IFA 開展前夕，戴森在柏林 Bolle 舉辦了今年的新品發布會。現場有句話出現了很多次——Seeing the unseen，「看見不可見之物」。
剛看到「Seeing the unseen」時，我其實沒太在意，畢竟發布會總要有個主題。但逛完現場再回頭看，CameraJet™ 在找牙縫，Nurovi™ 在找灰塵和污漬，幾款產品還真都和「看」有關。只是它們看的不是多特別的東西，反而都是日常使用中那些很細小、很容易漏掉的地方。
在當天發布會前，我採訪了戴森創始人 James Dyson 之子、戴森首席工程師 Jake Dyson。我問了兩個問題：戴森如何定義 AI 時代的智能家電？當產品開始採集環境、設備乃至口腔相關數據時，如何處理本地法規、隱私和數據安全？
Jake Dyson 的回答沒有把 AI 描述成一個面向消費者的萬能功能。相反，他把它放在兩個更具體的位置：一是研發階段，用集中、特定的數據訓練機器學習能力；二是服務階段，把產品知識與設備資訊結合起來，更快地診斷問題和回應用戶。換句話說，AI 在戴森這裡首先是一種工具，而不是產品本身。
從牙縫開始：把 AI 變成一套動作鏈
CameraJet™ 算是這次發布會上比較特別的一款新品。乍一看，最大的變化就是牙刷上多了一顆攝影機，但它並不是拿來單純「看牙齒」的。刷牙時，攝影機會尋找牙齒之間的縫隙，識別到位置後，再觸發液體噴射。戴森想做的，是把刷牙、清潔牙縫和漱口這幾件事儘量放到一次流程里完成。
戴森 9 月 1 日公布的資料里，也給出了一組比較具體的數據。CameraJet™ 使用的是一顆 10 萬像素微距攝影機，每秒可以完成 28張實時圖像的掃描，發現牙縫後，最快 100 毫秒就能觸發錐形漱口液噴射。為了讓機器知道「哪裡是牙縫」，研發階段還收集了 47 萬張口腔圖像用於機器學習訓練，AI機器學習算法的底層代碼超 1600 萬行。
這些數字的意義，不在於把牙刷包裝成一台「算力設備」，而在於它建立了一個完整的感知—決策—執行鏈：如果攝影機看不到牙縫，噴射就只能盲目發生；如果算法不能在刷頭高速運動中穩定識別，液體動力學再精密也無法落在正確位置。AI 的價值因此不是獨立存在的，而是把光學、機械、流體和軟體連接起來。
Jake Dyson 在採訪中也特意談到了這一點。現在大家聊 AI，很容易先想到 ChatGPT 這類生成式 AI，但戴森用在產品里的機器學習並不是這個思路。它不需要什麼都懂，很多時候就是解決一個很具體的問題。比如 CameraJet™，需要做的就是在牙刷不斷移動的過程中找到牙縫，然後把漱口液噴到正確的位置。對於家電來說，這種「只解決一件事」的 AI，反而更容易真正落到產品體驗上。
從「會導航」到「會驗證」：機器人清潔進入閉環
戴森這次展示了R2 Nurovi Wash+Dry™掃拖機器人 和 R3 Nurovi Spot+Scrub UV™ Ai掃拖機器人。
R2 採用了雙通道捕塵結構，大顆粒碎屑和細塵微粒會用不同方式處理。機器還會通過聲學壓電傳感器判斷灰塵情況，並識別當前的地面類型，吸力也不是從頭到尾固定在一個檔位。
它 還有個比較直觀的變化，就是拖布不再是常見的圓形設計，而是做成了等寬萊洛三角形。工作時拖布還會做偏心運動，目的很實際，就是儘量擦到牆邊，碰到角落時也能多往裡夠一點。
R3 又多了一項 UV紫外光輔助檢測，平時肉眼不太容易發現的污漬，也能通過 UV 找出來。
這幾年掃地機器人比拼的東西一直在變。
前幾年看掃地機器人，現場演示最多的還是避障。工作人員會故意在地上放拖鞋、雜物，再擺上桌椅，看機器人會不會撞上去。後來雷射雷達越來越普遍，展台上又開始展示地圖和清掃路線。路線規不規整、房間分得準不準，當時都算是比較直觀的賣點。
這兩年再看，避障、建圖這些功能已經很難讓人覺得新鮮了。路線規劃得再好，清掃結束後地上還留著一塊髒東西，前面的演示多少都會顯得有點尷尬。對掃地機器人來說，最後還是得回到最基本的事情上：到底掃沒掃乾淨。
所以現在再看掃地機器人的演示，我覺得路線規劃已經不是最有意思的部分了。機器發現一塊髒東西之後會怎麼處理，擦過一遍發現還沒幹淨會不會再來一次，這些反而更值得看。
說到底，消費者買掃地機器人是為了少做點家務，不是為了研究它今天在家裡走了一條什麼路線。
數據安全：不上傳口腔影像，不等於完全沒有數據
CameraJet™上有攝影機，我們採訪 Jake Dyson 時自然也聊到了數據。
CameraJet™的情況會更敏感一些，因為攝影機是在口腔里工作的。看到這個設計時，我們也馬上想到，攝影機拍到的畫面會不會留下？尤其產品未來要進入不同國家和地區，各地對於數據儲存和傳輸又有不同要求。採訪 Jake Dyson 時，我們也直接問了他這個問題。
Jake Dyson 提到，產品需要的機器學習能力主要是在研發過程中訓練出來的，並不是用戶開始使用之後，再不斷把拍到的口腔圖像傳出去。CameraJet™官方頁面對這一點寫得更直接：攝影機只會在實時查看以及自動噴射功能工作時開啟，過程中看到的圖像不會錄下來，也不會保存在產品或者雲端。
需要區分 「口腔影像不錄製、不儲存」是針對 CameraJe™圖像流的具體承諾；它不能被擴大解釋為 MyDyson™或其他聯網產品不處理任何數據。
口腔影像只是其中一類數據。
從戴森目前的智能設備隱私說明來看，使用 MyDyson™還可能產生其他資訊，包括登錄資料、手機系統及品牌、設備設置、使用情況、傳感器資訊和產品性能數據。賬戶安全、設備運行、維護提醒、故障診斷等功能，都可能會用到其中一部分。
說到數據安全，普通用戶其實很難有興趣研究一整套技術架構。大家更容易關心的，還是自己在使用過程中到底留下了什麼。
拿 CameraJet™來說，我更想知道幾個很實際的問題：攝影機看到了什麼？畫面有沒有留下來？如果有數據上傳，上傳的又是什麼？不用這個功能的時候能不能關？
把這些問題一個個說清楚，比簡單告訴用戶一句「我們重視隱私」有用得多。
CameraJet™的口腔影像不保存，並不意味著圍繞智能設備的數據問題到這裡就結束了。
MyDyson™畢竟是一款聯網應用程式，需要賬號登錄，設備的故障診斷、運行狀態和售後也會通過它完成。這樣一來，使用過程中自然還會涉及其他類型的數據。與其讓用戶自己翻隱私條款，我覺得更直觀的方式還是把這些東西放到應用程式里：什麼數據正在使用、哪些會上傳、哪個權限可以關，一眼就能找到。
AI 家電的下一道門檻：能否解釋自己的必要性
發布會現場還展示了HushJet™巡航氣流淨化器系列。
現在新品發布會不提 AI，好像就少了點什麼，但戴森這次並沒有把所有新品都往 AI 上靠。
有些事情靠風道能解決，就把風道做好；刷毛能解決，就去改刷毛；結構本身能解決，也沒必要硬塞一個 AI 進去。只有當機器需要自己判斷眼前發生了什麼，比如哪裡有污漬、牙縫在哪裡、當前環境該怎麼調整動作時，算法才真正有用。
家電也不一定非得變成一個能陪人聊天的機器人。
看這類新品時，我其實不太在意廠商用了多大的模型。掃地機器人把地弄乾淨，牙刷能夠認準該清潔的位置，最後體驗到的無非就是這些。技術當然重要，但對大多數人來說，它更像藏在產品後面的東西，功能好不好用才是擺在面前的。
結語：看見之後，責任才剛開始
在德國柏林Bolle 的舞台上，「看見不可見之物」是一句很有效的產品口號：牙縫、細塵、污漬、空氣顆粒和設備故障，都可以成為傳感器與算法的新對象。但當機器看得更多，企業也必須解釋得更多。
CameraJet™要認牙縫，Nurovi™要找地上的灰塵和污漬。兩件產品做的事情完全不同，但都有一個特點：機器不用認識整個世界，只要把自己眼前這一小塊地方弄明白。
認準了，再把後面的事情做好。
這可能比什麼都會一點更適合家電。
不過，攝影機和傳感器越來越多以後，也會帶來一些以前買家電時不太會考慮的問題。
過去買一台吸塵器，很少有人會問它「知道了什麼」。現在機器開始識別房間、地面、污漬，甚至牙齒之後，這個問題就沒辦法完全繞過去了。
攝影機和傳感器越來越多之後，以前買家電時很少考慮的一些事情，現在也得開始考慮了。比如機器工作時看到的畫面會不會保存，有沒有東西需要上傳到雲端，以及這些數據除了完成當前功能之外，還會不會拿去做別的事情。
用戶遲早會關心這些事情。
發布會上當然少不了各種參數。AI 識別率、傳感器數量、響應速度，這些數字放在大螢幕上很好理解，也很容易比較。
但產品真正帶回家之後，情況就不一樣了。用戶每天面對的不是一組參數，而是一台知道周圍發生了什麼、還會自己作出一些判斷的機器。
但機器真正放進家裡以後，用戶面對的就不是這些參數了。設備每天都在運行，也會接觸到越來越多的資訊。這個時候，廠商除了告訴用戶「它能做什麼」，最好也把「為什麼需要這些數據、數據去了哪裡」說明白。
發布會結束後再想到「Seeing the unseen」，我的感覺和剛進場時還是有點不一樣。
家電能看清更多東西，當然能幫助它把事情做得更准。只是攝影機和傳感器的能力越來越強之後，也不能什麼都默認多看一點、多留一點。完成一個功能究竟需要看到什麼程度，其實也應該算在產品設計裡面。
這類問題在發布會上可能沒有新品演示那麼搶眼，普通消費者第一次看到產品時也未必會馬上想到。但只要攝影機、傳感器和聯網功能繼續進入更多家電，遲早都會碰到。
一台機器為什麼需要攝影機，攝影機工作的時候看到了什麼，用完之後又留下了什麼，這些事情最好都能讓用戶很容易弄明白。
機器變聰明當然重要，但用戶知道它為什麼這麼聰明，同樣重要。
