夸克“凶猛”：一场手机镜头背后的狂野冒险

浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。

夸克“凶猛”：一场手机镜头背后的狂野冒险

文 | 史中

李逍遥出生的村子叫什么你知道吗？

我知道，叫盛渔村，地处杭州余杭县，位置偏僻，但风景秀丽。。。

我为啥记得这么清楚呢？

因为10岁那年我第一次玩《仙剑奇侠传》的时候，剧情刚刚展开，看着热情的村民，听着温情的 BGM，我突然有奇怪的想法：为啥我李逍遥不能一辈子怂在家乡耍木剑采野果，非得去外面被妖怪毒打呢？

但是转念一想，不遇到妖怪，也不会遇到赵灵儿。

想到这里，DNA 动了，明知山有虎偏向釜山行，我就这样走出了新手村。

好吧，咱们未必玩过一样的游戏，但咱们都过着同样操蛋的人生。你我都有（不得不）从新手村出发的那一天，面对天书一样的试卷时，面对老板“今晚就要”的死线时，都会幻想：如果天上能掉下来一把神刀，一刀999级，该有多好。。。

今天，中哥就给你讲一个“神刀”的故事。

（一）“战五渣”和扫描王

“放假前刚发的卷子，我家小孩就找不到了！我还得在家长群里求着同学妈妈把试卷拍给我，打印出来让孩子做。但人家孩子已经写了答案，我只能用纸条挡住答案去复印。。。”

这是一个两年前发在妈妈帮论坛上的帖子。

如此不能打的剧情，却引来了不合时宜的共鸣，上百个家长回复说：啊！我以为只有我家孩子是这样。。。

看来，身边潜伏的渣渣不止一个啊。

吃瓜群众中潜伏着一个人，戴着眼镜，自己就接近学生模样，按道理都不应该知道这世界上有妈妈帮这样“戾气深重”的网站。

这个人就是尹毅彬。

尹毅彬

尹毅彬是夸克App的产品经理，之所以要逛家长论坛，是因为他负责的正是当时大火的“学习版块”。

他同时也是个暖男。“怎么能让妈妈们受这样的苦呢？”于是赶紧把这个发现讲给伙伴。

一个月后，夸克App里添加了一个小功能——试卷去手写——拿一张卷子来，能自动把里面的手写字去掉；不仅如此，还能把卷子角度自动转正，把纸变白，把字变清晰，打印出来比原版的还原版，隔壁学霸都馋哭了。。。

就是这个效果⇩⇩⇩

别看就是这么一个不起眼的功能，受欢迎程度却难以言表，后台调用量像火箭直入云霄。

以防有的浅友不熟悉夸克，这里中哥强势插入一下，多介绍几句背景姿势：

很多人觉得夸克是个搜索 App，但是在年轻用户心里，搜索只是夸克“功能大餐”中的一道菜，他们还能用夸克看小说、看电影、拍图识万物、文档翻译、简历生成、自拍证件照、PDF转Word、截长图、转gif、挂号买药、学菜谱查快递。。。

我觉得，夸克的梦想是成为大家手机里的“瑞士军刀”——没车没房没女票这种大事解决不了，但遇到蹩脚的小困难，掏出来一准儿能搞定。

给你们看一下夸克工具的列表⇩⇩⇩

为了达成这个目标，不只是尹毅彬，夸克团队每个人都患上了“需求搜集癖”。。。

他们就像八爪鱼：产品经理做调研，技术老师傅看数据，运营小姐姐接客诉，反正有各种渠道和用户沟通。用户想要啥，分分钟就能传递到夸克团队，没准新功能几个星期就做出来了，有一种“被宠溺”的感觉。

讲真，在今天的世界，能够和用户混成这种好兄弟（好姐妹）的互联网产品都已经不多了呀。

不过这也好理解，因为夸克团队和他们的用户一样年轻，几乎一水的90后。其中最小的一位生于澳门回归的1999年。毕竟中国人不骗中国人，年轻人不坑年轻人嘛。

好，认识了这群头发尚且浓密的年轻人，我们回到主线剧情。

搞出“试卷去手写”，无数小朋友可以骂骂咧咧开开心心去写作业了，但这只是故事的《序章》。

夸克这群年轻人像胡八一那样提鼻子一闻，忽然感觉自己站在一座“尚未完全被开发”的宝藏大门前，这座宝藏就叫——扫描。

之所以说尚未完全开发，是因为扫描这座宝藏早已被人发现，市面上也早有一些扫描产品。

只是夸克这群人觉得前人挖掘得不细心，或者说勘探技术不到位，就拿“试卷去手写”这样的具体任务来说，在他们之前就没人做得这么精细嘛。。。

于是，一场内部讨论展开：如果做一个市面上最好的把“纸质文件”扫描成“数字文档”的扫描工具，谁赞成？谁反对？

团队那位99年的同学赶紧举手：

我上大学那时候，哦，也就是去年，就特别想要一个这样的工具。因为老师讲课的PPT翻得太快，我只能用相机一张张拍下来，再用 iPhone 的备忘录功能整理起来。虽然四舍五入能用，但是像我这么社恐的人，坐在教室最边上，拍出来的照片都是梯形。。。

话音未落，另一个同学插话：

我表哥在投资公司工作，我记得他吐槽，说每天都得把各种纸质文件、单据神马的扫描归档，扫描仪难用的一比。

恰在此时，探马回报，在北京、广州、秦皇岛等等城市的用户调研里，很多夸克的主力用户——老师和学生——也都吐了这个槽：学知识最好是举一反三，得把错题抄下来反复练嘛。但除非爱好书法，谁能耐下心来手抄那么多错题呢？

而且，人类都已经进入赛博朋克纪元了，把这么多时间用来物理抄题，也太 old school 了吧？能有个顺手且强大的手机扫描工具多好啊！

正所谓，工欲善其事必先利其器。你让哈利波特去削伏地魔，不得先给他个扫帚么？你让小智干翻全世界的宝可梦，不得先给他个精灵球吗？你让你家小孩考清华，不得先给他个“扫描王”么？

夸克扫描王产品负责人夏雅瞳小姐姐一拍桌子：决定了！咱们就帮大伙儿把“扫描王”做得更好用！

小智，你扪心自问，如果把精灵球改成三室一厅总统套房，皮卡丘能不愿意进来么？

（二）高清无码大图，get✓

说到扫描，咱们小时候见的扫描都是那样的：把纸质文件按在一个扫描仪上，然后“呲——”，电脑上就显示出了一模一样的图片。

那个操作叫“光学扫描”，实际上，那已经是老黄历了。

听中哥给你科普，现在的扫描比女生化妆还厉害：

第一步、拍图片

用手机给文件拍一张素颜照，App会自动帮你裁剪，摆正角度，去掉无用信息，相当于打了个遮瑕粉底，然后把图片上传云端。

第二步、修图片

云端算力充沛，AI 能识别出文件上的瑕疵（例如纸上的脏点、水印、手写痕迹），把它们都去掉；再识别出有用的文字，把它们加深，变得更清晰。相当于眼线红唇化个全妆。

第三步、导图片

云端把这张图片传回给手机里的 App，App 帮你导出定妆照，也就是扫描结果的图片。

完美结束，撒花出街。

这样三步下来，比光学扫描的“素面朝天”那简直高到不知哪里去了。

不过，欲戴王冠必承其重，这个“美颜之旅”比大多数人想得难多了。

怎么个难法呢？咱们先请上夸克团队的第一位现身说法的选手，他就是王淮。王淮在夸克App的研发团队，负责我们刚才说的“第一步”。

王淮

王淮是个“强迫症”，一幅画挂歪1度都能看出来那种。但做 App 客户端恰恰需要这种细致的精神。

刚接到任务，一个不是问题的问题就挡在面前——该用什么拍照方式？

你肯定没有注意过，摄像头获取图片其实是有两种方式的：

一种是速度快但画质感人的——就是进入摄像模式，从流动的画面里截取一帧凑合能看的。
一种是画质好但速度感人的——就是进入拍照模式，老老实实对焦，调整光圈快门，拍一张照。

王淮玩得比较遛的是第一种“视频截图”。因为他们之前做的“万物识别”功能，就在用这种方式。

为啥呢？因为那些图片是用来做“分类”的——比如你拍了一只狗，即便是模糊的狗，相比于猫，AI 也会觉得它也更像狗——所以不用清楚，拍得快才是王道。

可是扫描就不同了，它的终极目标不是分类，而是清晰呈现这张照片里的每一个细节。

没办法，王淮只能老老实实选择“拍照模式”。可这样一来，体验就不太流畅，他又和一群强迫症事们做了10086个优化。

接下来可以拍照了吧！王淮把自己手机翻过来一看，卧槽？！怎么这么多摄像头？

第二个问题又迎面扑来——该用哪个摄像头？

废什么话？随便选一个不就行了吗？

“不行。我们试了一下，长焦镜头一般光圈大，拍出来的照片景深小，这样用户如果拍摄角度倾斜，就会造成一半清晰，一半虚焦。。。广角镜头一般光圈小，能拍清楚。但如果镜头视野太宽，纸张占画面的比例又比较小，有效像素不够多。。。”

王淮解释。

就像这样⇩⇩⇩

他们最后写了一套规则，让夸克 App 在手机里现场“唐伯虎点秋香”，找出最适合做扫描的那颗摄像头。

可实战中到底能不能选准秋香，王淮心里有点嘀咕。。。他又请测试团队的同学真的用不同型号手机拍了几千张照片，把每一个机型都调优了一遍才罢休。

这下可以拍照了吧？还不行。。。

夸克的用户数以亿计，你永远想象不到大家在拍照片的时候是在九天揽月还是在五洋捉鳖。

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怀疑人生；有的人是暗夜骑士，拍东西祖传不开灯。

于是第三个问题来了——怎么保证拍照清晰？

王淮他们在拍照界面加了提醒——探测到画面光线不足，就提示开灯；还加了网格线——眼残的可以参考网格拍得横平竖直；还做了一个实时对焦模块——哪怕用户冷不丁地按下拍照，也能保证尽量清晰。

看到这儿，有老哥可能会问：这都是什么鸡毛蒜皮的小事啊？

其实我是故意选择这些琐碎细节讲给你听的。因为你懂的，面对这些细节都能如此“强迫症”的人，是很难在图像裁剪、图像压缩、图片上传链路这类更严肃的事情上偷工减料的。

“咻——”，随着图片传上云端，沉甸甸的接力棒也交到了第二位选手，云端算法工程师黄锐华手上。

黄锐华

黄锐华是个技术控老司机。他的驾驶风格是：“我前面不能有车”。

凡是遇到什么技术困难，他不睡觉也得把全世界的解法都找来，然后不允许任何一个解法比自己更好。。。

开发过程中，看着手机端传上来的图片，黄锐华皱皱眉头：喂，这图片怎么有好多都是“S身材”啊？？

你想想看，一张纸，如果能够平平展展让你拍照，那是烧高香的情况。大多数情况，咱们打开书拍某一页，书页肯定是弯折的，而且越靠近书脊，弯折程度越大，就像霍金的黑洞。。。

黄锐华当时就暴躁了，一张纸这么“性感”，很影响扫描效果的好不好？！

接下来的问题就是——怎么把S形书页给拉直？

其实方法就是借助人工智能，让 AI 对着弯折的书页“YY”它平展的时候应该是什么样。
可问题是，要想让人工智能学会这个技能，先得给它学习资料——同一张纸弯折时和平展时的“对比数据”。这个数据还不能只有一两组，得成千上万组才行。

黄锐华给我解释。

虽然但是，从哪去找这么多书页弯折的数据呢？这数据又不是可乐，街边随便找家店就有卖。。。而且也来不及自己一张张拍啊，等你拍完，等着扫描书页的大学生都该领退休金了。。。

一个平时喜欢玩游戏的同学若有所思：诶，3A游戏大作不都会用到物理引擎么？

一语点醒梦中人，黄锐华组织大家搞了好几本书的3D模型，然后用游戏物理引擎对它进行各种“蹂躏”，这不一下子就有了丰富的训练数据吗？

这么一搞，效果拔群。

看着 AI 书页拉直的效果越来越棒，黄锐华仰天长啸：果然，不会3D建模的AI工程师不是好司机啊！

搞完这些，已经是2021年春天。

丑媳妇总得见公婆，“夸克扫描王”终于发布了。

春江水暖鸭先知，夸克新功能铁杆粉丝先知——说时迟那时快，在夸克的粉丝群里，已经有眼尖的人发现了扫描王。

夸克团队搬好小板凳排排坐，等着夸奖砸来，不过，夸奖没等来，却等来了板儿砖。

“欸我这个扫描出来怎么是花的啊？”有粉丝问。

黄锐华一看粉丝发来的“证据”，居然是对着电脑屏幕拍的，上面都是摩尔纹。。。

“欸我这个卷子怎么扫描之后还能看出背面的字啊？”

黄锐华一问，才知道这哥们的卷子太薄，简直是蕾丝半透款，背面的字毫无压力地透了过来。。。

“欸我这扫描出来怎么还带手指头啊？”

黄锐华一看，原来这哥们是拿手举着一本书扫描的，手指头也拍进去了，AI 以为是书上的插图呢，给强势保留了。。。

“这好办，你告诉他们拍照的时候别用手扶着不就行了？”我提议。

“用户用手扶，一定有他不得不扶的道理。我们既然要做全世界最好的扫描工具，就不可能让用户来适应我们。”黄锐华一脸慷慨。

本着“做最牛X的扫描工具”的原则，老师傅们继续返工：优化了人工智能算法，让它更好地识别出背面透字；还教会了 AI 识别边缘乱入的手指头，自动擦除；还研究了去摩尔纹的滤镜。

注意，刚才提到的各种滤镜是一层层“叠buff”的。

比如，上一层去摩尔纹的输出结果是下一层去边缘手指的输入资料；去手指的输出结果又是下一层去背面透字的输入资料。

这很像杂技演员踩着高跷，头上顶着水缸，手里扔着12个鸡蛋，腰上还转着5个呼啦圈——但凡中间任何一个环节出问题，整个杂技都会垮掉。

做扫描难，就难在了这儿。

耿直的夸克用户是一面明镜，不满意会吐槽，满意会真夸。经过了几次改进，夸克粉丝群里逆风翻盘，变成夸夸群。

尹毅彬现在还记得，有一个用户专门跑来说：“我从来没用过这么好的扫描产品，扫出来真白，就跟新买的书一样！”

不过彼时沾沾自喜的扫描王团队，就像刚出长安的唐长老，还不知道有一群妖怪正围着餐巾等着他们呢。

那天，运营小姐姐找到尹毅彬，跟他提到了一个用户投诉。

那个用户留言说：“用夸克扫描出来的文件，我没法用！”

“扫得这么白，怎么没法用？”尹毅彬一边嘀咕，一边决定跟那个投诉用户直接打个电话。

他恍然大悟，原来这个用户在扫描一份鉴定报告，在报告的下面，专门铺了签发机构的防伪水印。可是在AI看来，水印这种脏东西不是要去掉的么？一秒钟擦得干干净净，对用户说：快夸我！

用户说：我谢谢你啊！

无独有偶，另一个用户反馈也前后脚进来：他想扫描一个发票，用于报销。可是夸克扫描王扫出来的发票过于白嫩，而且经过“清晰度补足”的滤镜，红章就会变得暗淡，打眼看上去就像是街角买的假票。。。那哥们都不敢提交报销了。。。

原来，“一白遮百丑”也不总是真理。

一个巨大的哲学问题摆在夸克扫描王团队面前：当“真”和“美”坐在跷跷板的两端，到底要怎么选？

就和生活一样，没有人永远需要真实，也没人永远需要漂亮。所以我们的结论是，你要去了解用户在扫描那一刻的真实意图，才能更准确地服务他。

尹毅彬解释。

于是，在随后的升级里，夸克扫描王加入了一道“自动识别逻辑”：判断这是个单据，就以“真实呈现”为主；判断这是个文件，就以“黑白分明”为主。

这个思考影响深远。

从这件事以后，夸克团队就像搞了个高音喇叭放在耳边，时刻在喊：“你们确定真的了解用户想干嘛吗？R U F**KING SURE？！”

“警钟长鸣”之下，他们有了惊奇的发现——当用户扫描的时候，有时并不想“扫描”。

（三）当你扫描的时候，你在“扫描”什么？

“在我们的一生中，遇到爱，遇到性，都不稀罕，稀罕的是遇到了解。”这是廖一梅在话剧《柔软》里写下的台词。

这句话恰好完美隐喻了互联网产品的难处。

在真实世界里，哪怕你和最要好的朋友对面长谈，都无法完全理解Ta的意图；更别提在赛博世界里，提供服务的系统和用户相隔万里，只能通过用户令人费解的行为碎片来“猜”。

我问你，当一个用户扫描了电脑屏幕上的一串快递单号，Ta 想干嘛？

我再问你，当一个用户没有调用摄像头，而是去相册里调取了一张写着名言警句的图片进入扫描王，Ta 想干嘛？

有没有一种可能，此时他们并不是想“扫描”，而是想把照片里的文字提取出来，复制到别的地方用？

有可能是，也可能不是。。。

2021年夏天，夸克这群年轻人就带着这种狐疑上线了“文字提取”功能。

这个操作效果炸裂。

从激增的后台调用量看，用户仿佛在说：这么牛X的功能，搞么子现在才上？

为啥大家对文字提取这么情有独钟？我还真琢磨了一下。

看看我们自己的大脑就知道了，人类的右脑负责形象思维，左脑负责逻辑思维。长期的进化让大脑产生了这样的左右分工，那必然是因为这样比“左右脑一团浆糊”更好。

好处是啥呢？省能量。

语言文字属于逻辑思维——可以用“抽象的信息”反应“具象的世界”——而抽象的信息真的很省地方。

你看，说“苹果”两个字只需要半秒，把这两个字写出来也只需要两秒，可画出一个苹果恐怕需要一分钟。遇到手笨的，画一个苹果恨不得消耗两个苹果的卡路里。。。

所以，“文字提取”功能的本质是把一张“图像”里的“逻辑信息”（而非视觉信息）提取出来，复制、粘贴、修改、搜索随你大小便——大大降低信息处理的成本。

在原有的视觉工具旁边直接加了一个逻辑工具，冲锋枪+迫击炮，买一送一，肯定受欢迎嘛！

（我替你们体验了一下文字提取，原谅我此时身处宾馆，能找到的纸不多。。。）

尝到“提取”功能的甜头之后，夸克这群“摸金校尉”如同找到了扫描领域的新一道暗门，向幽深的秘境又挺进一层。。。

尹毅彬回忆，那天产品团队在整理用户反馈时，又发现一个奇怪的案例。

这个用户反馈了一张手写的购物单，上面写着：菠菜XX元，买了XX斤；白菜XX元，买了XX斤，诸如此类。

用户的诉求是：我拍了这个购物单，你们能不能给我转成 Excel 表格？

原来，他是一个饭店的采购员，每天进货，月底盘点，得把30天的数据金额加总。过去手写数字加总，得鼓捣半小时，还不一定算对。如果能有工具把手账变成 Excel，那妥妥从石器时代直接进入工业革命啊！

尹毅彬一看，有道理！他去找技术老师傅，有点心虚地问：手写字，能提取出来么？

黄锐华呵了一下：可以试试。

其实，这个技术黄锐华团队并没那么陌生。在两年前夸克的“学习”模块里，就实现了一个小功能：把学生手写的答案转换为印刷体。

但注意，这两者的难度是不同的。

一个学生写题，他的目的是让判卷的老师看懂，潦草程度是有下限的。

比如这样：

一个人写采购单，就是为了记账给自己看，那潦草程度是没有下限的呀！

比如这样：

简而言之，之前给搜题做的那套手写识别技术根本拿不出手，必须加大数据剂量，重新训练。

不过，这次黄锐华遇到了强劲对手。越深入训练，技术团队就越抓狂——仿佛自己身处一个深不见底的巨坑里。。。

手写体的难度不只在于潦草，更在于你要理解手写信息的复杂含义。
比如访客登记的时候，上面那个人在性别那栏填了“男”，你填表的时候，就在下面打两个点，表示“同上”。人类很容易理解的事情，人工智能就想不通。
再比如我们写好了一段话，突然想在两句之间新插入一句，就会打一个插入符号，然后把新的字写在缝隙里。这种意思AI就很难理解。

黄锐华解释。

地狱级的情况还在后面——手写字和印刷字同时出现在一张纸上。。。

举几个栗子：

比如，我在一个填空题上写了“一”，但在人工智能看来，这个“一”是一横，下面的横杠也是一横，这不就是“二”么？

再比如，我在方格本里写了“女人”，人工智能肯定会质问你，这TM不是“囡囚”是什么？

乱世须用重典，难题得上狠活。为了解决这个问题，老师傅一股脑派了三个 AI 出战：

首先，训练一个AI，它不负责识别文字，只用来分辨哪一笔是手写的，哪一笔是印刷的。
然后，是正常的 AI 文字识别。由于刚才已经尽可能把两种笔画分开，此时识别准确率会大大提高。
最后，再派一个 AI 结合上下文读一读通不通顺。比如，“美好的一天“明显就比“美好的二天”更通顺；“她是个女人”，就比“她是个囡囚”更对嘛。。。

总之，两个月后，黄锐华在会上蛋定地展示手写文字提取 Demo 的时候，尹毅彬吓得一蹦：老哥，你还真弄出来了呀！

有了“印刷体”+“手写体”这两个文字提取，夸克扫描王才多少配得上“王”的称号。

想想看，无论是在书上看到语句，还是在街上看到标语，还是在插图里看到内嵌的文字，你都可以在朋友的注视下，从容地掏出手机，一秒钟把文字复制出来，“咻——”地发给他，优雅蛋定不脏手。

这感觉很酷。装X利器不一定是一个好的生产力工具，但一个好的生产力工具，一定是个装X利器。

手写文字识别准确率到了99%，手写识别率到了90%，扫描王团队以为事情已经做到八九不离十。然鹅，他们又错了。。。用户就像一盒巧克力糖，你永远不知道下一个是神马口味。

他们总能扫描“奇怪的东西”。。。

（四）去冒险吧！

你看这个：

一个公式，你猜夸克扫描王会扫出神马效果？

有了刚才的铺垫，你可能也成了半个专家：首先，夸克至少可以把公式当成一个图片来扫描（就像我现在把这个公式截图插入文章一样）；但是，它有一个更优雅的选择——把公式像文字那样“提取”出来。

没错，这里遇到了一个比“文字提取”棘手一百倍的问题：“格式提取”。

而且，“公式”最多只是所有烦人格式里的一种。咱们随便看一张海报，上面有图片和文字混合排版，有各种字体，还有弯成虾一样的变形设计——这一切都是格式！

格式是魔鬼，反正我还记得大学时代被格式支配的恐惧。那时候写论文，“首行缩进”这么一个小问题，经常是删一格太左，加一格太右，纯纯能把人逼疯。

夸克这群人需要“降魔”。为了把一个图片上的格式完整“扒”下来，老师傅们专门去找其他文档团队取经，把一整套文字格式处理逻辑嵌入扫描王。

事情还没完，如果你把文字和图像混合在一起排版，噩梦直接翻十倍。

咱们还以扫描那张海报为例，灵魂拷问一个接一个：

难题一：哪里是图案，哪里是文字？

海报的排版是放飞自我的。各种颜色的装饰、斑点还有文字、字母、数字都掺杂在一起。

很多时候就连视力1.5的人都得仔细分辨哪个是“逗号”哪个是“底色里的装饰黑点”。

难题二：到底是海报斜，还是图案偏？

人眼有误差，很难把海报拍得周正，总会有多多少少的偏角。这个时候系统理应把海报转正。

可问题来了，假如海报上有一个艺术字，字体就是斜体的。那么，怎么判断是“因为海报斜了这个字才斜了”还是“海报没那么斜这个字本来就是斜的”？！

难题三：到底是图案还是瑕疵？

有些海报很大，展开之后会有折痕。那请问，如何判断一条线是海报上的图案设计，应该保留，还是无用的折痕，需要抹除？

难题四：背景如何补足？

海报扫描出来是带有格式的，这也就意味着你可以修改海报上的字。

可海报不再是 PS 文件，所有图层都已经融成一体。如果你删掉了一个字，它下面就会露出一片恐怖的空白啊！应该用什么颜色、图案来填充呢？

这里面随便一个问题都是业界难题，但黄锐华挽起袖子，劳资不上秋名山，你们真当我是卖豆腐的！

比如“折痕”和“图案”，从三米开外可能看起来一样，但是如果放大端详，一定能找出二者区别。算法需要做的改进就是“精细”。但做这么精细的微操，就代表云端 AI 要计算更多的数据，耗费更多的计算力。

比如“背景补足”，其实现在最先进的AI算法是可以根据周围的信息把中间的空白补充得以假乱真的。问题还在于“数据量”和“计算力”，只有在云端猛堆机器，才能把这个活儿干漂亮。

AI 的殿堂欢迎技术流，但更欢迎人民币玩家。

黄锐华告诉我，为了挑战极限，他们已经卷疯了，2022年整个夸克云端的AI计算力已经升级成最新一代的 GPU，上面跑的算法基本每个月都有升级更新。

此时此刻，虽然海报的扫描效果还没达到他心中的完美境界，但相比世界范围内的同类产品，他还是可以拍胸脯的。

我帮你试了一下⇩⇩⇩

我们的用户对排版接受很高的。从会员付费情况就能知道，大家愿意为好的效果买单。

黄锐华不客气。

说回我们的故事。从2022年开始，夸克扫描王突然进入了一个有趣的螺旋：能扫描的东西越奇怪，就有越多人用；越多人用，这群人就会去扫描更奇怪的东西。

正所谓，浪大了不知道催上来什么海鲜。

最近，通过各种渠道，老师傅开始看到有人拍歌单，有人拍乐谱，有人拍少数民族的文字，还有人拍一堆源代码。

虽然他们没说，但用户肯定不会做无意义的动作。

黄锐华说。

于是，扫描王团队开始思考一些疯狂的事情。比如，能不能内嵌一个音乐播放引擎，让扫描王看到五线谱就直接把音乐播放出来？比如，能不能加入一个模拟器，把看到的代码直接运行出来？

你看，从提取文字，到提取格式，现在到了“提取一切”。扫描这个坑比马里亚纳海沟还深。。。

当然，这些只是一小部分例子，各种有趣的功能每天都在讨论中，受限于各种因素最终未必都做出来。但老师傅敢讨论这些东西，前提是扫描的核心技术已经到了足够“支撑花活儿”的地步。

“就拿代码来说，它对格式极其敏感。同样一个位置，放两个空格和三个空格，意义就不相同了。如果扫描不对，肯定执行不对！”黄锐华解释。

聊到这里，我颇有一点感慨。

用户在拍这些奇怪的东西时，肯定没想这么多。但实际上，远在千里之外，他们所有靠谱不靠谱的尝试都没有被责怪，更没有被忽视，而是被思考，被念念不忘，被必有回响。

如果说存在“互联网精神”的话，恐怕这就是互联网精神的重要部分。

我在2020年曾经和夸克的小伙伴们聊过一次（参考《当年轻人说夸克真香的时候，他们在说什么》），那个时候，我感觉夸克的用户中学生比例极高——就是那些整日做题、搜题，纯纯的人生新手。

但如今看夸克扫描王的用户，已经大有不同。

他们之中可能有公司的人事经理，需要经常整理人员信息，备份合同；可能有工程师，需要扫描图纸增改设计；可能有“包租婆”，需要扫描一份旧的租房合同，修改一下信息重新打印。

这张图里有房屋租赁交割单、企业询证函和材料计划表。

这些用户显然已经走出了人生的新手村，正在各自的战场跟怪兽搏斗。

在我看来这是一个有爱的变化。

我试着想象这件事是怎么发生的：也许是在学生时代就用夸克的人长大了，他们进入了五花八门的工作岗位，仍然习惯依靠夸克解决问题；也许是一些“老人”被年轻人安利“夸克yyds”，然后入坑。也有可能是两种情况兼而有之。

但这一切之所以发生，恐怕是因为在一段不短的日子里，夸克没让他们失望。

大多数时候，“维护信任”比“建立信任”更难。因为你要在漫长的岁月里时时审视自己——不仅审视自己的善，更要审视自己可能的恶。

（五）兄弟，信我！

在夸克日常收到的反馈里，有律师说他用夸克扫描裁判文书，也有公司财务说她会扫描经营数据。

看到这，你也许会有点隐隐的不舒服。

没错，大胆说出来——这些数据涉及隐私，用夸克扫描王时，数据经过云端会不会有问题？

这件事儿引发的大讨论，居然没有首先发生在夸克的用户群里，而是在夸克团队内部。

为了使后面的讨论基于事实，这里必须得强调，夸克团队的任何人都不能查看用户上传的图片，也不能以任何形式泄漏用户上传的数据，约束他们的不只有自我道德，更有法律条文。

但你吃了几碗粉，不是你说了算。世界的运行，也不能靠赌咒发誓。

比如，有很多公司，在规章制度里就写明，禁止内部数据上传互联网，不管会不会引发问题，反正不允许上传；还有很多特殊的工作环境，本身就带有信号屏蔽，这种情况下，就算让你用都没办法用。

意识到这些问题以后，夸克这群人决定紧急上线一个“补丁”——离线扫描。

你还记得一开始我们说的扫描三步走吗？1、本地裁剪；2、云端处理；3、发回本地导出文件。

所谓离线扫描，就是把第2步本该在云端完成的一切（去瑕疵、去手写、文字提取、格式提取等等）统统都塞在手机里完成。数据从头到尾都不出手机，自然不会有隐私泄露的问题。

这种“不出手机”是可验证的——你可以关掉网络，拔掉手机卡，进入信号屏蔽室，whatever，只要手机有电，夸克扫描王就能工作。

可是，这个目标会引发一个巨大的技术问题：

算法团队刚刚使出吃奶的劲儿，把云端的计算力飙到最高，把算法卷到最新，才把扫描效果做到极致。现在你端着手机告诉他，忘掉你们那可爱性感一望无际的小云朵吧，这个小盒才是算法的家啊。。。

然而，暴躁老师傅黄锐华没有掀桌子。相反，他非常支持。

他支持到了从本就人手不富裕的团队里分出一个小分队，专门做“离线算法”的程度。

把算法塞进手机，难度堪比把大象装冰箱，严格来说比把大象装冰箱更难，因为云端算法比手机里的算法大100倍。而世界上没有任何一个东西压缩100倍之后还能保持原有的功能——这意味着大多数算法必须重写。

老师傅没日没夜地飙车，终于，2020年8月“离线扫描”重磅上线，用1%的模型大小，实现了云端90%的水平。

从一个角度看，离线扫描的水平非常惊艳，但从另一个角度看，它却是一个“性价比非常差”的功能。

比如，它上线之后，被调用的数量并不多——因为绝大多数情况下用户扫描的都不是敏感信息，不会开启离线模式。

比如，派一个专门的团队来持续维护离线算法非常不经济——相当于一辆车同时有两部引擎运转，开销巨大。

而且，还有一个非常难受的问题：在大多数用户的注意力没有放在隐私风险的时候，主动推出离线扫描，反而让他们觉得怪异，有引火上身的风险。就像我忽然对你说：你猜我的裤子拉链有没有拉上？哈哈，拉上啦！

但尹毅彬说，他们不这样看问题。

“一个功能好不好，不能纯粹用数据来衡量。说得不客气一些，数据是会骗人的，有时你必须更相信自己的脑袋。”他说。

“但成本上总会有压力吧？”我问。

“当然有压力。压力归压力，正确的事归正确的事。”他说，“况且，正确的事情早晚会带来数据的回报啊！不用担心，长期来看我们并不亏。”

讲真，每个年轻人长大的过程中，生活都会或早或晚给他上一堂必修课，那就是：当越来越多人依赖你的时候，你身上就凭空出现了一种叫做责任的东西。而责任就是责任，它不会因为你不想负责任而变成别人的责任。

这是一个既简单又难的道理。简单到人人都能理解，却难到极少有人能够做到。

话说回来，性价比很高的事情，总共就那么三五件，智商正常的人都在做。真正把人和人、产品和产品区别开的，不就是谁做了更多性价比不那么高，但正确的事情么？

倒不能说夸克已经是楷模，我的意思是他们努力的方向还挺性感的。

（六）我们各自还有一生的奇迹

王淮是一个对未来充满想象的人。他具体在做的事情虽然只是一个夸克客户端，但他却相信，手机背后这几颗小小的摄像头里有关于未来的隐喻。

我们基于摄像头做了很多不同的事情，但这背后有一条主线任务——“理解世界”。
比如我们最早做的万物识别，是理解镜头里的物品；现在我们做的扫描王，是理解一个平面上的信息。
如果向未来看，我们可以让镜头对准一切，比如你的视野里是街景，屏幕上就会把这个建筑的名字标注出来；比如你的视野里是一本书，就会把作者年代书评等等信息显示出来，英文书也可以实时翻译成中文。
在我的个人观点里，基于相机的工具的终极形态，应该是一个AR（增强现实）助手。

他说。

我在网上找到了一些AR未来应用的片段⇩⇩⇩