4月6日，Meta推出了AI模型Segment Anything Model(SAM，拆分所有模型)，可以根据文本指令实现图像分割，所有东西都可以一键识别和铺垫。     想必很多朋友都看过这个东西的介绍了。对于XR从业者来说，Meta的这种SAM模式是翻天覆地的，XR的发展一下子迎来了强大的核发动机。
    这一模式看似是可以被“铺垫”的，但本质上却实现了图像的透彻结构。我们说文本信息是结构化的信息，但图像是非结构化的，很多AI算法都是为了解决图像数据结构的问题。但即使经过多年的发展，人工智能也已经能够构建某些类型的图像，如数字、单词、人脸等。另一方面，Meta的SAM模型可以一次构造图像中的任何类型的对象。
那么，为什么这台SAM在XR的发展中扮演着核引擎的角色呢？
    至于XR，一是感知世界，二是感知世界中的人。但无论你如何看待，XR都需要能够理解世界上的一切，然后才能应对。但在很长一段时间里，XR一直没有有效的方式来理解他通过图像所看到的世界。
    例如，假设肖明戴着AR眼镜，拿起一根电线，走到一个插座前，用电线把它插入插座，直到肖明被活活电死。AR眼镜会对整个过程无动于衷，因为它无法通过图像识别物体，自然无法理解肖明在做什么，更不用说给肖明发送任何提醒了。
    有了SAM模型的加持，AR眼镜将能够理解手、电线和插座等物体。当肖明握着钢丝做危险动作时，AI就能通过AR眼镜向他发出危险警告。
    当然，在SAM模型的加持下，AR眼镜不仅可以帮助人们规避风险，还可以帮助人们学习做饭、开车、飞行、编织毛衣和饲养小宠物，更不用说讲授编程和视频编辑了。
    我们现在可以想象的场景肯定只是SAM应用程序的一小部分。总而言之，在SAM的力量下，XR拥有通过图像理解现实的能力。无论是《增强现实》还是《虚拟现实》，内容的制作成本都会大大降低，场景的使用量也会大大增加。SAM的出现，无异于为XR行业装上了一台核发动机，启动按钮已经按下。