的。

（六）我們各自還有一生的奇跡

王淮是一個對未來充滿想象的人。他具體在做的事情雖然只是一個夸克客戶端，但他卻相信，手機背后這幾顆小小的攝像頭里有關(guān)于未來的隱喻。

我們基于攝像頭做了很多不同的事情，但這背后有一條主線任務(wù)—— “理解世界” 。 比如我們最早做的萬物識別，是理解鏡頭里的物品；現(xiàn)在我們做的掃描王，是理解一個平面上的信息。 如果向未來看，我們可以讓鏡頭對準(zhǔn)一切，比如你的視野里是街景，屏幕上就會把這個建筑的名字標(biāo)注出來；比如你的視野里是一本書，就會把作者年代書評等等信息顯示出來，英文書也可以實時翻譯成中文。 在我的個人觀點里，基于相機的工具的終極形態(tài)，應(yīng)該是一個AR（增強現(xiàn)實）助手。

他說。

我在網(wǎng)上找到了一些AR未來應(yīng)用的片段 ???

我回味了一下他的描述，腦海里突然出現(xiàn)了一個奇怪的場景：

我是一個上班第一天的戰(zhàn)五渣，緊張到臉盲，連隔壁同事叫什么都忘了，這個時候，打開AR眼鏡上的掃描王，對方的名片，還有我們認(rèn)識的時間地點，曾經(jīng)交談過的內(nèi)容，都出現(xiàn)在眼球幾厘米開外的小屏幕上，簡直是社恐救星。

就在我盯著屏幕認(rèn)真研究對面這個人是誰的時候，驚奇地發(fā)現(xiàn)他也在斜眼看自己的屏幕，奮力找出我是誰。。。

這個場景等同于：一個游戲新手，正瑟瑟發(fā)抖站在曠野上，突然從天上掉下來一把滿級神刀，拿起來剛想大殺四方，發(fā)現(xiàn)身邊所有的對手也都瞬間添置了一模一樣的刀。。。

如今每個人都能坐在鐵鳥的肚子里飛到全世界任何一個地方，每個人能用帶芯片的板磚跟天邊的朋友通話，你并不會驚奇。因為當(dāng)每個人都有神刀的時候，每個人就都沒有了神刀。

科技讓我們平等地進步，平等到?jīng)]人大驚小怪。

如果真有什么是神奇的，在我看來，是夸克團隊和他們的用戶，這兩群年輕人一直在隔空“陪伴”。

當(dāng)年輕人上路，口袋里揣著一個精靈球，雖然牛鬼蛇神在前路夾道歡迎，但他們無比確信，在云端有一群和自己一樣逗比又好奇又不愿輕易認(rèn)輸?shù)膹娖劝Y、老司機、好哥們，在沒日沒夜地絞盡腦汁幫自己改進精靈球，心里也許會稍稍安慰。

相信老哥我，以我三十多年對這個操蛋的世界的理解，哪怕是這種稍稍的安慰，都是人生中不可多得的珍貴情感。

能帶著情誼和一群朋友一起變大，變老，從戰(zhàn)五渣變成“老戰(zhàn)五渣”，反復(fù)吐槽那些只有你們之間才懂的爛梗，恐怕無需遠(yuǎn)求，人間至味是此清歡。

雖然你我終將老去，但總有人正年輕。

有一件事我們無比確信：在世界的角落里，永遠(yuǎn)有18歲的少年，他們在新手村口最后回望，然后扶一扶劍柄，決絕地走向荒野。

也許這時，BGM還會響起那首老歌：你要去哪里，我去哪里，我也不在意。以后我們各自還有一生的奇跡。

干翻寶可夢

先有精靈球

再自我介紹一下吧。我叫史中，是一個傾心故事的科技記者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。

哦對了，如果喜歡文章，請別吝惜你的“在看”或“分享”。讓有趣的靈魂有機會相遇，會是一件很美好的事情。

Thx with in Beijing