「计算机百年史」系列 · 第 9 篇 / 共 10 篇
按《从铜线到智能——计算机两百年》原书卷次连载。本篇:界面与人(1945—2015),共 6 章,约 6.2 万字符。
卷十 · 界面与人(1945—2015)卷首语
人机界面的演化,从来不是"机器越变越友好"的温情进化史,而是一部"谁有资格使用机器"的筛选与排斥史。本卷前半段记录图形界面如何把机器从军用与专业极客的禁脔,包装成普通人凭直觉即可操作的消费电子:恩格尔巴特的九十分钟画出了蓝图,施乐 PARC 把图纸变成完整的原型,苹果与微软把原型变成千万人买回家的商品,iPhone 把商品塞进每个人的口袋。后半段则揭开残酷的另一面:每一次交互简化,都在驱逐一部分身体或认知有局限的人——触屏对视障者几乎是最残忍的交互倒退——而这批被排除者,反过来逼出了最纯粹的交互革新:屏幕阅读器逼出了语义树与 ARIA,VoiceOver 把不可能变成可能,路缘坡效应让少数人的坡道成了全民的路。
必须预先声明:本卷不歌颂"进步"。Mac 发明了桌面语法的词汇,Windows 用兼容与预装让它成为制度——普及的胜负手不在发明权,在默认值;GUI 时代的"用户友好"以省略语义层为代价,账单等了二十年由盲人用户结清;"用户"从来不是被发现的,是被定义的——每一代界面都先画出一个假想的人,再把真人往画框里塞。本卷的每一章都在问同一个问题:这一代机器,为谁而造,又把谁关在了门外。
本卷的主导物理约束是两条窄门:人类感觉器官的生理输入带宽(手指的分辨率、耳朵的时间颗粒、眼睛的刷新感知),与机器图形渲染的帧率延迟。恩格尔巴特的演示卡在专线上,PARC 的位图卡在千字节内存上,QuickDraw 卡在 128KB 的机器上,iPhone 卡在电容屏的采样率上——交互史的全部斗争,都在这两条生理与物理的边界之间展开;每一次边界外扩一圈,就有一批新的人拿到资格,也有一批新的人被划出线外。
阅读指引。 本卷是全书最平易近人的一卷:没有协议栈、没有矩阵乘法、没有编译器——只有人怎么用机器,以及谁被机器关在了门外。所有读者都应当精读,不需要任何技术背景。第 093(恩格尔巴特的九十分钟)、094(PARC 的失乐园)、097(iPhone 的手势革命)是叙事高峰;第 098("用户"是被造出来的)是全书的良心章——讲屏幕阅读器、路缘坡效应与那些被界面驱逐又反身改写规则的人,值得所有人慢读。本章也是卷十一"智能的螺旋"的精神前奏:理解了"被驱逐者如何改写规则",才能理解 AI 时代"谁在付账"的分量。
第 093 章 1945—1968:从穿孔纸带到“所有演示之母”
1968 年 12 月 9 日,旧金山,秋季联合计算机会议的会场里坐了约一千名计算专业人士。这个年度会议是当时整个行业交换新成果的最高讲台,厂商发新品,实验室报进展,台下坐的是全国最懂计算机的一批人——要在这群人面前留名,靠玄虚没有用,只能靠真东西。台上的灯光暗下来,道格拉斯·恩格尔巴特(Douglas Engelbart)坐到显示终端前——他本人身在会场,他与身后的团队运行的机器却在几十公里外的门洛帕克增广研究中心机房里,画面经由专线投射到会场的大屏上;演示从头到尾是一场远程的实时操作,任何一个卡顿都会当众放大,这份底气来自团队对系统的几年磨砺;远程演示在 1968 年本身就是一场赌博——链路、投影、机房、会场,任何一环失手,未来就当众卡壳。接下来的九十分钟里,台下的工程师们看到了此后五十年个人计算的几乎全部要素:手边一只木头小盒,推一推,屏幕上的光标就听话地移动;点击一处文字,另一段相关内容应声展开——文本与文本之间彼此勾连;屏幕被分成两半,一半是文档,一半是千里之外同事的影像,两个人隔着几十公里同时编辑同一份材料,改动实时可见。九十分钟结束时,会场里的多数人已经明白自己刚才看见了什么:计算的未来在屏幕上过了一遍。这场演示后来被称为“所有演示之母”——母,因为此后几乎每一场重要的技术演示都在向它认亲:展示原型而非产品、演示愿景而非参数、让观众亲眼看见自己十年后的日常,这套演示美学的家谱,第一页都写着同一个日期;多年之后,美国国防高级研究计划局也把这一天列入了本机构的创新年表——当年伸出资助之手的机构,最终把这场演示认进了自己的正式历史。而被演示的那个系统——NLS,oN-Line System,联机系统——连同它背后的思想谱系,要从二十三年前一篇在纸上写就的文章说起。
纸带与隔夜
在交互计算出现之前,人机之间隔着一整套流程。20 世纪 60 年代初,主流的机器运行方式是批处理:程序写在纸上,交给打孔员制成穿孔纸带或卡片,抱去机房排队,操作员收下、登记,机器按先来后到逐批执行;第二天取回打印结果,发现第几行有个错,改、重打、重新排队——一个笔误的代价是一整天。这套流程的每个环节都在传递同一个信息:人是机器的干扰项。程序员的思路要在脑子里先跑一遍,跑对了才有资格见机器;机器则躲在机房里,由专职操作员喂养。更深的代价在于思考的节律:人的灵感不按 24 小时的周期来,调试一个思路需要的是“改一行、跑一次、看一眼”的高频往返,批处理把这个循环强行拉长到以天为单位,思想的草稿期被机器的日程表承包。机器太贵,贵到不能容忍有人坐在它前面“聊天”:机器时间按秒计价,人的思考速度在机器眼里慢得离谱,让人直接操作机器,等于让最贵的资产停在最慢的环节上等待。批处理是对昂贵机器的理性安排——这套逻辑在当时无懈可击,它的唯一代价是把人挡在机器之外:写程序的人见不到机器,机器也不认得人;反馈周期以天计,编程因此更像填表,与“思考的伙伴”这个后来的定位隔着整整一个时代。本章的三位主角,全部要从这套安排的缝隙里出场:一位在纸面上写下另一种可能,一位在资助体系里为另一种可能留出经费,一位在实验室里把可能造成实物。
打破这套安排的思路是分时:既然一台机器足够快,就把它的运行时间切成小片,轮流分给多个用户,每人面前放一台终端。每个人分到的时间片短到感觉不出等待,机器看起来就像同时属于每一个人。终端是把人请回机器身边的钥匙:一块屏幕、一个键盘,价格是主机的零头,可以摆上每一张桌子——机器依旧贵重,与机器说话的门把手却从此廉价;人机的距离,从一栋机房压缩到一张办公桌。麻省理工学院的费尔南多·科尔巴托(Fernando Corbato)在 20 世纪 60 年代初主持了这个方向的先导系统——兼容分时系统(CTSS),最早的分时演示就是在这台机器上完成的:几个人同时坐在终端前,各自敲各自的程序,与同一台机器实时往来;机器在多个会话之间来回切换,快到每个人都以为机器只伺候自己。多人共用带来一个此前多余的问题——谁是谁——于是有了登录与口令,每个用户有自己的账号与密码,文件分开放置,你的目录我进不去;密码时代的起点就在这些分时机器上,安全与共享从诞生的第一天起就是一对搭档。1964 年,贝尔实验室、麻省理工与通用电气三家联手启动 Multics 项目,目标是把分时推向极致:多用户、多任务、多安全,做成一套可供整个机构共用的公用计算系统——机器像水电一样从墙上的插座里流出来,这个理想比商业口号早了四十年。工程浩大,步履维艰;三家实验室的工程文化各不相同,目标越宏大,脚手架就越重。参加者中有人中途退出,把系统做小做简单——活下来的那条支脉长成了 UNIX 一脉,此后的故事属于下一卷的科班主角;Multics 本体倒是长寿,最后一台机器直到 2000 年 10 月 30 日才关闭;它的设计思想经由 UNIX,流进此后几乎所有现代操作系统。分时的意义要放在交互史里读:它把“人与机器见面”从特权变成日常——见面的成本降到每人一台终端,此后的一切人机界面探索,才有了可以生长的土地。分时还顺手改变了人与机器的法律关系:账号与口令意味着每个用户对机器的“一份所有权”,从此人对机器的占用有据可查、有界可守。而土壤铺好的时候,种子早已写好——比第一台分时机器早了十几年,有人已经把“人机该如何相处”白纸黑字地发表了出来。
一张桌子的预言
预言者比机器早到了二十年。批处理的世界有它自己的逻辑——把人的思考塞进机器的日程表;跳出这套逻辑去想“人与机器本该如何相处”的人,当时凤毛麟角,而且不约而同地都从纸面开始。1945 年,万尼瓦尔·布什(Vannevar Bush)发表《As We May Think》——标题本身就立着主张:按照我们可能思考的方式去设计工具,而非按照机器方便的方式去改造思考。彼时电子计算机尚未问世,布什设想的对象还是微缩胶片时代的机器:一张书桌大小的装置,取名 Memex,把一个人一生的书籍、信件、笔记存进缩微胶卷,桌面上有两个屏幕供同时调阅。使用的方式被设计得近乎直觉:人坐在桌前,翻、看、比、记,两个屏幕一左一右,可以一边查原文一边写批注,机器负责把胶卷送到眼前;抄录与归档的苦役由机械代劳,思考的节奏归人掌握。Memex 的价值在于关联:研究者读到一条记录,可以随手把相关联的另一条“系”上去,一条挂一条,日积月累,材料之间织成一张属于自己的联想之网;下次从任何一条进入,顺着网就能走到当初的思路里去。他举的用例贴着日常:一位法学研究者为某个判词建立关联,把相关的判例、评论、自己的批注逐条挂上去,多年后再遇到同类问题,网一抖,全部线索自动到齐——积累的每一分钟都不浪费,因为每一分钟都挂在了网上。研究与写作之外,藏书、书信、照片,人生的一切记忆资产都能这样住进网里。布什把这称为人类记忆的机械辅助——人的联想跳跃是天性,而传统的检索系统却在强迫人按分类号与字母序思考,Memex 要把天性还给检索。用今天的眼光读这篇文章,能读出三个方向:直接交互——人直接指着内容操作,中间没有操作员与纸带;超链接式的关联组织——文档因人的联想彼此勾连,一点即达;个人的全部信息网络化存储——一份随人而行的记忆外骨骼。1945 年写下的三个方向,各自等了半个世纪才等到兑现的产业;文章的读者里,包括了此后把这三个方向逐一造出来的整整两代工程师——一篇发表在计算机诞生前夜的文章,成了这门行业最长的订单。
第二个预言者把方向从“记忆”转向“合作”。1960 年,约瑟夫·利克莱德(J.C.R. Licklider)发表《人机共生》(Human-Computer Symbiosis),主张人与计算机结成一种紧密的协作关系:机器做机器擅长的——高速运算、精确检索、机械重复;人做人擅长的——设目标、做判断、提想法;两者实时往来,共同完成单方都无法胜任的任务。共生这个词选得精准:共生双方谁也不替代谁,彼此依存,各取所长。这份主张的激进之处在于它预设了平等——在机器以计算速度论身价的时代,利克莱德开口谈的是合作,把机器摆在了同事的位置上。把这份主张放回 1960 年的语境,更能看出它的反潮流:彼时人与机器连“见面”都做不到,批处理把人机往来压缩成一叠纸带的交接,谈何共生?利克莱德等于在预告一种尚未存在的交往形式——他的清单上写满了当时不存在的条件,实时往来首当其冲;分时系统日后给他的清单交上了第一份作业,而作业的下一份,要等十几年后的那场演示。文章里给这种共生描绘过日常场景:人与机器合作诊断疾病——医生提假设,机器查病例;合作梳理案情——侦探提线索,机器对档案;甚至合作创作诗歌——人出意象与判断,机器出词汇与组合。这些场景在 1960 年读来近乎科幻——那年头多数人还挤在批处理的队伍外等结果——但“人机共生”四个字把交互计算的目的讲清楚了:机器的存在理由即放大人;替代人只是放大失败的副产品。布什给了交互计算一张图纸,利克莱德给了它一份委托书——后来的技术史写作把利克莱德列为互联网最早的先见者之一,他的名字与“共生”一起,成了这门行业的路标之一。把图纸与委托书变成实物的人,此时还在别处摆弄他的雷达与示波器——两位写下前提的人都没有亲手造出第一台机器,动手的活儿留给了下一节的主角。
木头盒子
道格拉斯·恩格尔巴特 1925 年生,二战时在海军当雷达技术员,对着示波器摆弄信号——多年后他回忆,屏幕与人手的这种直接往来,在他心里埋下了交互的种子。战争结束,他带着这个种子完成了学业,1957 年加入斯坦福研究所(SRI)位于门洛帕克的团队——这家研究所依托斯坦福的学术圈而生,承接政府与产业的前沿合同,后来成为硅谷摇篮期最重要的研究机构之一;恩格尔巴特在这里的起点朴素得很:早期做的是磁存储器件——正经的硬件工程师出身,与“未来学家”这个后来的头衔相距甚远。业余时间,他反复推演一个更大的问题:世界的问题越来越复杂、越来越紧迫——疾病、环境、国际冲突,每一项的复杂度都在指数增长;人类的应对能力却原地踏步,怎么办?这个问题他自问自答了半生。他的答案自成一派——人类面对复杂问题的能力可以被系统性地“增广”:不是造出会思考的机器替人思考,而是造出工具放大人的知觉、记忆与协作能力,让人能看见更复杂的问题结构。在他看来,问题的复杂度与人类的处理带宽之间有一道不断拉大的鸿沟,填鸿沟的填料是一种“结构化”的手艺——把问题摆到眼前、拆开、标注、彼此勾连,让人一次能看住的变量多几个。这套理念被他自己称为 Bootstrapping,引导演化:先造出更好的工具,用更好的工具去造更好的工具,循环加速,能力沿螺旋上升。这个循环有个朴素的前提——得有人先造第一轮工具,而造工具的人自己就得先当这工具的用户:ARC 团队开发 NLS 的过程本身就是第一次实践,用自己的系统管理自己的研究与文档,工具的缺陷第一批暴露给造工具的人。20 世纪 50 年代末,他在 SRI 内部立项,建立起增广研究中心(ARC,Augmentation Research Center),把第一轮工具的目标定为:让知识工作者坐在屏幕前,直接处理自己的文档与协作。要把“增广”二字的分量放对位置,得看它当时顶着什么立场:整个行业的主流叙事是自动化——机器替人干活,人从流程里退出来,效率来自替代;恩格尔巴特的立场恰恰相反,机器的使命在于放大人——人不退出流程,人在流程的正中央获得更强的手足与记忆。一个要人退场,一个要人登场。替代论在当时产业界理直气壮:机器贵,人便宜,能自动的绝不留人;增广论在 20 世纪 60 年代的会议室里近乎异端,它预设了一个昂贵的前提——值得为每个人配备一台机器。这场路线之争没有辩论会,裁决交给几十年后的办公桌:今天的每一块屏幕上,两种理念各占半壁,而人机交互这一整门学问的根,扎在“增广”这一边。资助方里就有 DARPA——正是利克莱德们的愿景在资助体系里的回声;两位预言者的路线,经由经费与人事,接到了同一根管子上。研究团队最初的样板系统叫 NLS,oN-Line System:联机系统,名字里的“联机”二字就是立场——当时计算机界的常态是脱机,人提交任务、机器离线处理、人再取结果,NLS 要让工作全程“在线”,人机同在一条线上。
交互需要一只顺手的输入工具。1963 年到 1964 年间,恩格尔巴特与总工程师威廉·英格利希(William English)带领六名同事,比较了当时能想到的各种指点设备:光笔要抬手够屏幕,胳膊悬空撑不了几分钟,准头也随疲劳下降;踏板、膝控装置各试了一遍,脚和膝盖的精细控制远逊于手;木头小盒则放在桌面上推——手不必离开桌面,动一动手腕就行。选型的思路在今天看是常识,在当时是异端:别的方案都在想办法让人类去适应机器的输入格式,这只小盒在想办法让机器去适应人类的手。1964 年,首款原型做成:构思的草图出自恩格尔巴特,把它做成能跑的实物、再一轮轮修到顺手的是英格利希——一只小木盒,顶部一枚按钮,底下装着两个互相垂直的滚轮——滚轮在桌面上滚动,带轴转动,轴带动变阻器改变阻值,阻值换算成光标的横纵位移。原理没有任何玄妙之处:把手的平面位移转成电信号,再画到屏幕上;玄妙之处在选择——在所有试过的方案里,唯有这个便宜的小盒子最贴合人手的天性,人手在桌面上滑动了几百万年,比悬空划动稳定得多。工程上的每一步也都踩得扎实:滚轮的轴带动变阻器,阻值连续变化,光标的移动因此是连续而非跳格的——手感由此而来。多轮对比测试下来,木头小盒的操作速度“快得惊异”,成绩压过所有对手,胜出成定局。它拖着一根连接线,从尾部伸出去,同事看着它说:这玩意儿像只老鼠。名字就此定了——mouse,老鼠。命名者未必想到,这个名字会比它的专利更长寿。SRI 为鼠标申请了专利,研究所上下对它的商业价值一无所知;几年后,专利授权给了苹果计算机公司——人类交互史上最重要的一件专利,就这样从一家研究所的文件柜里流浪到了一家个人计算公司的口袋里。恩格尔巴特本人对此类细节并无太多兴趣,他一生拿过二十多项专利,脑子里装着更大的图纸——NLS 还差一场面向世界的亮相。
九十分钟
1968 年 12 月 9 日的九十分钟,今天可以按分钟复盘。演示的每个环节都是远程实时:机器在门洛帕克,操作在旧金山会场,中间是一条专线——团队赌上的是整场演示的成败,卡一秒,台下几千双行家的眼睛都会看见;这份从容背后是反复演练,远程链路上的每一处延迟点都被摸过一遍。恩格尔巴特坐在终端前,先用木头鼠标把光标从屏幕一角拖到另一角——台下看得见光标驯服地跟随;随后他调出一份多层的示例文档,点击条目之间预设的链接,文本展开、收起,层级一览无余——超文本的现场首秀;他敲命令修改文档,向台下展示如何组织一份报告的骨架与细节;接着屏幕分成两格,一格是他自己的操作画面,另一格传来几十公里外门洛帕克机房里同事的实时影像,两人隔着屏幕对话,共同查看、编辑同一份文件——视频会议与实时协同编辑,一次到位。要明白这场演示的信息量,得把台上的每一项与 1968 年的行业常识对一遍:指点输入,彼时的主流是打孔与批处理,键盘都才刚刚成为主流输入设备;超文本,彼时的文档是线性打印在纸上的,跳转是纸面时代无法想象的动作;协同编辑,彼时连“同时使用一台机器”都刚由分时系统勉强实现,两人同时改一份文件更是闻所未闻;视频会议,彼时跨城市的实时图像传输本身就冒着失败的风险。再往深处看一层,演示的每一项都是“增广”蓝图上的一块拼图:鼠标增广的是手,把意图直接送进机器;超文本增广的是记忆,让联想跳过检索的关卡;协同编辑增广的是群体,让多个头脑共用同一页纸——纸上谈了二十三年的“增广”,在这九十分钟里被逐件装配成型。九十分钟不只是一场产品预览,它是一份纲领的实装仪式:布什的关联、利克莱德的合作、恩格尔巴特的工具,三份文献在同一块屏幕上合流。台下的约一千名计算专业人士,刚从批处理与纸带的世界里走出来没几年;他们看到的每一项,此前只存在于布什的纸面与利克莱德的设想里。屏幕上的操作还带着另一层宣言:光标在屏幕上移动、选择、点开——人不再向机器“提交”任务,而是直接在机器的界面上工作,图形界面操作的雏形随这只老鼠一同登台。此后几十年人机交互的常见要素——鼠标指点、超文本跳转、分屏、视频会议、协同编辑——在这九十分钟里全部完成了公开首演。这场演示还悄悄立起了本卷的两条物理标尺:光标跟不跟得上手的滑动,考验机器渲染与传输的延迟;屏幕上的字与图能不能让人一眼看住,考验人类视觉的输入带宽。演示的一切魔法,都卡在这两条边界的边上——增广人类的所有野心,最终都要在这两条窄门里落地。
后人的评价反过来读更清楚:有人算过总账,说 NLS 简言之就是万维网、在线文档、团队聊天与代码托管服务的合体——只不过它建在 20 世纪 60 年代的硬件上。这笔账值得逐项对:超链接对万维网,点击跳转的阅读方式一模一样;共享文档对在线办公套件,多人同时编辑一份文件正是今天办公软件的标配——它甚至悄悄改写了“文件属于谁”的旧观念,文件从个人抽屉变成了公共白板;分屏影像对视频会议软件;协同与版本管理对团队聊天与代码托管——1968 年演示的每一个动作,都能在此后的商用产品里找到嫡系后代。这份对应表反过来也是恩格尔巴特的孤独证词:他一次性造齐了零件,市场的装配线却要再等几十年才开动。演示与专利之外,鼠标的传播路径也经了 SRI 之手:恩格尔巴特团队的设计此后影响了施乐帕洛阿尔托研究中心的图形界面鼠标——那只老鼠在 PARC 换了更顺滑的身手,再往下的事,是下一章的题目。计算机历史博物馆在回顾这场演示时留下一个中肯的判断:恩格尔巴特是愿景型的领导者,而非事务型的管理者。愿景型的人带着团队把未来提前造了出来,事务型的工作——把未来打包成产品、卖到千家万户——他既无兴趣也无章法。ARC 的技术在演示之后并未长成产业:NLS 太贵、太专、太依赖那套自成一体的理念,它要专用终端、专线机房与受过训练的用户,成本落在少数实验室才摊得平;而恩格尔巴特对“简化它以迎合市场”毫无热情——简化在他看来等于背叛,增广的深意一层砍不掉。理念的正确与产品的失败,在这间研究中心里并不矛盾:世界还没有准备好为完整的未来付费,付费者只买得起未来的碎片。这场拒绝简化也埋下了本章与下一章的分野:恩格尔巴特要的是专家的增广系统,而下一位主角要让什么都不懂的人也能用上计算机——增广与简化,两条路线即将在加州北部各自展开,本卷的主题“谁有资格使用机器”,也从这里开始改写答案。几十年后回头看,这场演示留下的最大悬问,计算机历史博物馆在纪念互联网诞生五十年的活动里问过一遍:那场演示是否开启了互联的世界?答案一半一半——开启它的不只有演示,还有演示所代表的那个判断:计算的价值最终长在人的能力上。老鼠在外流浪的日子因此还要继续:它要等到 20 世纪 80 年代,经由 Macintosh 与 Windows 的普及,才真正爬进千家万户。这场跨越三十年的接力值得单独站远一点看:第一棒是布什,1945 年在纸上画出关联之桌,证明“人可以直接操作自己的知识”这个想法成立;第二棒是恩格尔巴特的 ARC 团队,1968 年在真机上把想法演给全世界,证明它在工程上可实现;第三棒属于后来的个人计算产业,把可实现的东西做成买得起、学得会的商品——三棒之间隔着三十年与三代人,每一棒都以为自己在跑自己的路,回头串起来,才发现是同一场接力。恩格尔巴特本人则继续在自己的研究所里推演“引导演化”的下一轮循环,直到 2013 年 7 月 2 日去世,享年 88 岁。讣闻里给他叠了一长串头衔:鼠标之父、超文本先驱、人机交互的奠基者之一;他生前留下的判断之一,是对互联网发展速度的预见——这位一生都在演示未来的人,把未来讲对了大半。
本章的历史定性可以收束成一句可反驳的断言:现代交互计算的完整概念框架——指点、链接、协同、远程呈现——在 1968 年 12 月 9 日的九十分钟里已经一次性公开成型,此后的历史属于工程化与普及,而不再属于概念发明;发明的接力棒,早在 1945 年就交到了纸上。这项断言的分量在对比中显形:半导体行业每隔几年就有全新的器件结构登场,网络行业每隔十年换一套协议骨干,唯独人机交互,普通人使用的每一个动作——指、点、拖、链接、同屏协作——都能在这场演示里找到原型。可反驳的路标同样清楚:若能证明触摸屏、语音交互这类后来范式的概念原创独立于 Memex—人机共生—NLS 这条谱系、且构成了与“增广人类智能”目标函数完全不同的新交互范式,断言即破;若 ARC 当年的成果在演示后即已商业成功、证明概念与产业之间并无延迟的必然,本断言的历史解释力亦随之失效;再或者,若能举出一场更早、更完整的公开交互演示,“演示之母”的名号连同它的年份都要改写。本卷的主导物理约束也在此立起标尺:人类手指与眼睛的输入输出带宽、机器渲染一帧画面的延迟——交互史的全部斗争,此后都在这两条生理与物理的边界之间展开。恩格尔巴特在九十分钟里跨过的,正是这两条边界上最初的一段;他身后的人机界面史,是把这段路修成高速公路的工程史。本卷开篇提出的那个问题——谁有资格使用机器——至此也换了第三种答案:批处理时代的资格属于穿白大褂的操作员,分时时代的资格属于持账号的用户,恩格尔巴特想要的,是把资格发给每一个用机器思考的人。资格的边界每外扩一圈,就有新的排斥在边缘生成——那是此后几章的题目。
第 094 章 1973:施乐 PARC 与计算图形界面的失乐园
1979 年 12 月,一队客人走进施乐帕洛阿尔托研究中心(Xerox PARC)。领头的人生得瘦削,年仅二十四岁,名叫史蒂夫·乔布斯;他身后跟着苹果的几位工程师。彼时的苹果是一家凭 Apple II 起家没几年的年轻公司,而 PARC 已经握着个人计算的全部图纸——这次会面的双方,一边揣着最饥渴的想象力,一边守着最完整的原型,距离本可以更早拉近,实际的碰面发生在 1979 年的这个冬天。为他们做演示的研究员叫拉里·特斯勒(Larry Tesler),演示的机器是 Alto——施乐 PARC 在 1973 年造出的实验计算机。屏幕亮起,乔布斯看见了此后决定他一生事业方向的画面:屏幕上有窗口,窗口里有图标,鼠标一点,光标移动,内容随之开合;屏幕上排出的文稿,与打印机将要打出的纸页一个模样。用几十年后的眼光看,这间实验室与这位访客,一个拥有全部答案,一个拥有全部问题——答案在没有问题的屋子里沉睡,问题在没有答案的地方燃烧;1979 年的这次会面,让两团火碰在了一起。演示没有持续太久,谈话也没有留下太多记录,但这次参观在苹果公司内部引发的震动有据可查——为 Apple II 研制继任机型 Lisa 的团队原本在几种技术路线之间摇摆,图形界面此前并未定为一号方案;乔布斯当时并未多加关注的 Macintosh 项目,还只是一个四人的小组。参观之后,一切推倒重来:苹果决定把图形界面作为下一代个人计算机的灵魂,个人计算机的历史由此改道。要看清这场改道的起点,得先回到六年前的 1973 年:PARC 的工程师们把一台完整的图形界面计算机 Alto 推上楼里的工作台——位图屏幕、鼠标、窗口、桌面、网络、激光打印,个人计算的全部核心构件,在同一个屋檐下第一次协同运转。本章讲的是这套构件如何被造出,又如何眼看着发明的果实落进别人的篮子——创造了个人计算的未来,却在商业上几乎一无所获。故事里有三段:先看远望台如何建起,再看乐园如何建成,最后对账——乐园为何易主。
复印机公司的远望台
PARC 是复印机巨头施乐设在西海岸的研究中心,坐落在帕洛阿尔托——旧金山半岛上后来被称为硅谷的那片地带的心脏。公司的主业靠复印机日进斗金,研究中心却聚集了一批与复印毫无关系的聪明头脑,研究计算机、材料、系统——大公司用利润养远望台,远望台看什么,公司其实管不住,也未必看得懂。这种“主业在天边、研究在眼前”的结构是双刃剑:主营业务不指望研究中心的成果救急,研究中心反而获得了最难能可贵的自由——不必为下一季的产品负责,可以盯着十年后的世界做研究。自由的另一面是失联:远望台看见的东西,要用怎样的话术讲给楼下管预算的人听,这门功课没人教。1972 年,中心立项研制一台面向个人的计算机;项目要回答的问题在当时听来近乎僭越——计算机为什么只能属于机构,不能属于个人?彼时的计算机是机构的资产,躺在恒温机房里,由专职人员伺候,一次计算的成本摊到人头上足以让任何个人止步;为个人造计算机,在当时的管理者听来,就像为一个人修一条高速公路。1973 年,Alto 问世。要掂量这台机器的分量,得先看它生错了多少个时代:它是第一台以图形界面为核心的个人电脑,是个人计算机的先驱,后来的个人计算机几乎都沿着它画下的原型生长;它装着单色的高分辨率位图显示器,配一副笨重的白色键盘、一只三键鼠标,机身是一个可以推进办公室的小机柜——注意“小机柜”三个字,同期的主流计算机要占据整个房间,能推进办公室的机柜本身就是一种立场宣言;内部用微指令驱动,芯片来自德州仪器,存储一侧挂着 2.5MB 的可换磁盘盒——2.5MB 在今天不值一提,在 1973 年是工作站级的容量,位图屏幕吃掉的正是这些存储的先头部队;每一个部件都在同一台机器上为“一个人用的计算机”这个目标服务。这台机器没有商售计划,它的用户是 PARC 自己的研究员——造计算机的人先用自己的机器工作,这个在后来被称为“吃自己的狗粮”的习惯,在 1973 年还只是研究顺理成章的用法;写论文、画图、收发文件,Alto 在中心里承担的是真实的日常工作,而非橱窗里的展品。
位图显示器是这台机器的灵魂,值得单独拆开讲。在它之前,计算机屏幕是字符终端:屏幕被划成整齐的格子,每格只能显示字符集里预置的一个字符,字母、数字、少数符号——屏幕的本质是一张按行排列的文字表,想显示一个圆、一条斜线、一种特殊字体的字,技术上无从谈起。Alto 的位图显示把这套限制整个掀掉:屏幕上的每一个像素都对应主存里的一个位,软件把哪个位置成 1,哪个像素就亮,置 0 就暗——像素成了可以被逐个指挥的颜料。这意味着屏幕第一次成为画布:任意图形、任意笔迹、任意字体的字形,只要能算出像素,就能显示;屏幕上的每个点在软件眼里与内存里的每个位一样驯服,图形与文字在同一个层面被同等地对待——字符终端那种“文字归文字、图案归图案”的等级制被取消了。后来的一切屏幕文化——图标、照片、视频、游戏画面——追溯到底,用的都是这条“逐像素对应存储位”的原理;PARC 的工程师在 1973 年画下的不只是几扇窗口,是此后一切屏幕显示的宪法。今天任何一块屏幕都在享受这个自由,以至于自由本身已被遗忘;1973 年,这是一笔昂贵的豪赌——逐像素存储意味着天文数字的内存开销,一块屏幕吃掉的存储量抵得上字符终端的几十倍,字符终端时代的工程师会用“挥霍”来形容它。没有这场挥霍,图形界面的一切都无从谈起:窗口要画边框,图标要画图案,字体要逐像素描出笔迹,全都要以“屏幕是一张位图”为前提。本卷的两条物理标尺也在这里量出第一个刻度:位图渲染的帧率决定窗口拖动的流畅度,人眼与手指的带宽决定界面的密度——PARC 把两条边界的压力同时拉满。
咒语变手势
这套新语汇的源头里站着上一章的主人公:恩格尔巴特 1968 年的演示与斯坦福研究所的鼠标设计,正是 PARC 图形界面研究的重要参照——增广与简化两条路线,在帕洛阿尔托的这栋楼里交汇过。硬件就位之后,PARC 在这块画布上画出了图形界面的全套语汇。窗口:屏幕可以同时摆开几份工作,重叠着、错落着,像办公桌上并排放着的几页纸;把上面那页挪开,下面那页还在——重叠是窗口区别于“分屏”的关键,屏幕从此有了深度;几份工作并排可见,也意味着多任务第一次有了可视的形状——机器同时在做的事,摆开来给人看,人在这份工作与那份工作之间的切换,从“换一个会话”变成“挪一下窗口”。图标:文件与程序缩成小小的图形,一眼可辨,一点即开;识别一个图形所花的力气,远小于记住一串文件名——认知科学的基本结论是识别远易于回忆,图标把“回忆题”全部换成了“识别题”。Alto 那只三键鼠标的三枚按键,也是同一个思路的延伸——把高频操作的快捷方式直接铺在指尖,按下去就是命令,不必翻手册。菜单:可选的操作列在眼前,按菜单行事,不必背诵;甚至还有弹出的菜单,按住不放,选项就地展开,选完即收——可选操作的全集随时展开在眼前,错与忘的空间被压缩到最小。这整套设计的地基是桌面比拟——把计算机的屏幕比作一张办公桌,文件、文件夹、废纸篓各就各位,让任何一个见过真办公桌的人不需要训练就能猜出用法。桌面比拟的巧妙在于借用了用户已有的全部经验:现实中怎么整理文件,屏幕上就怎么整理文件,学习成本被日常生活提前垫付了。在此之前的计算机语言是命令行:使用者输入拼法严苛的命令,像念咒语,错一个字符就被拒绝;图形界面把咒语换成了手势——指、点、拖、放,鼠标在手里成了用户意志的延伸,想的动作与做的动作之间不再隔着一部手册。四种手势各自接管一类动词:指向代替“指定对象”,点击代替“执行”,拖动代替“移动”,放置代替“归档”——命令行的几十种句式,被收编成几个天生就会的动作。这是认知负担的一次大规模削减:计算机的使用资格,从此对记忆力与专业训练解禁。这套新语汇在 PARC 内部被视作正途,放到当时的整个行业里,它面对的怀疑同样有力。命令行的拥趸有一套完整的辩护:命令精确、可组合、可脚本化,熟手敲一行抵得上点十下鼠标;图形界面占地显眼、响应迟缓,把宝贵的机器资源浪费在画框与图标上;专业用户受过训练,凭什么要为外行的方便牺牲效率?这些反驳条条站得住——位图显存昂贵是事实,图形操作在高负载下确实更慢,命令行的表达力至今没有消失。置喙者的立场背后,立着一个更硬的经济学支点:1973 年的每一 KB 内存、每一 MHz 算力都是真金白银,把它们花在“让屏幕好看”上,在多数管理者眼里等同于浪费——这个判断错了吗?按当时的成本结构,没有错;错的是成本曲线本身在移动,管理者的算盘停在原地。PARC 的回应不在辩论里,而在问题的重新定义里:图形界面的目标用户从未是熟手,而是那群被命令行挡在门外、一辈子不会背咒语的多数人;为熟手省下的十次点击,抵不过为外行省下的整本手册。效率与普及是两个坐标系,前者的优化方向朝上,后者朝外——这场争论此后还会以各种面目重现,而 1973 年的 PARC 用一栋楼的日常使用投了票。历史的裁决书后来写得微妙:两种语汇谁也没有消灭谁——命令行退进了终端窗口与开发者工具,与图形界面同屏共存;它输掉的不是存在权,是入场券——普通人与计算机的第一次见面,从此永远发生在图形界面上。
光能画出来还不够,PARC 把“画”字贯彻到了纸面上。中心开发了所见即所得的文本编辑器——后世把这类编辑器的源头记在 Bravo 的名字下——你在屏幕上排出的版式,加粗、斜体、分栏,与最终打印出的纸页分毫不差;屏幕所见即纸面所得。要理解这六个字的分量,得回到它的反面:此前的文本处理是“盲改”——编辑命令作用于看不见的内部格式,改完打印出来才知道效果,一页版式要反复盲试几轮;所见即所得把反馈回路闭合到即时,屏幕就是校样。对编辑体验而言,这是从写信到对话的跨越:版式的每次调整立即得到视觉回答,尝试的成本趋近于零,人们也因此敢于尝试此前不敢碰的排版效果;排版的试错从“打印一轮看结果”变成“动一下看一眼”,创作节奏第一次与手速同步。更深的一层是身份的翻转:此前版式是排字工的手艺,作者只管写,版式归别人管;所见即所得让作者自己动手排版,写与排合回一双手——排版这门手艺从印刷厂的作坊里搬了出来,落在每个人的键盘上,出版从此多了一条平民的窄门。编辑排版从此告别盲改,排版这门手艺也从印刷厂的手里递到了每个人的桌上。
一栋楼里的未来办公室
支撑这个闭环的还有两件配套。其一,以太网——PARC 发明的这套局域网技术把中心里的 Alto 连成一片,信息在网络里流动得像电流一样自然;在以太网出现之前,机器与机器之间靠人手搬软盘传文件,网络出现之后,文件自己在机器之间往来,距离在办公室内部失去了意义。局域网的另一个直接受益者是打印:打印机不必一根线挂在某台机器上,它接入网络,供全体共享——办公设备的共享模式由此成形。其二,EARS——中心研制的早期网络化激光打印机,把激光打印与电子字符生成结合,网上任何一台 Alto 都能把文档发给它,吐出的纸页忠实还原屏幕上的每一个像素。屏幕、网络、打印机,三件套拼出一个完整的未来办公室:在屏幕上所见即所得地排版,通过网络发给打印机,纸页原样吐出。这个闭环的每个环节都不孤立——位图屏幕保证“所见的版式”足够精细,以太网保证文档流动不必经手软盘,激光打印保证“所得的纸页”忠实还原屏幕上的每一个像素;抽掉任何一件,所见即所得就退化为所见即所猜。三件套还共同证明了一件事:个人计算从来不只是主机的故事——显示、网络、外设,每一样都是这个物种的器官,缺一样,物种就退化回机房里的旧世界。1973 年,这套闭环已经在 PARC 的楼里日常运转——此后个人计算产业的几乎每一件核心家当,个人电脑、图形界面、以太网、激光打印机,都能在这栋楼里找到原型机。在这套画布与语汇之上,PARC 的研究员过着一种当时全世界独一份的计算生活:早上到办公室,坐在 Alto 前打开自己的工作区,窗口里是昨天写了一半的文稿;中途想核对一份资料,通过网络调来同事机器上的文件;稿子改完,发往走廊尽头的激光打印机,起身走过去,纸已经吐出来,版式与屏幕上分毫不差。这套流程里的每一步,在 1973 年的世界上都没有第二栋楼做得到。访客站在楼里看到的,因此是一间被时间旅行者提前装修好的办公室:二十年后才普及的每一件设备,此刻都在角落里安静地工作。
一扇没上锁的门
此后的故事,行业里流传最广的版本是 1979 年 12 月那扇门。乔布斯率领工程师到访,特斯勒演示,窗口、图标、鼠标、所见即所得一一过目。这场参观值得细看的地方在参观者一侧:苹果当时正在为畅销的 Apple II 物色继任者,Lisa 项目在几种方案之间犹豫,图形界面并非既定路线——工程团队在字符方案与图形方案之间摇摆,乔布斯本人此前的注意力也没落在这里,后来承载图形界面宿命的 Macintosh,此时只是个没进入他视野的四人小组。参观之后,方向骤变——乔布斯认定图形界面就是个人计算机该有的样子:Lisa 转向图形界面开发,Mac 项目从此获得最高优先级,苹果此后吸收了施乐的诸多想法,把图形界面做成千万人买回家的商品。参观的冲击可以量化:一家公司的产品路线图在一天之内换了核心;也可以质化:从那天起,苹果造机器回答的问题从“它能做什么”换成了“人能用它做什么”——问题一换,后面几章的历史全部跟着换页。特斯勒们的演示之所以能造成这种当量级的冲击,前提是演示的一切都是真的:楼里的研究员每天真的在这样工作,原型不是橱窗模特而是生产工具——参观者带走的不是概念,是一套已经在运转的日常。这里还藏着一组跨章的对照:上一章的恩格尔巴特要为专家造增广系统,拒绝一切简化;乔布斯从 PARC 看到的却是另一层可能——把增广的工具简化到不需要说明书,放进普通人的客厅。PARC 的发明是种子,两种灌溉方式长出两棵树:一棵叫工作站与专家系统,一棵叫个人计算机。PARC 的发明经由这扇门完成了一次不寻常的传承:围墙内造出的未来,由围墙外的人量产。这一段历史里没有秘密交易的黑幕,只有一条简单的事实链——门是开的,看的人是懂的,拿走的人是会造的;三件事凑齐,发明就换了主人。苹果拿走的是思想而非源代码——界面如何组织、交互如何设计,这类知识活在演示与谈话里,不受专利证书的边界保护;思想的流动比代码的流动难守得多,参观之后,施乐高层是否意识到自己刚刚免费送出了什么,此事的答案藏在其后几年的账目里——那几年的账目,本章末尾再算。这也在后来催生了企业对核心机密远比 PARC 时代更严密的看管。
失乐园的账目
把“失乐园”三个字落在账上,得数清施乐创造了什么、留下了什么。创造的一栏很长:位图显示、窗口、图标、菜单、桌面比拟、所见即所得编辑器、鼠标的应用范式、以太网、激光打印机——个人计算机产业的地基构件,一大半在这栋楼里完成首演;这份清单之长,长到后人复盘时常常分不清哪些是 PARC 发明的、哪些是行业本该晚十年才有的。时间线读下来更有冲击力:1973 年 Alto 亮出完整的图形界面,1979 年乔布斯才第一次看清它,1983 年西蒙尼在微软发布的 Word 才把 PARC 的编辑理念变成商品——从发明到别人的产品,中间隔着十年与两次转手。留下的一栏很短:这些发明几乎没有一项为施乐换来对等的商业回报,Alto 停留在研究机阶段,图形界面的大规模商用由苹果完成,办公软件的果实则由出走的人带走——PARC 的查尔斯·西蒙尼(Charles Simonyi)转投微软,主持开发的文字处理软件 Word 于 1983 年 1 月发布 1.0 版,后来并入 Office 套件,1990 年 11 月推出 Windows 版本,成为微软帝国的支柱之一。造出未来的人没有得到未来的股份——这笔账在商业史上被反复引用,每一次引用都在提醒后来者:实验室里的领先,折不成市场上的股份。创造的名单与获利的名单,几乎是两份名单——这正是本章标题里“失乐”二字的账目含义。这份账目还有一张副产品:人才。在 PARC 摸过未来的人,此后散落在整个产业的要害位置上,把研究中心的口味与标准带到各处;一家研究机构对世界最深远的影响方式,有时恰恰不在它的专利与论文,而在它训练出的头脑最终落在谁的屋檐下。研究中心在时不觉珍贵,人散之后才见分量——PARC 的名单此后出现在硅谷几乎每一次关键转折的现场。还要为“失”字再辨析一句:失乐园失掉的并非技术本身——技术成果早已通过论文、演示与人才流动散播出去,产业整体受益;失掉的是把技术变成自家产业的机会,以及本可以与此相称的商业地位。技术史记住了 PARC 的发明的全部价值,商业史只记住了施乐的零——两本史书合在一起,才是失乐园的完整账目。
为什么创造者没能收获创造?事后流行的解释各执一词,但有几条约束是看得见的。其一,利润的位置决定视野:施乐的印钞机是复印机,公司对“会吃掉复印机预算、又看不懂怎么赚钱的计算机”缺乏本能的亲近,研究中心的成果要变成公司的产品线,中间隔着预算会与销售体系,而这两处的语言与研究报告互不相通——预算会问的是“明年卖多少”,研究报告答的是“十年后世界长什么样”,两套语法互不兼容,翻译的成本比研发本身更高。其二,完整的系统等待完整的市场:Alto 的每个部件都很昂贵,位图显存、鼠标、网络、激光打印,单拿任何一件在 20 世纪 70 年代都是奢侈品,凑成整套系统更是天价——把未来整体搬上货架的条件,当时并不存在;要等存储、芯片、显示器的成本曲线各自滑落十几年,个人计算机才进得了普通人的预算。其三,人才的去向就是价值的去向:西蒙尼们的离开并非背叛,而是正常的技术迁徙——想法已经公开发表,人才在行业内自由流动,谁有能力接住,价值就落到谁家。三条约束叠加,失乐园从一桩憾事变成一种结构:研究经费以利润为水源,利润以现有产品为河道,颠覆性发明注定死在河道的分水岭上——除非管理层有人愿意为十年后的水源重新挖渠,而愿意这么做的管理层,历史上屈指可数。失乐园因此带有某种必然的成分:一家靠复印利润供养的研究中心,既没有动力也没有通道,把自己孕育的个人计算未来变成自己的第二增长曲线。研究自由这把双刃剑在这里露出另一面:正是“不必为下一季产品负责”的从容,让 PARC 造得出 Alto;也正是同一份从容,让研究成果与公司的产品机器之间没有传送带——从容养出了发明,也放走了发明。护栏与翅膀从来是同一样东西,取决于你想让它干什么。后来者从这栋楼里带走的,除了图纸,还有这条刻骨的治理经验——今天科技公司把研究与产品分成两个周期、两套预算、两种考核,分界线的原型就是 PARC 的教训。这份账目的教训写在每一本创新管理的教科书里,而它更深的余波是:此后所有大公司都学会了同一件事——研究可以远望,产品必须重兵;这条分界线的最早刻度,就是 PARC。失乐园的同时,乐园的图纸正被别人按页施工:把 PARC 的遗产清单与今天的计算机产业对照着读,几乎每一页都对得上。位图显示:从最早的桌面系统到今天的手机与电视,一切现代屏幕的底层逻辑仍是“逐像素对应存储位”,PARC 的那块单色屏是所有画布的祖先。桌面比拟:窗口、图标、垃圾桶的桌面结构穿过四十年,从 Alto 的屏幕原样搬到 Mac 与 Windows,再到今天每一部手机的图标网格——日常经验兑换操作技能的设计原则一寸未改。以太网:当年为连起一栋楼的 Alto 而生,后来成为局域网的事实标准,今天每一根网线的水晶头上都还刻着它的名字。激光打印机:EARS 把激光成像与电子字符生成结合的思路,长成了一个覆盖全球办公室的产业。所见即所得:今天的每一款文字处理与设计软件,交互的底座仍是“屏幕所见即纸面所得”。一份清单念下来,与其说 PARC 失乐了园,不如说它把整座乐园的图纸散给了能开工的人——损失的记账主体是施乐的股东,收益的记账主体是整个产业。清单还能再念长一点:以太网的多路访问思想,日后长进互联网的骨干;激光打印机的成像引擎,统治办公室三十年;连“研究中心该设在总部千里之外”这条组织经验,也成了后来科技公司的标准配置——PARC 的失败是它留给产业最贵的一课,学费由施乐交,笔记由全行业传抄。
本章的历史定性可以收束成一句可反驳的断言:图形界面的核心要素在 PARC 被作为一个整体一次性发明并集成运转,但发明的果实必然落在具备产品化能力与市场通道的外来者手中——创新的归属权由接力者的商业能力决定,而非由首创者决定。可反驳的路标同样清楚:若施乐自己把 Alto 或其后续做成成功的商业产品、图形界面的大众化由首创者亲自完成,断言即破;若能证明窗口、图标、桌面比拟等要素实为分散渐进的独立发明、PARC 仅为集大成者而非源头,断言的“一次性发明”部分亦需改写;再或者,若能证明首创者的商业能力才是创新归属的决定变量——即商业强者在竞赛中总会胜过发明者——则断言从“接力者决定”滑向“实力决定”,本断言的历史特异性被抹平,同样需要修正。本卷的主线在此完成一次合流:认知负荷的削减是本章一切发明的共同底色——位图让机器显示任意图景,手势替代咒语让学习成本趋近于零,桌面比拟让日常经验直接兑换为操作技能;“谁有资格使用机器”的答案,第一次放宽到“任何见过办公桌的人”。而这条放宽的曲线随即露出它的另一面:图形界面把使用门槛降下来,也把代码与数据藏进图形背后——看得见的越直观,看不见的越深;被界面款待的用户,与被界面遮蔽的机制之间,隔着一整个此后要由“配置文件”与“命令行回归者”填补的地层。Apple 与微软此后十几年的桌面之争,本质是 PARC 遗产的两次定价;定价权的争夺战,下一章开打。而在定价开始之前,值得先记住本章的坐标:个人计算的全部概念资产,在 1973 年已经整装待发;此后的每一步普及,都是这份资产在成本曲线上的贴现——技术没有再来,来的只是价钱。
第 095 章 1984—1985:Macintosh 与 Windows:桌面操作系统的商业普及
1983 年岁末,爱达荷州小城特温福尔斯的一家地方电视台在深夜时段播出一则六十秒广告,几乎没有引起任何反响。一个多月后,1984 年 1 月 22 日,同一条广告登上超级碗的电视直播——美国全年收视最盛的时段——瞬间成为全国话题,并在后来被反复评为电视广告史上最著名的作品。广告里没有出现产品:灰蓝色的大厅里,光头的人群整齐列队,注视着巨幕上训话的独裁者;一名冲进来的女子掷出铁锤,巨幕炸开,字幕宣告,1 月 24 日苹果将推出 Macintosh,届时人们会明白,为什么 1984 年不会变成小说里的《一九八四》。整支广告唯一的商品信息是最后十几秒的字幕,此前的每一秒都在讲一个与计算机毫无关系的反乌托邦寓言——观众记住的是情绪,产品只负责收尾。两天后的 1 月 24 日,首台 Macintosh 正式发布。这六十秒和这台机器,把图形界面从实验室的展品变成了大众市场的商品;而全美观众里,有一位刚与苹果签下软件开发合同的年轻人把这台机器从头看到尾——比尔·盖茨(Bill Gates)。本章写的是接下来的十二年:苹果发明了桌面语法的词汇,微软把它变成了一场识字运动;一场诉讼划定了模仿的边界;直到 1995 年 8 月 24 日,一张开始菜单落地,桌面界面在普通人的生活中彻底普及。
把日历拨回 1984 年才能看清这两天的分量。个人电脑市场彼时正处在第一个人数爆发期:IBM 的 PC 上市三年,兼容机厂商一拥而上,DOS 的命令行是绝大多数电脑的唯一样貌——用户面对开机画面,要凭记忆敲入命令,敲错一个字母就重来。电脑的普及卡在“学不会”三个字上:命令行对肯花时间的人足够强大,对不想花时间的人是一堵墙。谁拆掉这堵墙,谁就拿到下一个十年的入场券;两天的故事(一次广告、一场发布)正是拆墙工程的开工仪式,而工程的高潮要等十一年后的另一个 8 月。
一台不用学就会用的机器
Macintosh 是一台把“不学习”当成设计目标的机器。米黄色的一体机身,把主机与显像管装进同一个塑料壳,正面只有软驱口;一根线连出独立键盘,另一根线连出一只单键鼠标;没有扩展槽,没有风扇,靠机壳被动散热,内存 128KB——型号名称里的“128K”就是内存容量的直接拼写。这台机器的手感由外壳定调:机身顶部嵌着提手,抱起来就能从书桌搬到会议室;出厂附赠两盒软盘与两本手册,教程口吻像给第一次进厨房的人写菜谱。评测者拿它当机器,用户拿它当家具——两种态度的分野,正是它与传统电脑的分野。开机后,用户看到的没有命令行,只有一张桌面:文件是图标,文件夹可以拖动,窗口可以拖拽改变位置,右下角蹲着一只垃圾桶,文件拖进去即是删除——删除这个此前要敲删除命令、且一敲即真的动作,变成了一次可见、可反悔的物理比喻。当时的评测者反复描述同一种体验:完全没碰过电脑的人,几分钟内就能完成开关机、开文件、删文件的全部操作——这在命令行时代不可想象。桌面隐喻的深意在于把机器的内部结构翻译成了空间的常识:文件本来就是纸,文件夹本来就是夹子,垃圾桶本来就是桶,用户的办公室经验直接迁移成了电脑经验;文件管理从“记住路径”变成“看见位置”,认知负担从记忆系统挪给了眼睛。这套设计一眼可见 1979 年施乐 PARC 的影子,那是上一章的故事;苹果做了的是另一件事:把实验室原型里粗糙的演示,逐项打磨成普通家庭的日用品。广告本身也在改写叙事:此前的电脑广告对普通家庭讲的是账目、效率与商务用途,这台机器的六十秒里没有一个数字、一张报表,讲的是个人对机器的支配权。被广告招来的围观者很快发现,货架上这台机器的每一处细节都在兑现同一句承诺:不用学。
打磨的关键在“少”。单键鼠标是全行业独一份的坚持:别家的鼠标有两键三键,苹果只留一键,理由直接写在交互逻辑里——一个键不存在按错的问题,新手不需要先弄懂“哪个键干什么”就能开始用。菜单栏常驻屏幕顶端,所有命令列在明面上,不用背;删除有垃圾桶缓冲,拖进去还可以反悔。窗口可以叠放,边框可以拖拽,每个程序住在自己的窗口里,桌面因此能同时摊开几件事——多任务在视觉上的第一次亮相,不是切换,是并置。这些设计共同构成一套防错语法:把可能出错的操作从界面里拿掉,比写一本说明书更有效。对话框在这套语法里充当最后的安全网:格式化磁盘、清空垃圾桶这类不可逆操作,系统会先弹窗复述后果,等人明确确认。机器第一次学会了在动手前问一句——这个此后人机交互的标准动作,就诞生于图形界面把“危险命令”变成“看得见的按钮”的那一刻:按钮越容易按,越需要在按下去之前停一下。代价同样写在硬件清单里:封闭。系统与硬件绑定,只在自家机器上运行;定价瞄准购买力更强的专业人士与教育机构,普通家庭只能围观。封闭换来的是软硬件一家调校的体验一致性,也换来小众——个人电脑出货的主流市场属于便宜的兼容机,Mac 常年守在圈子内。硬件清单上被拿掉的东西同样值得记入账本:没有扩展槽,用户无法自行加装板卡,机器的能力边界出厂即锁定;没有风扇,深夜的书房里只有键盘声,代价是高负载时机壳的温度。每一项取舍都指向同一个决策者——把电脑当完整产品而非零件集合来设计的公司,必须替用户做所有决定,也必须独自承担所有决定的后果。销路的走向由此注定:赞叹评测的文章很多,掏钱的用户有限;Macintosh 在随后的年份里始终是一款被尊敬多于被购买的机器——它负责证明图形界面配得上每个人,配不配得上每个人的钱包,是另一道题。
死机的设计也带着同样的签名。程序崩溃时,Mac 弹出一个炸弹对话框,画着可当啷一声的卡通炸弹;几年后 Windows 用蓝底白字的整屏报错接过同一种功能,Unix 阵营则有内核恐慌(Kernel Panic)——三种画风,同一件事:图形界面把机器的崩溃也拟人化了。这些符号能成为一代人的集体记忆,前提是图形界面已经普及到人人都会撞上它。
屏幕上的字,就是纸上的字
支撑这台机器的图形引擎是 QuickDraw,出自工程师比尔·阿特金森(Bill Atkinson)之手。它的任务是把抽象的绘图指令翻译成像素:应用说“在这里画一个矩形、一段文字”,QuickDraw 把这些指令变成屏幕位图上的一个个像素点。位图显示的含义是,屏幕上的每一寸画面都由像素构成,文字与图像在渲染层面是同一种东西——这为此后的一切铺了路。QuickDraw 以系统级图形库的身份统一了这个翻译层:所有应用画线、画框、写字,调用的都是同一套例程。这带来一个此前不存在的品质——全系统的观感一致:无论哪家开发商写的程序,窗口的圆角、字体的形状、菜单的行为都出自同一支画笔。图形界面的“像一家人”,靠的不是各家的自觉,是底层只有一支笔。
字符代码 'A' (65) 位图字模(示意 5×7)
┌─────────┐ 字体表查点阵 ╲ ╱
│ 0x41 │ ───────────────▶ ╲╱ ← 屏幕按点阵点亮像素
└─────────┘ ── ──
│ 同一点阵送打印机 ╱ ╲
└───────────────────▶ 纸上印出同形
所见即所得:屏幕位图 = 打印位图
位图字体的精确渲染,让 Mac 拿下了那顶真正的王冠:所见即所得(WYSIWYG,What You See Is What You Get)。此前的电脑屏幕用字符终端显示文字,屏幕上一行字印到纸上是什么字体、什么字号,谁也不知道,只能打出来再改;Mac 的屏幕按点阵忠实呈现每个字的形状,屏幕所见与打印所得一致——因为二者消费的是同一套位图字模。位图字体的代价也埋在同一套机制里:屏幕上的每个字都是一张点阵图,一种字体放大一档,就得另画一套更大的点阵;粗体、斜体各是新的图样。字体设计这门手艺就此被拖进计算机行业,点阵的取舍直接决定屏幕阅读的舒适度,而每个像素都是要人一格一格定下来的。书写排版从“碰运气”变成“所见即所得”,这一步的产业后果在两年内显形:1984 年,首款 Mac 桌面出版软件 MacPublisher 问世;1985 年,Aldus 公司的 PageMaker 登陆 Mac 平台。铁三角的第三条边是打印机:没有激光打印机的像素精度,屏幕上的点阵无处落地。苹果把自己的激光打印机与 Mac 配套推向市场,写作者在屏幕上排好的版式,按下打印就能拿到与预览一致的纸面成品。对报社与出版社的编辑,这意味着稿件与版式的距离从“送排版车间等三天”缩短到“自己在工位上改一分钟”;对中小企业主,这意味着名片、传单、商品目录可以自己做。对写作者,改变更安静也更彻底:作家盯着屏幕上排好的版面写字,稿纸的仪式感让位于屏幕的即时感,写作与排版的合并让“出版”不再是写完之后的另一道工序。文字工作的工具链自此改由图形界面定义,回头的路再也没有人走过。苹果电脑、激光打印机与排版软件凑成铁三角,排版车间的活儿搬进了办公室与设计室——桌面出版(Desktop Publishing)作为一个行业,就诞生在这套“屏幕字等于纸上字”的技术承诺上。这场搬迁重组了一条职业链:过去一件印刷品要经过写稿、排版、制版、印刷多个工种,如今写稿的人对着屏幕就能排出成品版式;排版工人中的一部分转入设计,一部分守住了印前技术,行业没有消失,但门槛的形状变了——从“会操作机器”变成“会判断版式”。
QuickDraw 也直接承受着卷十的主导约束:图形界面的流畅与否,取决于人机交互的延迟与渲染帧率。鼠标每动一下,屏幕就要重算受影响的区域;位图越精细,像素越多,绘制的负担越重。在 128KB 内存的机器上做全屏图形界面,等于在针尖上摆流水线——每一帧画面的预算以千字节计。这套约束决定了 Mac 软件的一切手感:响应要快,重绘要省,图形库的每个调用都要精打细算。在图形界面的世界里,“卡”是一个会直接背叛设计者的词:光标迟滞半拍,用户立刻断定机器不行,理由讲不出口,手感先投了票。QuickDraw 的所有优化最终都服务于这条不可谈判的底线——指针必须跟手。也正是在这种约束下练出来的图形功力,让先在 Mac 上开发软件的程序员拥有了当时世界上最好的图形编程经验——这一句伏笔,下一节兑现。
在对手家里练手的人
微软在 Mac 中的角色,先是软件商。Word、Multiplan 以及后来的 Excel,最初都把 Mac 作为重点开发平台——在图形界面上做文字处理与表格,微软的工程师比谁都早。这段开发经历的价值常被低估:要在 128KB 内存和 9 英寸屏幕上做出能卖的图形软件,工程师必须吃透 QuickDraw 的每个调用、摸清位图渲染的每条捷径。微软由此攒下了一支当时全球最熟练的图形应用团队——这批人后来写 Windows 时代最重要的应用软件时,手上全是现成的经验。据后来广泛流传的说法,1983 年盖茨曾受邀看过还在测试中的 Mac 原型;同年,微软公开宣布要做自己的图形界面。看与做之间隔着一个微妙的位置:微软此时的身份是苹果的软件开发商,它在 Mac 上卖字处理与表格软件,赚的是苹果图形生态的钱;宣布自研图形界面,等于一边给对手的平台供货,一边准备把同样的体验搬到兼容机上。这个位置此后数十年反复出现——平台巨头既是别人生态的商户,又是自己生态的庄家——1983 年是它最早的一次显形。两项事实摆在一起,构成了此后十年恩怨的起点:微软是最早吃透 Mac 图形范式的公司之一,也是最没有理由不跟进的公司。
双方对一份 1985 年的授权协议各执一词:苹果允许微软在自家产品中使用部分图形界面元素,苹果的理解是授权仅限特定应用,微软的理解是拿到了更宽的通行证——协议措辞的模糊,日后被逐句拆开来在法庭上对质。这纸协议最致命的地方在于几个关键词的边界的含混:什么是“界面元素”,什么算“衍生作品”,授权是否随版本延续——每一个短语都够律师开一轮庭。商业合作里最常见的隐患在两家最聪明的公司之间照样发作:签合同时双方都以为对方理解的是自己的理解,等市场做大,理解的分歧就是标的价格。1985 年 11 月 20 日,Windows 1.0 发布。它与 Mac 的相似足够明显,与 Mac 的差距同样明显:它是 DOS 之上的图形外壳,窗口只能平铺、不能重叠,功能简陋,运行缓慢。但它便宜,且开放——不绑定硬件,任何厂商的兼容机都能安装。这个组合在当时的市场上没有掀起波澜:评论界看不上它的粗糙,用户观望,Windows 头几年的存在感接近于零。微软的策略却是长线的:版本一个接一个地出,产品不赚钱赚曝光,用开放兼容养出一个等待中的生态。软件开发者看待这两个平台的方式也悄然倾斜:给 Mac 写软件要先获得机器、遵守苹果的设计规范,给 Windows 写软件只要有一台兼容机就能开工;对预算有限的小开发商,数量的引力不难计算。生态的天平由此开始移动——不是在某个决定性的产品发布会上,而是在每一间小办公室的成本核算里。
封闭与开放的路线之争,两边的逻辑都成立。乔布斯的封闭逻辑:软硬件一体才能保证体验完整,图形界面的价值就在于每个细节都被设计过,开放等于放弃控制权,而失控的体验会毁掉“不用学习”的承诺——这条路的前提是用户愿意为一致性付溢价。盖茨的开放逻辑:个人电脑的量在兼容机阵营,谁绑定了硬件谁就等于放弃数量,而软件行业的规矩是用户在哪里软件就在哪里,数量最终会反哺质量——这条路的前提是粗糙可以靠迭代磨平。两条逻辑各自自洽,胜负却不在逻辑内部,而在市场的选择:多数人用钱包投了数量。
眼看着 Windows 的装机量逐年攀升、苹果的图形领先逐年缩水,苹果的应对最终落在法庭上。1988 年,苹果起诉微软,指控 Windows 侵犯 Mac 图形界面的外观与感受。这场官司打了数年,法院的结论基本站在微软一边:窗口、图标、下拉菜单属于通用想法,不受一家独占,何况有当年的授权文本打底。判决划下了一条此后所有界面之争都要先问的线:思想不受垄断,表达才受保护——“长得像”不构成侵权,代码与文字才是可诉的对象。交互范式由此成为公共地,谁都可以在上面盖楼,楼盖得好坏各凭本事。对整个行业,这道判决的分量重过任何一台机器:此后所有界面创新都要面对同一个问题——哪个部分是可独占的表达,哪个部分是人人可用的思想。图形界面最值钱的那部分(窗口、图标、菜单的范式)被归入公地,厂商的竞争被迫转向实现的品质、价格与生态,而非形式的专利。两家打到 20 世纪 90 年代末,以一纸和解收场:微软向苹果注资并承诺继续供应 Mac 版 Office,双方停诉——具体的条款与金额,各方叙述不一,此处只记结果。和解的背景是苹果的至暗时刻,而微软愿意伸手的原因不难算:自家软件的另一个重要平台若是死去,反垄断的聚光灯下,微软失去的将是一个对手、多出一个垄断者的孤证。同年,史蒂夫·乔布斯回到濒临绝境的苹果——这位十年前把图形界面做成商品的创始人,将以另一种身份继续出现在微软的视野里。
从丑小鸭到八月的芝加哥
Windows 立足的产品是 1990 年 5 月推出的 3.0:界面可用性跨过临界线,内存管理改善,程序管理器与文件管理器把应用与文件分门别类摆好,软件阵容在数年等待中逐渐成形,首次取得真正的商业成功。它赶上的外部条件同样关键:386 处理器的普及把兼容机的内存上限抬高了一个量级,图形界面终于有了跑得动的躯壳;硬件降价与软件丰收互相催熟,装 Windows 的机器越多,为它写软件越划算,软件越多,买机器的理由越足。1992 年的 3.1 完成稳定过渡,Windows 从此不再是拿来对比 Mac 的替身,而是兼容机世界默认的图形界面。苹果对此的回应是诉讼而非降价——这个选择后来被反复讨论:法律战把精力与口碑押在“像不像”上,市场的判决却早已由价格标签写下。1993 年,微软另外换了一次地基:大卫·卡特勒(David Cutler)主持的 Windows NT 发布,新内核不依赖 DOS,面向企业与服务器市场——这条产品线此后成为整个家族的底座。两条线各有分工:家用与办公线背着 DOS 兼容包袱跑在最大量的机器上,企业线以稳定性与安全性立身;消费者的电脑死机可以重启,公司的数据库不能;卡特勒团队为新内核重写了调度、内存与安全的全部规则,这套规则在此后二十多年里支撑了从服务器到家用机的整个产品家族。这个“一套界面、两种地基”的架构维持多年,直到两条线在 2001 年的 Windows XP 合流。而真正完成“普及”二字的,是 1995 年 8 月 24 日发布的 Windows 95,开发代号“芝加哥”。
Windows 95 的界面改革围绕一个明确的设计目标:让没摸过电脑的人尽快上手。开始菜单把所有程序收进左下角一个按钮,任务栏把所有打开的窗口排成条块,桌面放置常用文件——这套“开始、任务栏、桌面”的三位一体,本质是一份认知负荷的再分配:用户不再需要记住任何程序的位置,只需要记住一个入口。入口的名字起得直白——它就叫“开始”(Start);初次开机的引导画面直接告诉用户:从这里按下去。设计者把新手最先要问的问题(程序在哪)的答案,钉死在屏幕的固定坐标上,用户在此后的任何一台 Windows 机器上都能在同一个位置找到它——位置的可预期性本身就是一种教学,教过一次,终身有效。新手教育的压力也随之转移:此前的电脑培训要教目录、路径与命令,现在的培训缩减为“按开始、点图标、关窗口”三个动作,剩余的知识在使用中自行生长。软件培训行业没有消失,但它的起点从命令语法降到了鼠标手势——这是本章两台机器共同完成的义务教育。任务栏同时兼任窗口清单与状态面板:每个运行的程序占一格,点一下切换,右端托盘里蹲着时钟与常驻小工具。这三件套此后统治桌面界面四分之一个世纪,连竞争对手的后续产品也把入口放在屏幕同一个角落。混合 16 位与 32 位代码的它,为老程序保留了兼容层——16 位老程序与 32 位新程序共用一把名为 Win16Mutex 的互斥锁,老程序握着锁不撒手,所有 32 位程序就得一起排队,一处卡顿殃及全系统。兼容的代价明码标价:系统可以同时伺候两代软件,却要为两代软件之间的互相牵连担责;VFAT 文件系统带来长文件名,把 DOS 时代“八个字符加三个扩展名”的命名牢笼拆掉——此前一份季度报表只能叫 Q3RPT95 之类的缩写代号,现在可以就叫“第三季度报表”;文件名从给机器看的编码变成给人看的标题,磁盘上的东西第一次对普通人变得可辨认。为兼容旧软件,系统在底层同时维护两套名字:老程序问,报短名;新程序问,报全名——代价照旧由兼容层默默承担;拨号网络与 TCP/IP 协议栈预装进系统,插上电话线即可入网。即插即用(Plug and Play)试图终结手工配置中断的老手艺。此前给兼容机加装一块声卡或网卡,用户要对着说明书翻中断号,拿跳线帽在板卡上设置地址,两个设备占了同一个中断,机器就罢工,排查的手段是拔下来换一个位置再插回去——无数家庭的第一块声卡,是在反复拆机与重启声中响起来的。即插即用让系统自动识别新硬件并分配资源,插上就能用;它的第一版远不完美,识别失灵、驱动冲突时有发生,用户戏称“即插即祈祷”(Plug and Pray);但方向自此定死:安装硬件的门槛只许降不许升,每一个后来的操作系统都继承了这个承诺。
发布本身被做成了一场文化事件:深夜发布会上,脱口秀主持人杰·雷诺(Jay Leno)登台,滚石乐队的 Start Me Up 作为主题曲,卫星连线全球多地;第二天清晨,商店门口排起买软件的长队——为一份操作系统排队,此前此后都罕有先例。排队本身成了二次传播:电视里播队伍,报纸上印队伍,队伍越长,没排队的人越确信自己错过了什么。操作系统发布从行业新闻升格为社会新闻,软件第一次有了首发日的文化仪式——这套营销语法此后被手机行业反复借用,一直沿用到乔布斯发布 iPhone 的那个一月。排队的另一个作用是给渠道打气:零售商眼见人气如此,进货与陈列都向 Windows 倾斜,货架的位置成了无声的广告位。更大的渠道在队列看不见的地方:康柏等兼容机厂商把 Windows 95 预装进出厂电脑,OEM 渠道让系统与整机一同到达,用户开机即用。预装的本质是默认选项:换一次系统意味着迁移文件、重装软件、重学操作,三项成本叠起来,足以让绝大多数用户终生使用出厂系统。厂商对此心知肚明——卖出去的每一台预装机器,都是一份终身的用户契约。默认即市场,市场即生态,生态即护城河:微软的垄断地位并非建立在一次性的技术胜利上,而是建立在数以亿计的“从没想过要换”上。同年起步的 DirectX 多媒体接口把游戏拉进 Windows 阵营:游戏程序绕开五花八门的硬件差异,直接调用统一的多媒体接口,显卡与声卡厂商按接口交出驱动,玩家按接口升级硬件——软件与硬件第一次在多媒体这件事上讲同一种方言。此后的 PC 游戏安装界面里那句“先安装 DirectX”,成了一代人的共同记忆。这个接口的价值要过几年才完全显形:游戏是兼容机上最吃图形性能的应用,游戏玩家的升级欲则是不知疲倦的发动机——为了跑得动下一款游戏而更换显卡的人,构成了此后图形芯片产业最稳定的收入来源,而这条产线摊销出的规模红利,正是下一章三维图形战争的弹药库。
普及的账单同样要在收拢前摊开。兼容层是 Windows 的立身之本,也是它长期的病灶:为了伺候十几年前的软件与板卡,系统背着的包袱一年比一年沉,运行日久便迟滞迟钝,蓝屏死机从技术故障演变成一代人的共同记忆——隔壁 Mac 的炸弹对话框画得卡通,频率却低得多。封闭的苹果守住了体验的下限,失去了数量;开放的微软赢得了数量,把维护复杂性的成本转嫁给了全体用户。两条路线没有谁逃过账单,区别只在谁来付:苹果的用户用钱包付,微软的用户用耐心付。
卷十的故事线在此完成一次交接。施乐 PARC 发明了图形界面的全部零件,却在商业上颗粒无收;Macintosh 把零件装配成商品,证明了“不用学习”的界面可以存在,却困在封闭与高价里;Windows 接手词汇,用兼容机的汪洋把它变成识字运动。三个角色分别贡献了发明、定义与普及,三份功劳没有落在同一家公司——这为此后的一切埋下伏笔:1997 年回归的乔布斯将带着封闭美学的教训重建苹果,而图形界面普及的另一面——被像素画布挡在门外的视障者、被手势画框排除的老人——要到本卷末章才轮到他们发言。普及的胜负手不在发明权,而在默认值:Mac 发明了词汇,Windows 借兼容机的数量与出厂预装的默认地位,让词汇成为制度。这个断言可以反驳——若某家高价封闭的厂商曾在开放低价对手全程在场的情况下完成大众市场普及,则品质本身足以战胜生态,位置决定论即告破产;历史给出的答案是,它没有发生过。普及的名单背后照例有一份淘汰名单:命令行时代的熟练用户发现,自己的技能在新的办公桌上只剩下一个窗口的位置;DOS 软件的开发者要么转向图形编程,要么随着字符界面一起退场;把电脑从“需要学习的机器”做成“不需要学习的机器”,受益的是千百万新用户,被甩下的是把机器当作专业工具的旧用户——这一进一出的人数悬殊,正是“普及”二字的真实含义。至于那些连图形界面都进不来的人,本卷终章自会为他们立传。
第 096 章 1990s:3D 图形、多边形管道与 GPU 隐秘战壕
1996 年岁末的一个清晨,圣何塞,3dfx Interactive 的采购经理打开电脑查看存储器行情,看到的是一张全线飘绿的报价单——绿色在这里是好消息:全球存储器芯片价格正在狂跌。这家成立两年的小公司此前的全部焦虑都压在一张物料清单上:他们设计的 Voodoo Graphics 加速卡需要多颗显存芯片,把成本顶在数百美元的高位,价格压不下来,订单就上不来。显存是那张清单上最重的一行:三维渲染要把每一帧画面的每个像素都暂存在高速存储器里,Voodoo 需要的显存颗粒数量数倍于普通二维显卡,物料成本的大头由此锁定。一夜之间,显存成本直落上百美元,竞争对手后来承认,“内存降价使 3dfx 翻了身”。Voodoo 的零售价就此滑进玩家可承受的区间,一家彼时无人看好的显卡公司,开始登上个人电脑史上最陡峭的一段增长曲线。这场由存储器行情触发的翻身,表面是运气,深层是一支产业接力棒的位置:三维图形的处理任务,正从几百万美元的工作站,朝着几千美元的个人电脑迁移,而搬运行李的,是一批此后二十多年默默塑造了算力版图的公司。本章沿着这条管线走一遍:几何计算如何从斯坦福的一篇论文变成硅谷图腾,又如何被游戏玩家用真金白银摊薄到人手一块芯片——那块芯片的直系后代,如今在数据中心里替大模型做矩阵乘法。
这场迁移发生在公众视野的盲区里。1990 年代的计算机史叙述大多围着操作系统与浏览器打转,机箱里那块显卡的战争激烈得多:一年数款新芯片、六个月一次换代、数百家公司进场又出局,玩家背得出每款游戏的名字,却说不出驱动画面的芯片型号。这是一场名副其实的隐秘战壕战——战况以帧率计,兵员以百万计(受雇于图形芯片产业链的工程师),而战报只发到游戏杂志的评测页。把它从背景拉到前台,是因为这场战争的产品清单里,最终出现了一样谁也没预订过的东西:通用并行计算的民用底座。
昂贵的几何
三维图像的本质是数学。屏幕上一只旋转的恐龙,在机器眼里是几万个顶点的坐标集合;让恐龙动起来,是对每个顶点反复做矩阵变换——三维坐标乘以一个 4×4 的矩阵,得出它在镜头里的新位置;再经过裁剪(扔掉镜头外的部分)、投影(把三维坐标压到二维屏幕)、光栅化(算出每个像素该是什么颜色),一帧画面才告完成。模型的骨架是多边形网格——把曲面切成成千上万个小三角形,三角形越密,轮廓越圆润;皮肤的细节交给纹理贴图——一张平面图像被拉伸包裹到网格表面,山的褶皱与铠甲的划痕都来自这张图。这套流程在 20 世纪 80 年代是奢侈品:一次变换要做十几次浮点乘加,一帧画面要对几万个顶点各算一遍,再为屏幕上百万个像素逐点着色,通用计算机算不过来。
1981 年,斯坦福大学的吉姆·克拉克(Jim Clark)与马克·汉娜(Marc Hannah)给出了硬件答案:几何引擎(Geometry Engine)。这是一颗专用 VLSI 处理器,本质是一个四分量向量浮点单元,把图形学最基础的三种运算——矩阵变换、裁剪、映射到设备坐标——固化进硅片。克拉克的设计深受理查德·梅德与琳·康维的《超大规模集成电路系统导论》方法论影响,他 1980 年在 Lambda 杂志上发表的 nMOS 实现论文,成为这颗芯片的出生证明。几何引擎的架构颇为别致:同一颗芯片,以 12 种略有差异的配置串成流水线,完成 4×4 矩阵乘法与裁剪缩放;每个功能单元由 8 位阶码加 20 位尾数构成,整片系统由 1344 个相同的位片拼装。严格说它连像素都不碰——芯片里没有一个部件直接操作屏幕颜色,只做纯几何;但正是这份纯粹,让它成为史上第一颗专用的顶点处理器。此后所有 GPU 里那个负责顶点变换的单元,谱系都能追溯到它。
克拉克带着这颗芯片创立了硅图公司(Silicon Graphics,SGI),与克拉克一起创业的还有查尔斯·库塔、库尔特·阿克利、大卫·布朗与艾比·西尔弗斯通。公司的第一台工作站 IRIS 把十余颗几何引擎排在一块板上:摩托罗拉 68000 处理器跑在 8MHz,内存 256KB,图形子系统分辨率 1024×1024,支持 256 色与双缓冲渲染,外加一块 10 兆以太网卡——在 1985 年前后,这是一台能让工程师实时旋转三维模型的机器,客户是影视特效、航空航天与科研机构,价格为六位数美元量级的专业设备。双缓冲是那串参数里最不起眼也最关键的一项:新的一帧在后台缓冲区里悄悄画完,再整幅切换到屏幕,旋转的三维模型才不会出现撕裂的“半帧”。让运动中的三维画面看起来连续,靠的正是这种画完再换的纪律——图形行业的帧率执念,从第一台工作站就已写入硬件。这类机器的客户名单本身就是一张行业权力图:特效公司用它渲染银幕上的生物,汽车厂用它评审车身曲面,军方与科研机构用它做流体与结构的可视化。买主不在乎价格在乎算力,SGI 的利润率因此常年维持在让同行眼红的水位——这套商业模式唯一的隐忧,是它默认晶体管永远昂贵。SGI 此后成为图形行业的图腾。它的机器出现在电影工业的渲染农场里,出现在汽车厂商的造型设计室与航空公司的风洞后处理机房;IRIS GL 图形接口库随着机器铺向客户,多年后演化为行业标准 OpenGL 的直系前身,IBM 甚至向 SGI 授权引进了整套图形子系统与 IRIS GL 接口,装进自己的工作站产品线——一家图形公司让 IBM 按它的规格买图形,1990 年代初的行业地位,可见一斑。
但 SGI 的商业天花板写在它自己的定价里。1987 年,加拿大显卡厂商 Matrox 推出 SM 640——把 SGI 的几何引擎芯片装在子卡上、插进个人电脑的第一块 3D 加速卡;它没能成功,原因不是技术,是个人电脑上根本没有几个三维应用可用。1991 年 SGI 自己也推出了 IrisVision,试图把三维加速带进高端 PC 市场,水花同样有限。真正的信号是成本曲线。几何引擎发布不到五年,原本要十几颗芯片搭成的几何子系统被压缩进一颗 50 万晶体管的芯片,晶体管工艺每前进一代,同样算力的价格就跌去一截——工作站厂商的护城河是系统调校与软件生态,护城河底下的地基却是晶体管成本,而地基不属于任何一家图形公司。SGI 最终被个人电脑征服,过程缓慢而彻底:工作站的价格由六位数降到五位数再到与高端 PC 交叠,客户一个市场一个市场地流失;公司 2009 年破产,资产几经转手归入惠普企业,2016 年后品牌彻底谢幕。但正如业界为它写的墓志铭:几何引擎的原理存在于此后每一颗 GPU 中。它输掉了公司,赢了整个时代的底层架构。Matrox 的 SM 640 与 SGI 自家的 IrisVision 在个人电脑上折戟,失败的账目也要算清:两块卡都假设“工作站的应用会迁移到 PC”,迁移确实发生了,只是比所有人预计的慢了十年——十年里没有三维应用撑腰的加速卡就是一块昂贵的摆设。它们点亮的想象力要等到一个意料之外的买家来兑现:不写报告、不做设计、只想在屏幕里打怪物的人。
游戏玩家的隐形实验室
把三维图形从六位数的机房搬进普通家庭的力量,来源出乎所有行业观察者的意料:电子游戏。1994 年,斯科特·塞勒斯等人在圣何塞创立 3dfx Interactive;1996 年,公司推出 Voodoo Graphics——一张形态古怪的卡:它不处理二维画面,不能接显示器输出桌面,用户必须在机箱里保留原有的 2D 显卡,再用线缆把 Voodoo 串接进来。Voodoo 只做一件事:三维加速。它有专属的显存与独立的内存总线,二维桌面与三维渲染各行其道,互不抢带宽。装机体验因此带着鲜明的时代印记:显示器的信号线要先插到 2D 显卡上,再由一根短缆把两块卡串起来,游戏启动时画面自动切给 Voodoo,退出时交还桌面——两块卡像两名轮流值班的画家,接力处靠一根线。这个古怪设计的背后是一个清醒的判断:个人电脑三维处理的瓶颈不在功能,在带宽与成本;砍掉一切与三维无关的部分,才可能把价格压进消费区间。
在 Voodoo 之前,玩家在电脑上看到的三维画面,全部由中央处理器用软件算法逐像素硬算出来:卡马克那一代程序员把软件渲染器优化到极限,代价是把整颗 CPU 献祭给画面——别的程序全部停摆,分辨率与帧率永远在互相厮杀。玩家群体里流传的升级秘籍只有一条:买更快的处理器。三维加速卡要打开市场,先得证明一件事:它带来的画面提升,值得玩家在处理器之外再掏一笔钱。
价格之外的第二道坎是软件。3dfx 内部的第 42 号雇员布莱恩·布朗宁(Brian Bruning)领受的使命与芯片设计无关:挨家挨户游说游戏公司为 Voodoo 写支持——此前 NVIDIA 的 NV1 芯片因为没有软件生态而惨败的案例就在眼前。3dfx 为此做了一道影响深远的取舍:放弃通用标准,自研一个精简的专有接口 Glide,让游戏直接对 Voodoo 的硬件特性编程。Glide 短小、快速、好写,游戏开发商蜂拥而至。用今天的眼光看,这是一次与公地判决背道而驰的豪赌:专有接口把开发者锁在自家硬件上,换一家显卡就全部重写。3dfx 赌的是时间差——通用接口的成熟尚需时日,而玩家的耐心只有几年;先让游戏跑起来,比先让标准完美重要。历史对这次豪赌的裁决颇为微妙:Glide 确实为 3dfx 赢下了黄金三年,也确实随着通用接口的成熟而被抛弃——锁定的红利与锁定的反噬,账期分毫不差。1996 年,约翰·卡马克(John Carmack)为 id Software 的《雷神之锤》亲手写出 GLQuake——这位以软件渲染器登峰造极著称的程序员,亲手给自己的旧范式写了悼词:GLQuake 是第一款真正跑在硬件加速上的主流射击游戏,高分辨率下的流畅度让此前的软件渲染版本一夜之间显得寒酸,画面之流畅震动玩家社群;随后 Core Design 的《古墓丽影 II》、Epic 的《虚幻》、Valve 的《半衰期》接连以 Voodoo 为最佳体验平台。3dfx 自己不产卡,把芯片授权给众多板卡厂贴牌出货,市面上 Voodoo 卡五花八门而核心同一;玩家社群里形成了一条简单粗暴的共识:想玩好 3D 游戏,先买 Voodoo。这共识的扩散路径自成一套传播学:游戏杂志的评测页、拨号 BBS 与早期网站的硬件论坛、电脑城柜台老板的口头推荐,三股渠道说着同一句话。彼时个人电脑的性能升级几乎全靠玩家自己动手——拆开机箱、插上子卡、装驱动、改游戏配置文件,玩家第一次以硬件消费者的身份参与了尖端并行计算的路线投票:哪家的架构卖得多,哪家的架构就活到下一代。投票的门票里还夹着一层副产品:为了让三维游戏跑顺,玩家被迫学会看中断占用、改自动执行配置、在论坛里贴出完整的机器配置单等高人指点——消费级的显卡,把一批又一批普通少年训练成了半个硬件工程师;这批人中的相当一部分,日后填进了芯片与软件公司的招聘名单。这间纪念站多年后自述,3dfx 巅峰时期占据八成以上的 3D 加速市场(该站口径)。
回头审视这段历史,真正昂贵的部分从来不是芯片设计,而是“让芯片有人用”。Voodoo 的翻身公式由三笔账构成:存储器行情暴跌砍掉物料成本,Glide 与杀手游戏补上软件生态,玩家的购买欲摊薄研发投入——三笔账都记在游戏产业的资产负债表上。三笔账相互咬合:没有低价就没有装机量,没有装机量就没有游戏支持,没有游戏支持,低价也只是无人问津的便宜。Voodoo 的幸运在于三笔账在同一两年里先后兑现;它的脆弱也在于此——三笔账里任何一笔抽走,公式立即失灵,这个隐患在几年后的公司账目上果然应验。此前所有三维硬件的失败(Matrox SM 640、NVIDIA NV1)都卡在同一件事上:没有人为三维内容买单;游戏把这个死结一刀剪开——玩家不为“加速卡”这种抽象概念付钱,为更快的子弹、更圆的曲线、更华丽的爆炸付钱,而这三样东西恰好需要与科学计算同构的浮点吞吐。游戏改变了这件事的经济学:几千万玩家每人掏一两百美元,凑成了此前专业市场永远凑不出的研发摊销基数。个人电脑历史上第一次,最尖端的并行浮点硬件不是由企业预算、而是由青少年与游戏玩家的娱乐支出养活的——这个史上罕见的付费结构,二十年后将显出它真正的历史分量。为这个结构再补一组对照:同时代的科学计算用户以千计、以万计,游戏玩家以千万计;前者要论证预算才能升级设备,后者用零花钱自动投票。研发的护城河从此换了算法——谁能把尖端算力装进游戏的价格区间,谁就拥有比任何国家实验室都庞大的摊销基数。3dfx 没能用足这个公式(它的管理与押注失误很快会追上来),但公式本身被后来者原样继承。
一颗芯片的合并
Voodoo 时代的主流 PC 图形方案是两块芯片的分工:一块二维卡负责桌面与文字,一块三维卡负责游戏渲染。合并的冲动来自竞争的白热化:1990 年代末,英伟达(NVIDIA)在连续的濒死体验后确立了教科书式的节奏——每六个月出一款新芯片,比对手快一步;早期公司的芯片失误几乎让它关门,此后的逆袭靠的是把研发切割成互相咬合的梯队:这一代在量产出货,下一代在流片验证,下下一代已在图纸上。竞争对手沿用年度节奏者,逐渐发现自己在货架上永远慢半拍;黄仁勋(Jensen Huang)的公司此前已经用 RIVA 系列把二维与三维收进同一颗芯片,下一步是把最后一块独立领地也吞下来。合并的工程含义需要摊开:两块卡意味着同一份数据要跨越总线两次,二维卡把像素交给三维卡,三维卡把结果送回显存,每一次搬运都是延迟与功耗;单芯片方案把这些搬运全部变成片上信号,省下的时间直接变成帧率。芯片业的老规律在显卡市场上同样生效——集成者最终吃掉分立者,除非分立者守着集成者做不了的性能绝顶。合并的临门一脚发生在 1999 年。8 月 31 日,NVIDIA 发布 GeForce 256,10 月 11 日上市:台积电 220 纳米工艺,139 平方毫米的芯片上集成 1700 万个晶体管,核心频率 120MHz,配 32MB 显存。产品名里的“256”指的是 256 位图形引擎的位宽——这是当时营销的数字主角,此后的历史证明,真正该被记住的是另一个更安静的变化:从这颗芯片起,“显卡”这个词指的不再是一块负责显示的板卡,而是一颗处理器。NVIDIA 为它起了一个此前不存在的品类名——GPU(Graphics Processing Unit,图形处理器),宣传口径是“世界上第一款 GPU”:首次把 256 位引擎与硬件几何变换光照单元(T&L,Transform and Lighting)集成进单芯片,此前由 CPU 承担的顶点变换与光照计算,从此在显卡内部完成。
把 T&L 说成革命需要一点克制:几何变换与光照计算,SGI 的几何引擎在 1981 年就做了,此后每个工作站厂商都在做。GeForce 256 真正的历史意义在于位置而非原理——它把工作站级的三维管线完整地塞进了消费级显卡,让“是否拥有几何加速”成为所有显卡的出厂属性。CPU 从此从顶点变换的苦役中解放出来,三维场景的多边形数量不再受处理器余量的钳制,游戏画面的复杂度自此由显卡的晶体管预算单独决定。革命落地时还带着时差:GeForce 256 上市之初,支持硬件 T&L 的游戏屈指可数,评测者一度讥笑这块芯片的几何引擎无处施展;NVIDIA 的回答是让时间站在自己这边——驱动的兼容层先让老游戏照跑,新游戏则按新管线开发,硬件先行、软件跟进的顺序从此成为显卡行业的固定剧本。这也是“GPU”这个名称真正的含义变化:显卡从显示器旁的外设,变成一块自带完整计算管线的处理器——CPU 之外的第二颗大规模处理器,就此在亿万台 PC 的机箱里拿到了常驻席位。这个品类命名在二十多年后被证明是一次惊人的提前量,不过在 1999 年,它只是显卡广告里一个响亮的词,真正的震感要等新一代显卡的帧率数字公布才会传来:游戏媒体测完 GeForce 256,把“CPU 瓶颈消失”写进了标题。玩家的体感则更直接:处理器从三维苦役中脱身后,第一次可以一边打游戏一边挂着下载与压缩,机箱里那颗 CPU 仿佛凭空快了一代——显卡吞下的每一份工作,都会以另一种方式还给用户。从此评价一颗 GPU 有了双重标尺:游戏帧率是一把,浮点吞吐是另一把——第二把标尺在当年只出现在极客论坛的角落里,日后将登上全球市值新闻的头条。
三维渲染管线:一段任务的三次搬家
┌────────────────────────────────────────────┐
│ 几何阶段 光栅化阶段 │
│ 顶点坐标 → 矩阵变换 → 裁剪 → 屏幕映射 │
│ │ │
│ ▼ 三角形设置 → 遍历 │
│ 光照计算 → 片元着色 → 逐像素合成 │
└────────────────────────────────────────────┘
1981 SGI Geometry Engine: 变换+裁剪固化(工作站)
1996 3dfx Voodoo: 光栅化+纹理加速(消费级)
1999 GeForce 256: T&L 也进芯片, 管线全部单芯片化
2001 DirectX 8: 固定单元改为可编程着色器
会编程的像素
GeForce 256 的管线虽然完整,却是死板的:变换怎么做、光照怎么算、材质怎么混合,全部由芯片出厂时的固定电路写死,开发者只能开关功能、调整参数,不能改变算法本身。想让水面的反光更像水、想让皮肤有次表面散射的暖意,固定管线给不出答案——所有游戏的光照都长着同一副面孔。微软在 DirectX 8.0(2000 至 2001 年间发布)中给出了出口:着色器模型(Shader Model),把管线中的两个阶段开放为可编程单元——顶点着色器接管顶点变换与光照(字面意义上取代了 T&L 单元),像素着色器接管每个像素的颜色计算。开发者可以往 GPU 里灌自己写的小程序,让每一款游戏的光影都独一无二。这件事在图形行业内部引发的震动,可以用一个对比说明:固定管线时代,两家游戏用同一种水面效果,屏幕上分不出彼此,因为算法长在硅片里;着色器时代,水面是每个工作室自己写的几十行代码,写法即风格。硬件的差别第一次让位给了程序的差别——芯片厂商卖的是画布,画家自己带笔。大学里的图形学课程表也随之改写:固定管线的内容逐年压缩,写一个能跑的着色器成为图形课的入门作业,一代图形程序员的技能树自此以可编程为根。芯片厂商卖的是画布,画家自己带笔。2001 年,NVIDIA 的 GeForce 3 率先实现了顶点与像素着色器的分离硬件架构。
第一代着色器寒酸得很:汇编式编程,单段程序只有十几条指令的预算,没有循环,没有分支,每一个效果都要在这方寸指令里腾挪出来——把这套限制用到极致的程序员被同行称作着色器巫师,他们用十行代码骗出人眼的把戏至今仍是图形学的传奇段落。但门一旦打开就关不上了——编程能力意味着 GPU 不再只能画图:任何能拆成大规模并行数据流的计算,都可以写成着色器跑上去。GPU 的算术个性恰好站在了时代的风口上:它牺牲了分支预测与缓存层次,换来几百条流水线同时吞吐浮点运算——这种架构跑Excel 是杀鸡用牛刀,跑“同一道简单算式乘以几百万份数据”的任务却刚好严丝合缝。20 世纪 80 年代中期起就有人尝试把非图形计算塞进图形硬件,可编程着色器让这类尝试第一次有了像样的编程界面;此后数年,物理模拟、图像处理、金融计算接连“借用”显卡:研究者把蛋白质折叠写成像素方程,把期权定价伪装成纹理运算——GPU 的通用化最初是一连串心照不宣的挪用,程序员们明知显卡是给游戏设计的,依然把数学硬塞进图形的模子里,因为这是他们能买到的最便宜的超算。这段挪用史里的细节足以为它作证:研究者要先把自己的数据伪装成一张“纹理图像”,把迭代写成一次“贴图采样”,把输出报告成“渲染结果”——每一步都在与图形接口的命名系统斗智,每次显卡驱动更新都可能让“图像”变回数据并当场报错。挪用倒逼正名:2006 至 2007 年,显卡厂商先后推出让程序员直接用类 C 语言写通用计算的正式接口,通用计算从此不必再披着像素的外衣;统一渲染架构(顶点与像素单元合并为同一种通用单元)也在同期到来,管线上最后两种工人合并成一种——此后再新增的单元,天生就是通用的。从固定功能到可编程再到统一,GPU 在不知不觉中变成了另一种东西:一块为吞吐量而非响应速度设计的通用并行处理器。回头看这条演化路径,每一步的动机都写在图形需求里:多边形要多,所以顶点单元并行;像素要多,所以片元单元并行;光影要真,所以开放编程;而并行加编程的组合一旦齐备,通向一切大规模数值计算的门就已虚掩。图形产业为“把画面算得更快”建造的整座机器,恰好就是大规模数值计算需要的全部形状——世界上再难找到第二座如此巧合的工厂。把本章的部件清单与二十年后对一对账:矩阵乘加的吞吐单元、海量线程的调度、动辄数吉字节的高带宽显存——大模型训练所需的三大件,在图形管线里早已逐一就位,只是 2001 年还没有人给它们派那项新任务。只是它的账单,长期仍由游戏玩家支付。
谁在替未来付账
把本章的接力棒重新串一遍:1981 年,斯坦福把几何运算做成芯片,服务六位数美元的工作站;1996 年,存储器行情把消费级 3D 加速卡的价格砸进玩家区间,游戏软件用销量摊薄研发;1999 年,整条管线合并进单芯片;2001 年,管线开放编程;此后每一年的升级节奏,由全球数千万玩家的换卡周期决定。这套结构最反常的地方在于融资方式:人类历史上最庞大的并行计算产业,其前期研发摊销的承担者是一群买显卡打游戏的人——他们为《雷神之锤》的流畅付的钱,顺路资助了矩阵乘法硬件的每一次迭代。接力棒上的每一环都该记下自己的工时:SGI 证明了矩阵管线可以硅化,输掉了市场;3dfx 证明了消费级市场养得起浮点吞吐,输掉了豪赌后的公司——2000 年底,现金流断裂的 3dfx 把技术与商标卖给了老对手 NVIDIA,圣何塞的那间公司就此散伙;NVIDIA 与 ATI 的双雄竞赛接棒,把“六个月一代”的节奏维持了二十年,晶体管预算一年比一年厚。这条支线的结局在第 105 章已经登场:当深度学习发现 GPU 的矩阵吞吐恰好是自己需要的东西时,它直接搬进了 gamers 们养大的产线——大模型时代的算力底座,底层的产线摊销红利是游戏玩家自费搭起来的;英伟达的市值故事,第一笔本金记在 1996 年玩家们的卡带账单上。本卷与下一卷多次写到产业账单的承担者——被隐匿的标注工、被替代的初级劳动力——而 GPU 这条支线的账单结构最为奇特:承担者不但付了钱,还盼着下一年付得更多。
战壕战至 21 世纪初清点战场:数十家显卡公司只剩寥寥数家,出局的阵容里既有老牌劲旅也有三年前的明星;活下来的公司顺手接收了出局者的工程师,图形人才从工作站阵营向消费显卡阵营的单向流动,从 1990 年代中期的涓涓细流变成了世纪末的常规航道。3dfx 在 2000 年底把技术与商标作价卖给英伟达后遣散员工,曾被玩家供上神坛的品牌以资产出售的方式谢幕;幸存者继续在毫秒之间贴身肉搏,每六个月一次的换代从未停摆。
而被这套结构碾过的那一方,账目同样清楚。SGI 的高端工作站市场被“够用的消费级显卡”逐段蚕食,公司从图腾到破产只用了不到十年;三维加速的每一次平民化,都在拆掉专业图形设备的价格地基。用第 095 章的话说,历史在此重演了一遍:发明者不获奖,普及者加冕——但这一次,普及的燃料既非企业采购,亦非政府预算,是几千万玩家的娱乐支出。
把镜头从 1996 年的圣何塞拉回本书的主线,这条支线与前后各章咬合得严丝合缝:第 095 章里 DirectX 随 Windows 95 起步,为的是让游戏程序不必逐块显卡改写接口;正因有了这个统一入口,三维加速的市场才能以整个 PC 生态为底座展开;而当下一卷的神经网络研究者需要最便宜的矩阵算力时,他们从货架上取下的,仍是同一排机箱里的那块卡。三维图形产业史由此留下一句可以被反驳的断言:20 世纪 90 年代最关键的算力基础设施建设,既不是由任何国家的科技规划完成,也不是由任何企业的战略预算完成,而是由全球游戏玩家在不知不觉中自费完成——谁若主张“尖端算力只能由高价值市场自上而下地供养”,只需解释同一批晶体管为何在专业市场卖不动的年代,被游戏玩家用零花钱养成了大器。
第 097 章 2007:iPhone 与电容多点触控的感官革命
一段演说的三块幕布
2007 年 1 月 9 日上午,旧金山莫斯康展览中心,苹果创始人史蒂夫·乔布斯(Steve Jobs)站上 Macworld 大会主题演讲的舞台。他先对台下的忠实观众致谢,然后宣布:今天要发布三种革命性产品——一台带触控的宽屏 iPod,一部革命性的手机,一台突破性的互联网通讯设备。他把这三行字在投影上重复了几遍,直到观众开始喧哗,才揭晓答案:这不是三台设备,这是一台设备,它叫 iPhone。同一场演讲里,他宣布“苹果电脑公司”(Apple Computer)从此更名为“苹果公司”(Apple Inc.)——一家以“电脑”为名的公司,亲手把这个词从自己的名字里删掉了。演示环节,他用拇指在通讯录列表上向下一抹,列表先跟着手指走,松手后带着惯性继续滑行,缓缓停在要找的名字上;他拨通电话,又翻出照片,两根手指在屏幕上一捏一张,图片随之放大缩小。掌声持续了很久。这台设备要到当年 6 月 29 日才正式发售,4GB 版售 499 美元,8GB 版售 599 美元,独家绑定运营商 Cingular——数月后随收购改称 AT&T 移动。
演讲的靶子,乔布斯事先摆在了台上。他放出当时几款智能手机的照片,指着机身下方那片固定的按键区说,问题就出在这里:这些按键和控制是出厂焊死的,装什么应用都一样,它们没法改变;语音信箱、通讯录、网页浏览器,每个应用都挤在同一副按键上,按键却不肯迁就任何一个。说完按键说笔,然后是那句反问——谁想要触控笔?(Who wants a stylus?)你得把它拿出来,用完收好,还会弄丢;没有人想要触控笔。这段嘲讽流传了很多年,被引用时常常只剩半句,但完整的逻辑值得记牢:先认定固定按键与触控笔是问题,新方案才有立身之地。
台下没有几个人意识到,那两根手指的动作比产品本身更要紧。演示里出现的三个动作——滑动解锁、列表惯性滚动、双指捏合缩放——在此前任何一部量产手机上都不存在,也几乎没有任何一部电脑支持。滑动、捏合,都不是更快的按键;它们是机器第一次读懂的“手语”。人手天然会做的动作:划、拖、捻、弹。此前的机器要求人把自己的意图翻译成一串符号——按键、点击、双击、快捷键——翻译规则写在说明书里,背下来才能操作;iPhone 把翻译的方向反过来,让机器去认手的动作。这听上去像一次顺理成章的升级,实际是一次信道换血:输入设备的物理形态、感应原理、采样方式和软件解释器全部换掉,缺一环,那些手势就不成立。这一章要拆的,就是这次换血从哪里来、由谁付账、又把谁挡在了门外。
2007 年初的手机业,是一门被验证过无数次的成熟生意。诺基亚的 Symbian 机器占据着销量榜首,Windows Mobile 阵营盘踞企业采购,Palm 的 Treo 与黑莓瓜分高端商务市场——这份品类版图,正是《商业周刊》2007 年年初行业分析里的基准画幅。苹果在这张地图上没有任何位置:它没有造过手机,没有运营商渠道,没有手机业的供应链履历。以行业常识衡量,2007 年闯入手机业的苹果,比它当年闯入音乐播放器业时更缺乏凭据。Macworld 的观众为演示鼓掌,是因为演示确实流畅;行业里的资深人士看到的是另一张清单——499 美元的定价、毫无履历的厂商、没有键盘的输入方案——每一项都指向失败。理解这场革命的分量,得先把这张失败清单当真。
用力气才有反应的玻璃
换血之前,移动设备的主流输入方式是一块要用力气的玻璃。电阻式触摸屏由两片单面镀有 ITO(氧化铟锡)透明导电膜的基板相对叠合,中间以微小间隙隔开;手指或触控笔按下时,两层导电膜在触点接通,控制器测量电压分布,算出触点坐标。它的优点在 2005 年以前是压倒性的:成本低,隔着膜也能感应,指尖、笔尖、指甲、戴手套的手都能用;代价同样清楚——必须施加压力,膜片会磨损,透光率被两层膜拉低,而且整块屏同一时刻只认一个触点。这个“单点”不是软件限制,是原理限制:两层膜按下的只有一个位置,控制器输出的一直是一个坐标。手机厂商没有理由抱怨它——两片镀膜的薄膜加上一根排线,物料成本低到可以塞进任何价位的机型,而且戴手套能按、笔尖指甲都能用,适配成本几乎为零。电阻屏没有就此消失。此后多年,它靠“戴手套可按、任意物体可触”的皮实劲,继续守着工业设备与公共场所终端的位置——那是后话。
电阻屏(单点,需压力) 手指按下 → 上下膜在触点导通
┌───────────────┐
│ ▔▔▔▔▔▔▔▔▔▔▔▔▔ │ ← 上膜 ITO
├───────●───────┤ ← 触点:两层导通
│ ▁▁▁▁▁▁▁▁▁▁▁▁▁ │ ← 下膜 ITO
└───────────────┘
控制器读电压分布 → 一个坐标 (x,y)
单点输入决定了那个时代交互的形状。既然屏幕一次只认一个位置,功能就得按层级排好,让人一层层点进去;既然没有多指,缩放就得靠专门的加减按钮或者滚轮,一格一格挪。大屏触控手机配上触控笔——笔尖比指头细,在单点上精度更高——手写笔于是成了那一代设备的标配。笔的物理属性决定了它的处境:细、滑、易丢,丢了就几乎没法精确操作;各家的笔不通用,输入的识别词典也不通用。不用触屏的手机把输入交给按键:直板机守着 0—9 的九宫格,一个键挂三个字母,输入一个词要连按几次;面向商务人群的黑莓把 26 个字母压成几十颗凸起的塑料键,靠拇指的肌肉记忆换打字速度。无论哪种方案,人都在适应机器:键位是机器定的,词典是机器定的,用户负责背。
背,就是那个时代交互的核心成本。背键位、背词典、背层级路径。厂商并非不知道这一点,但 20 世纪 90 年代到 21 世纪初的元器件把选择框死了:能感应“碰”而不只是“压”的电容技术,做成单点的表面电容屏可以量产,能同时读出多个触点的电容屏做不出来,做出来也贵得进不了手机物料清单。更有意思的是,“多指同时操作”这件事,学界早就摸到过门。1982 年,多伦多大学的研究组做出了感应多指按压的触摸屏原型;1984 年,贝尔实验室做出能用多只手控制画面的触屏;1991 年,在施乐欧洲实验室工作的皮埃尔·韦尔纳(Pierre Wellner)提出“Digital Desk”(数字桌面),让摄像头追踪桌面上多根手指的动作,支持双指缩放这类手势。他演示的画面里,两根手指在桌面的一张图片上一张一合,图片随之放大缩小——十六年后,这个动作成了亿万人的日常手势。这些工作在各自的会议上受到关注,然后停在了论文和原型上——当时没有便宜的透明电极玻璃,没有够快的信号处理器,更没有愿意为“手势”这种说不清的需求买单的客户。它们不是失败的研究,是出生太早的研究:物理条件未到,概念就成了孤本。硅谷的产品史写作常把多点触控说成 2007 年从天而降,多伦多和贝尔实验室的档案说明它悬置了二十五年——悬置的原因全在物理与成本,不在想象力。
实验室之外,另一条多点触控的技术路线也在酝酿。它不走电容,走光学:在玻璃夹层里注入红外光,手指按压处扰动光的反射,摄像头捕捉光斑即得触点位置,这类方案后来有了专门的名字,比如受抑全内反射(FTIR)。光学路线的好处是不依赖导电玻璃,尺寸可以做得很大;代价是厚度与成本,做不进手机,却适合茶几大小的桌面设备——这条路线的终点,就是 2007 年与 iPhone 同场亮相的微软 Surface。电容与光学两条路线,一个往小做,一个往大做,在同一份学术家底上分头演化,各等各的机缘。
为疼痛设计的手势
把这条悬置了二十五年的线重新接起来的,不是手机厂商,是一位手腕疼的博士生。20 世纪 90 年代末,韦恩·韦斯特曼(Wayne Westerman)在特拉华大学电气工程系读博,方向是电容传感的信号处理。他本人患有重复性劳损——长期敲击键盘、操作鼠标积累的手部损伤,敲击越勤,越疼,越疼越敲不动。重复性劳损不是急症,是每天数千次敲击累积起来的肌腱与神经损耗,办公室文字工作者是高发人群;换人体工学键盘、垫腕托,都只是在冲击频率上打折扣,治标。他的导师约翰·埃利亚斯(John Elias)同样受此困扰。师生二人从各自的疼痛里读出一个问题:键盘把全部输入都压在“敲击”这一种动作上,手指的肌腱反复承受冲击;可人手原本会做大量不费冲击的动作——滑动、抚摸、捻转,这些动作对肌腱温和得多。如果输入设备能读懂这些动作,打字之外的工作就可以换成省力的手势。1999 年,两人把研究做成了公司 FingerWorks,注册地在特拉华州纽瓦克,产品是 iGesture 手势板和一整块无按键的多点触控键盘。
FingerWorks 的产品原理,后来原样进入了 iPhone。板面下方是一层电极阵列,横竖电极在交点处形成一个个微型电容;手指是导体,靠近任一交点都会改变该点的电容量;控制器按行按列高速扫描整个阵列,把每个交点的电容值读一遍,从电容变化的图案里同时解出多个触点的位置,再对相邻触点做插值,精度可以超过电极间距本身。这叫投射电容式触摸:手指与电极的耦合点相当于一个个投射在板面上的电容计,不需要压力,皮肤靠近即生效,同一帧里可以报出十根手指。电阻屏读的是“压在哪里”,投射电容读的是“谁靠近了哪里”——一个坐标的生意,变成了整幅电容图的生意。
耦合的物理并不神秘:电极阵列由交流信号激励,手指作为导体经人体与地构成回路,靠近电极时,交点处的电场被手指分流,电容值随之改变。控制器区分的不是“有手指”和“没手指”,而是一整幅电容变化图——图上每个亮斑有一个位置、一片面积、一条运动轨迹。面积和形状成了免费的附加信息:指尖是一枚小亮斑,整只手掌贴上来是一片大亮斑,算法按面积过滤,只把指尖的亮斑交给应用,手掌压住屏幕边缘也不至于误触。这套过滤在电容方案里几乎是白送的,电阻屏做不到——它只有那一个受压点,分不清指头和手掌。
投射电容阵列(局部,行×列交点即感应单元)
列驱动 → C1 C2 C3 C4
┌─────┬─────┬─────┬─────┐
行 1 │ │ ▲ │ │ │ 手指 1 靠近(行 1,列 2)
├─────┼─────┼─────┼─────┤ ΔC 抬升
行 2 │ │ │ │ │
├─────┼─────┼─────┼─────┤
行 3 │ ▲ │ │ │ ▲ │ 手指 2(行 3,列 1)手指 3(行 3,列 4)
└─────┴─────┴─────┴─────┘
控制器逐行激励、逐列采样 → 每帧输出 N 个触点
→ 插值亚像素坐标 → 触点序列送手势识别
触点有了,剩下的是解释。FingerWorks 固件里存着一本手势词典:单指滑过板面是移动光标,两指同时滑是滚动,两指反向旋转是转图,张开是放大,合拢是缩小,轻叩是点击。电容传感不需要压力,这些动作全部零力完成,肌腱只承受移动的摩擦。零力这一条,让它的键盘对手部劳损用户有真实的减负意义——把敲击换成滑动,冲击确实消失了。1999 到 2005 年间,FingerWorks 的客户主要是手腕劳损的文字工作者、图形设计师和小众硬件玩家,板子价格在数百美元量级,公司维持在小规模、靠专利撑着的状态。它证明了两件事:电容阵列能同时看见多根手指;手势可以成为一套自洽的输入语言。iGesture 板的典型用法,是把双手平放在板面上,十个手指同时落位,光标、滚动、点击全部由指法完成,手不必在键盘、鼠标、快捷键之间往返挪动——对劳损患者,减掉的正是这种高频往返。板子替代的是鼠标加快捷键,敲击被压缩到最小,打字仍然保留。这套指法后来直接长成了 iPhone 的手势词汇:两指滑动、旋转、开合,在 FingerWorks 的产品说明里已经成套出现。它没有证明的是——这套语言配不配得上一个大众市场。答案要等一个不怕赌的买家。
2005 年,苹果收购了 FingerWorks,韦斯特曼加入苹果,后来的职位是多点触控架构师。收购完成后,FingerWorks 的产品线悄然停售,这家小公司从市场上消失,苹果对收购用途不作任何解释。此后两年,外界只能在零星的专利文件里看到多点触控字样——专利署名里出现了韦斯特曼的名字。一家为手腕疼痛设计输入的公司,被一家做电脑的公司买走,然后一起沉默。这份沉默的价格,下一节算。
三十个月的沉默
收购发生在苹果内部一个更隐秘的工程周围。2004 年前后,苹果立项开发手机,项目代号 Project Purple,前后投入约一千名内部员工,保密纪律严格到多数参与者只知道自己负责的那一小块。为了让设备联网,苹果与运营商 Cingular 达成秘密合作:合作持续约三十个月,花费口径约 1.5 亿美元,涉及网络定制与排他条款。一家做电脑的公司要与电信运营商谈判,这在当时的行业里近乎荒诞——手机业的规则是运营商说了算:运营商出补贴、定规格、预装自家软件,厂商按运营商的要求交货。苹果要的是反过来的合同:设备完全自己定义,运营商只提供网络。Cingular 答应了这个条件。三十个月里,外界只见到苹果的专利申请越来越密集,没人知道那是一台手机。
项目本身的路线还拐过一个弯。苹果内部最初的构想是一块能直接用手操作的大玻璃——平板电脑;乔布斯后来把开发重点从平板挪到了手机,那块平板要等到 2010 年才以 iPad 的名字发布。2007 年的这台设备,因此是被平板构想侧面催生的手机:电容阵列、手势词典、那块玻璃,最初都是为一块大得多的屏幕准备的,装进手机反而是缩小使用。工厂那一头同样在保密中运转。2020 年,苹果前工程师鲍勃·伯劳(Bob Burrough)公布了四张摄于 2007 年的老照片:几排初代 iPhone 在架子上排队接受质量检测。上千人干了三十个月,连产线照片都压了十三年才见光。
项目接近完成时,质疑已经先于产品到场,而且来自最懂行的几个人。2006 年 11 月 16 日,Palm 公司 CEO 埃德·科利根(Ed Colligan)被问到苹果做手机的传闻时说:“我们在智能手机领域学习了几年,努力摸索怎么造一款像样的手机。PC 厂商是不知道怎么做的,他们连门槛都迈不进去。”这句话不是狂妄,是行业经验的总结:手机不是一台小电脑,它要在射频认证、基站兼容、电池续航、跌落测试、运营商入库检验里全部及格,Palm 自己每一步都交过学费。微软 CEO 史蒂夫·鲍尔默(Steve Ballmer)在 2007 年 iPhone 发布后给出的判断同样严密:“iPhone 是世界上最昂贵的手机,但对商业客户没有一点吸引力,因为它没有实体键盘,不能当收发电子邮件的利器。”按照当时的市场数据,这个判断成立:企业邮件是智能手机最大的出货理由,全键盘黑莓统治着这个市场,499 美元的高端价格买一台“没有键盘的手机”,等于让企业采购部门在效率上倒退。《商业周刊》2007 年 1 月 12 日的分析把这个逻辑写到最平:“人们用黑莓收发邮件,尤其是公司的电子邮件;人们会买 iPhone 获得娱乐,但邮件只是额外的奖励。这些产品生活在几乎完全不同的世界。”同一篇分析还给出了细分判断:iPhone 可能会对 Treo、Windows Mobile 和 Symbian(主要属于诺基亚)产品构成威胁,“但这对黑莓来说并不是什么威胁”。最深的反对来自哈佛商学院教授克莱顿·克里斯坦森(Clayton Christensen),2007 年 6 月 18 日他对媒体说:“苹果不会在 iPhone 上取得成功。他们发起了一项创新,但业内现有厂商有强烈的动机去击败它,这不是真正的颠覆性。”按他自己的颠覆理论推演,这个结论无懈可击:iPhone 是对现有手机每个环节的改良,改良会引来在位者的全力反击,而在位者有钱、有渠道、有专利。
这些反对意见共享同一个前提:把 iPhone 放进“手机”这个品类里评判。在品类内,每一条质疑都算得对——没有键盘确实打字慢,没有 3G 确实数据慢,499 美元确实贵。他们没算到的是,这台设备定义新品类的方式不在配置表上,而在手指上:一旦滑动和捏合成为通用的交互语言,“键盘效率”就不再是评价智能手机的第一指标,就像点击取代命令之后,打字速度不再是评价个人电脑的第一指标。反对者们不是愚蠢,是拿着正确的尺子量错了对象——尺子本身没有错。
手指的语言
2007 年 1 月 9 日的演示,把这套新语言当场亮了出来。滑动解锁:一根手指从左划到右,屏幕开了,替代了此前的解锁键或组合按键;列表滚动:手指划过,列表带着惯性滑行,到头时像拉开的橡皮筋一样轻轻弹回,松手越快滑得越远;捏合缩放:两根手指按在照片或地图上,张开就放大,合拢就缩小,画面实时跟手。同一场演讲里,乔布斯对触控笔下了判词:“谁想要触控笔?(Who wants a stylus?)”——没有触控笔,用与生俱来的手指,这台设备就是为手指设计的。整台手机正面只剩一块玻璃和一个按键:没有手写笔,没有九宫格,没有全键盘,输入全部交给那层电容玻璃。
评测很快跟上。2007 年 6 月 26 日,《华尔街日报》科技专栏作家沃尔特·莫斯伯格(Walt Mossberg)在发售前的评测里写道:“可能我们对 iPhone 的期望太高了,它不可能满足所有人的要求。一般人只是想要一个便宜的小手机,打电话、发短信。但是,尽管 iPhone 具有局限性,它带来了一种全新的体验,也是一种新的乐趣。”十年后,《今日美国》盘点 iPhone 十年间的十个最重要瞬间,排在第一个的是“扔掉触控笔”。
把演示拆开看,每一个手势都压着一条硬性的技术链条。捏合缩放要求屏幕同一帧报出两个触点,电阻屏原理上做不到;手指移动要实时跟手,触控扫描和屏幕刷新要以每秒几十次的节奏连续运转,稍慢就是可见的迟滞;捏合的比例要换算成图像的缩放倍率,旋转手势要解出两指连线转过的角度,惯性滚动要给手指抬离后的速度一个衰减函数,让列表滑行、减速、停下。这些都不是新数学,难在整条链路——电容阵列、控制器、操作系统的事件分发、画面渲染——全部为“多触点、高频、连续”重新设计。苹果的软件栈把这条链路封装成开发者可用的触摸事件流:操作系统把原始触点序列整理成“按下—移动—抬离”的轨迹,识别器在轨迹上跑手势词典,词典命中的动作再发给应用。真正的门槛是把扫描、识别、渲染压进同一个节奏:触控采样、手势判定、画面刷新串成流水线,任何一环慢半拍,手指和画面就会脱节。“跟手”两个字,量的是整条链路的延迟总和。识别的核心只有一层薄薄的几何:
两指捏合缩放(节选逻辑):
令 P1(t), P2(t) 为时刻 t 的两个触点
d(t) = |P1(t) - P2(t)| # 两指间距
scale = d(t) / d(t0) # 相对按下时刻的距离比
view.zoom = base * scale # 视图缩放实时等于距离比
惯性滚动:
抬指瞬间取末段速度 v
此后每帧: pos += v*dt; v *= 0.95 # 速度逐帧衰减
感官账要算得再细一点。触控笔是一次一个点的信道,点按只有“按”与“放”两个状态,手指的全部表达力被压缩成单点坐标序列;单点触控每帧只报一对坐标;双指并发每帧报两对坐标加两条轨迹,机器读到的手部状态变量翻了两番。多点电容把信道拓宽成 N 个触点、每点连续的位置与运动轨迹,并且取消了力量的门槛——压与碰的差别,把输入从“操作设备”变回“用手示意”。这是第 094、095 两章里图形界面逻辑的极端延伸:图形界面把“记住命令”的负担剥离掉,换成“在屏幕上找”;多点触控把“找光标、对准、再按”的负担也剥离掉,手指直接就是光标。被赋权的是所有不曾学过符号系统的人——一个不识字的孩子第一次拿到触屏设备,几分钟后就能翻照片,这在此前的任何交互范式中都不成立。被淘汰的名单同样具体:触控笔厂商、按键模具厂、九宫格输入法公司,连同数亿人练出来的拇指肌肉记忆。从电报到电话到广播电视,电学进入人类生活后的两百年里,机器嫁接的都是听觉与视觉;多点触控第一次把触觉写进了机器的感官清单——皮肤与玻璃之间的那点电容变化,成了可采样的信号。
退场的笔与留下的账
退场比预想中快。2007 年内,微软也公布了自家的多点触控产品——面向酒店大堂等场景的桌面触控机 Surface,多家厂商跟着转向电容触控方案;2008 年起,安卓阵营整体转向大屏电容触控,实体全键盘手机在新机型里迅速绝迹,手写笔退回专业手写板领域。电容屏从一个备选元器件变成了整代设备的默认交互面。这场换血里最直接的受害者是黑莓:它赖以称王的全键盘,在“手指的语言”里成了累赘,这家公司此后的长期挣扎,源头都在这次交互范式的换防。微软 Surface 与 iPhone 同年亮相,此后两条产品线走向不同命运,但“电容多点触控”作为技术基座,从此没有再让出过位置。2008 年 7 月 App Store 到来之后,那套触摸事件流成了所有第三方应用共同的地基:多点触控从苹果的私有词汇表,变成了海量开发者共享的公共语言,新应用不必再为“怎么放大一张图”发明按钮。
看多者的账本也该记一笔。2007 年 6 月 7 日,Piper Jaffray 分析师吉恩·蒙斯特(Gene Munster)写道:“最重要的是要记住,iPhone 将是一个组合设备(iPod 和手机),它吸引的不仅仅是一个移动电话用户。我们相信,投资者现在应该持有苹果公司的股票。”随后三年,苹果股价翻了一倍多;十年间上涨约 762%。行情证明不了哪一次判断正确,但它标出了那两年市场上“看得见手指的人”与“看得见键盘的人”的分野。
账单先开给苹果自己。初代 iPhone 不支持 3G 网络——2007 年美国运营商正在铺 3G,它用的是慢一档的 2G 信道;不能复制粘贴文本,这个缺陷维持了一年多;不能发彩信;电池封装死,用户无法更换;第三方应用没有安装通道,苹果最初的方案是让开发者写网页应用,真正的 App Store 要到 2008 年 7 月才随系统更新到来。每一项在发售时都被评测者点名,消费者用排队投票把这个账单暂时按了下去:初代 iPhone 最终售出约 612.4 万部,对一部 499 美元起售、毫无手机业履历的新厂商产品而言,这个数字给了所有反对意见一记回击。但缺陷清单也说明,感官革命的第一款产品远非完成态——它赢在交互范式的断代优势,赢在“滑动加捏合”这个新词汇表的不可替代性,而不是赢在配置表的每一行。
还有两笔账记在玻璃身上。其一,电容屏“人体导电”的前提重新划定了使用者的边界:皮肤必须裸露、直接接触,冬天戴普通手套会失灵,手部汗液异常者体验打折;对视障者更彻底——一块光滑的平面玻璃,摸不出任何按键轮廓,图标全靠眼睛读,等于把此前靠凸起按键和按键音勉强使用手机的盲人用户,整体关在了门外。触屏在交互史上常被当作“更友好”,这个友好有严格的生理限定条件。其二,中间构件并没有消失,只是从硬件搬进了软件:手势取代按键,成了一套没有说明书的新语言——捏合是放大,不是谁规定的,是苹果定了、全行业跟了;新用户不再背键位表,改为靠试错习得约定,学不会的人同样被留在门外。输入的物理构件退场了,约定的门槛搬了个位置。
把镜头拉远,这次换血在输入史上有一条清晰的延长线。电传打字机时代,人把想法翻译成缩写命令,机器只认敲击;鼠标时代,机器学会了读光标的二维位置,人负责点击与拖拽;多点触控时代,机器开始读手指的数量、位置与连续轨迹,手怎么动,输入就怎么算。翻译的担子每挪一次,学习成本就降一级,参与的人数就上一个台阶——从打字员到白领,再到此前被排除在计算机之外的老人与孩童。担子挪到哪里为止,没有定数;它每挪一站,也总会落下一些人。
交互史上少有哪次换代像 2007 年这次一样,把“人类感觉器官的带宽”直接写进了产业竞争的决定项:电阻屏的单点信道被电容阵列的多点信道替换,输入从压缩击键的符号学变回身体的动作学。所谓感官革命,指的是这一层:机器的输入端第一次顺着人类感官的天然带宽来设计,而不是让人去填机器的接口;这也意味着,感官上任何一点差异——看不见图标、手指抖动、手掌残缺——都会直接变成使用的鸿沟。多点触控的真正胜利,不在触摸替代了按键,而在机器的手语第一次与手的母语重合——可正是这次重合,以“手指健全、视力正常”为出厂前提,把另一批人重新挡在了门外;他们的回击,要到两年后以一套专为盲人设计的新手势展开。
第 098 章 “用户”是被造出来的:界面史的另一面
20 世纪 70 年代初的一个夜晚,加州伯克利,迈克尔·帕乔瓦斯(Michael Pachovas)和几个朋友摇着轮椅来到一处路口。他们拌好水泥,就着轮椅的扶手把水泥抹成一个粗糙的斜坡,把人行道与马路之间那道几英寸高的直角抹平,然后在夜色里摇车离去。警察找上门来。“警察威胁要逮捕我们,”帕乔瓦斯后来回忆,“但他们没有。”这道水泥坡属于违章施工,也属于一种宣言:坐在轮椅上穿过美国任何一个城市,都要先把轮椅推到车道边的小巷,再冒险冲过街面——1968 年的《建筑障碍法案》只要求政府大楼让所有人方便进出,没管大街上这道直角。伯克利加州大学的残障学生更实际,他们唯一可住的宿舍是考威尔医院,选课先看地形:下节课在别处上坡,这节课就未必有人选。帕乔瓦斯的坡道水泥粗粝、坡度潦草,却把一个物理事实摆上了台面:排除残障者的从来都是几英寸高的设计决定,抹平它需要的材料同样只有几英寸。1972 年,在残障活动家的持续推动下,伯克利市在电报大道的一个十字路口装上了全市第一个正式的路缘坡。伯克利的倡导者说,它将成为“一块能被全世界听到的混凝土板”。半个多世纪后,这句话应验得超出所有在场者的想象:今天,从旧金山到上海,凡是有台阶的城市路口都配了一道坡。这一章的题目,是界面史里同一种混凝土:每一代交互界面动笔之前,设计者先画好一个假想的“用户”,再把真人往画框里塞;塞不进去的人,就是坡道下那道直角。而历史一再显示,把直角抹平的,往往正是塞不进去的人。
四次画像,四次驱逐
第一代假想用户,画在电传打字机的纸页上。从大型机到分时系统再到 Unix,终端前的合格用户默认是系统程序员:会盲打,懂缩写,读得懂报错。界面优化的目标因此极度单一——压缩击键。1971 年 11 月 3 日的第一版《Unix 程序员手册》里,肯·汤普森写的 shell 是个再简单不过的命令解释器,连执行脚本都不支持,命令、参数、重定向符号全都朝着“少敲字符”设计。这个默认不奇怪:当年上机的每一个机时都金贵,操作者本来就是机房里的专业人员。被这个画框排除的,是所有不会打字、不敢碰键盘的人——他们不是被谁禁止使用计算机,是从未被视为潜在用户。驱逐以“默认”的形式完成,无声无息。
把画框还原成当时的工程账,它是成立的。大型机的机时按秒计费,分时系统的终端按人数排队,一个字符从键盘到纸页要走完排队、调度、输出的全程;压缩击键省下的既是钱,也是全机房的等待。缩写是这套账的必然产物:命令短到一两个字母,参数用符号缩写,帮助功能本身都嫌奢侈。对机器与机器的管理者,这是最优解;对画框外的人,问题连被提出的资格都没有——他们不出现在机房,也就不出现在需求文档里。第一代用户画框的排斥,靠的是物理门槛:你得先走到机器面前,而机器锁在机房里。画框内的人也没闲着。1968 年 12 月 9 日,旧金山秋季联合计算机会议上,道格拉斯·恩格尔巴特(Douglas Engelbart)用九十分钟演示了鼠标、超链接文本、分屏视频会议与协同编辑——后世人称之为“所有演示之母”。但值得记下的是他给演示定的服务对象:提升知识工作者处理复杂问题的能力。即使在最激进的想象里,第一代的“用户”仍然是一类受过训练的专业人,画框的边界没有被质疑,只是在画框内变得更精致。
第二代假想用户,画在办公桌上。个人电脑时代到来,机器的买单人换了,画框跟着换:新用户是办公室里的记账员、文员、经理,他们不写程序,只处理表格与文件。杀手级应用由此定了型——1979 年问世的电子表格 VisiCalc 与其后的 Lotus 1-2-3 卖出了个人电脑的第一波规模销量,卖的不是代码解释器,是账本的自动化。这个画框同样合情合理:个人电脑要活下来,必须给非程序员一个购买理由,电子表格就是那个理由。被换掉的是第一代用户:命令行极客忽然成了“落后于时代的人”,他们积累的技能被新话语称为“障碍”。新画框也没有装下所有白领——只装得下视力、双手与耐心俱全的人。
“杀手级应用”这个日后泛滥的词,就是为这一代产品发明的:一款应用强到能让人为它买一台整机。电子表格值得多说一句,因为它的成功划定了此后四十年的产品语法。VisiCalc 让会计报表从三天的工作变成三分钟:改一个数字,全表联动重算。它卖的不是计算能力——大型机早就能算——而是“立刻看见结果”的掌控感。个人电脑从此有了非买不可的理由,也从此有了一套新的隐含条款:机器为你准备的不是编程语言,是若干个“应用”,你的任务是在应用之间完成工作流。编程退为可选技能,机时费消失,取而代之的是操作培训。培训随后长成一套基础设施:办公室里的操作手册、培训课程与上岗考核,把“会用电脑”变成了一种可以被教授、被检验、被写进简历的资格。白领画框由此完成了自我复制——机器按画框设计,人按画框受训,求职按画框筛选,一切环环相扣,以至于没有人再追问画框本身是怎么画的。这条款对文员是解放,对画框外的另一批人则是静默的除名:你的工作若不长成表格的样子,机器就与你无关。
第三代假想用户,画在像素里。图形界面把机器包装成“不用学习就能用”的消费品:1984 年的 Macintosh 与其后的 Windows 面向“没有系统知识、也不想了解机器运行原理的大众”。“用户友好”从此成为产品评语里的最高褒奖,易用性被写进广告词与评测表,一项交互若需要说明书,便是设计失格。这个画框有充分的技术理由,在当时甚至占据道德高地——把机器从专业人员的禁脔变成公共用品,让千万人绕过命令行直接受益,谁反对它,谁就要回答“你打算把计算机还给谁”。代价写在了另一本账上:纯像素渲染的屏幕对机器而言只剩颜色的矩阵,控件的名字、状态、功能不再有接口。内存按千字节计算的年代,为每个按钮额外维护一份文字语义,被普遍当作不可承受的奢侈。图形界面的受益者名单里,有专业人群的失路:需要毫秒级精度、批量操作与脚本串联的人,发现自己在大按钮的世界里举步维艰,只得退回终端——那道被宣布过时的窄门,从此成了精确控制者的避难所,本章末节再回到那里。
需要把第三代画框当时的合理性再压实一层,因为它是本章全部后续的技术前提。位图屏幕之所以具有革命性,恰恰在于它什么都能画:字体、照片、任意布局,代价是屏幕对程序而言只剩一个巨大的点阵。想在这块点阵上重建语义,只有两条路:让应用额外维护一份“我画了什么”的声明,或者让读屏程序从像素反推内容。前者被当时的工程共识否决——内存以千字节计、处理器以兆赫计,每一个字节都要为图形性能让路;后者被证明不可靠——同一个灰色矩形,可能是按钮、图片或装饰线,从像素猜语义,猜错比不猜更危险。于是图形界面省略了语义层,这个决定在当时无懈可击,它的账单要等盲人用户用二十年的失语来结清。结清之前,第三代画框的排除名单已经悄悄成形:盲人排在第一位,低视力者、色觉障碍者、手部震颤者依次排在后面——图形界面给大众的每一分便利,都以这份名单为隐性成本,而名单上没有任何一个人的名字出现在设计评审会上。
第四代假想用户,画在玻璃上。2007 年的 iPhone 把输入交给电容多点触控,新的用户画框也随之定稿:视力正常、双手灵巧、能完成双击与双指捏合的手势表演者。电容屏的物理前提是人体导电,皮肤必须裸露;界面的前提是看得见图标,因为玻璃摸不出任何轮廓。这个画框在商业上无懈可击——它覆盖了购买力最强的人群。被画框丢在外面的人,名单具体:老年人与手抖者首当其冲——视力衰退与触觉迟钝常常同时到来,看不清图标与摸不准玻璃在同一双手上叠加,双击在他们的手指上并不总是成立;运动神经受损者,捏合是一种他们做不出的笔画;视障者的处境最彻底——此前的按键手机至少给手指留了凸起的键位与按键音,光滑的玻璃把最后一点可摸索的线索也抹平了。初代 iPhone 对视障者近乎不可用,这不是比喻,是那几年盲人社区日常抱怨的事实。
手势画框的排斥比此前三代更隐蔽,因为它看起来是“零门槛”的。没有键盘、没有命令、没有说明书,宣传语里这叫人人会用;拆开看,“人人”有三个隐藏前提。其一,你得看得见:图标、位置、状态全在像素里,玻璃不提供任何替代通道。其二,你的手指得精准:双击要求两次触点在时间窗内落在同一位置,捏合要求两指同时按住并反向运动,对手抖、偏瘫、截肢的用户,这些“自然手势”并不自然。其三,你得猜得到:哪个方向滑动触发什么,界面不提供任何提示,学习的代价从“背命令”变成了“反复试错”。三道门槛没有一个写在参数表上,也就没有一个出现在产品评审的议程里。四代画框,四次驱逐,驱逐的执行者从未换过——它没有面孔,就是“默认用户”这四个字本身。
替像素说话的人
图形界面把屏幕变成像素的画布,第一代被驱逐者里最沉默的一群人——盲人用户——就此连“听别人描述屏幕”的间接通道都失去了。DOS 时代的屏幕是一张字符表,程序读出字符缓冲区就能合成语音,盲人程序员与明眼同事操作同一台机器;那一小段蜜月期里,盲人程序员构成一个实打实的技术社群,绝非装饰性脚注:读出缓冲区、听懂报错、用耳朵调试,他们把听力练成了旁人的视力;位图界面把字符表换成了颜色矩阵,缓冲区里不再有字母,只有一个个像素点。要让盲人继续用机器,软件必须重新开口说话——不是渲染文字,是把屏幕上每个元素的“身份”重新报告出来。屏幕阅读器,就是替像素说话的翻译层。
翻译层的第一批尝试出现在 1989 年:Mac 平台上的 outSPOKEN 把图形界面的元素朗读出来,证明像素画布上可以重建语义。把年份放进坐标系才能看清紧迫感:outSPOKEN 问世的 1989 年,距 Macintosh 开启大众图形市场已过去五年,图形界面正在工作场所快速铺开,留给学生与从业者适应新范式的窗口正逐月关小。这条路早期的走法带着明显的应急色彩:读屏程序跟踪键盘焦点、探测界面上的文本区,能读到多少读多少,读不到的靠用户记忆屏幕布局硬背。应急方案暴露了根本困难——从外面猜一个应用的界面,永远隔着一层毛玻璃;真正的解法在应用里面,得让应用自己开口。随后是商业软件 JAWS(Job Access With Speech,作业访问与语音)——它的发明者特德·亨特(Ted Henter)的人生本身就是一条因果链。亨特生于巴拿马运河区,冲浪、摩托车赛拿过冠军,职业是工程师;1978 年一场车祸夺走他的视力。失明后他先接受了 Deane Blazie 与 Maryland Computer Services 的会说话终端培训,随后被聘去推销这种设备;1987 年,他与比尔·乔伊斯(Bill Joyce)创立 Henter-Joyce 公司,开发了最初面向 DOS、后来覆盖 Windows 的 JAWS。一个因车祸失明的工程师,造出了全球使用最广的屏幕阅读器之一;2000 年,Henter-Joyce 与 Blazie Engineering、Arkenstone 合并成 Freedom Scientific。失明没有停在他自己的故事里:2002 年他再创办 Henter Math,做的产品叫 Virtual Pencil,专门给盲与低视力、学习障碍、运动技能障碍的学生当“铅笔”用——数学演算恰恰是盲教育里最难绕过去的关卡。一个被画框排除过的人,造了两代工具把画框往外推。这条链上没有奇迹,只有一层层的先后:先是训练,再是销售,再是造出自己的版本。
但商业屏幕阅读器有一个绕不开的算术。无障碍软件的市场天然狭小,研发与逐应用的适配成本却高企,定价随之走高,JAWS 长年占据专业用户的标准配置位,价格对低收入国家的盲人、对失业的盲人、对学生而言,是一堵墙。这堵墙的直接后果写在 NV Access 组织 2014 年 7 月 7 日提交给美国全国盲人联合会大会的致辞里:“盲人,无论经济状况如何,都不应该为了能用上电脑而去做违法的事。”——去违法,指的是盗版。定价的合理性也应当写明:小市场撑不起摊薄的成本,这是当时所有无障碍商业公司共同面对的算术,不是哪一家的贪婪。可算术的解法不止一种。澳大利亚视障程序员迈克尔·柯伦(Michael Curran)从 2006 年起发起了 NVDA(NonVisual Desktop Access,非视觉桌面访问)项目:用 Python 写成,运行在 Windows 上,以语音合成报读文字、以点字显示器输出盲文,自由开源。柯伦与另一位视障开发者詹姆斯·泰(James Teh)童年在盲人音乐营相识,共同的计算机爱好让他们多年后走到一起,读屏的输出是双通道的:语音合成把屏幕念给能听的人,点字显示器把同一份内容顶成一行可触摸的盲文凸点,两条通道同源于一棵无障碍树。项目由非营利组织 NV Access 维护。开源把那道算术改写了:许可费归零,代码向全球志愿者开放,翻译与适配由社区接力完成。开源模式的另一重含义在适配的长尾上:商业读屏公司只能优先适配用户最多的应用,冷门软件、小语种界面、本地化的网页系统永远排在队列末尾;代码开放之后,任何国家的视障用户、任何小众应用的用户,都可以自己动手补上自己需要的那块翻译。世界各地的翻译者与开发者持续贡献,把界面读成各自的语言;被排除在市场优先级之外的人,第一次可以自己动手补齐自己需要的那块拼图。商业软件逼出了它自己的替代品——这是被驱逐者的第二次逆袭。这场逆袭的代价也写在了工程结构里:辅助技术软件大多无法跨平台,它必须与特定操作系统的显示子系统紧密耦合,系统每换一代图形架构,读屏就要重新适配一轮。视障用户的软件生态因此永远处在大版本升级的惊涛里——每一次行业进步,对画框内的人是福利,对画框外的人是一次重建。
读屏软件的运行,逼出了更深的一层改造。要让软件“替像素说话”,光有阅读器不够,被读的应用必须先交出自己的语义:这个矩形是个按钮,那个框是输入区,这项是链接,它叫什么名字,当前可用还是禁用。这套结构就是无障碍树(Accessibility Tree)——组件功能加文本语义的接口。图形界面时代欠下的债在这里被强制偿还:软件内核必须放弃“纯像素渲染”的唯一立场,在画布之下维护一棵可供机器朗读的树。这对当时的开发者是真实的负担,多一层接口就多一层开发与测试成本;但拒绝交出语义的应用,在盲人用户那里就等于不存在——市场的另一端第一次有了谈判能力。网页把这场谈判推向标准化:应用跑进浏览器之后,原生控件的语义不够用了,网页自绘的滑块、菜单、树状视图全都需要命名。万维网联盟(W3C)的 Web 无障碍计划为此制定规范,2014 年 3 月 20 日,WAI-ARIA 1.0(可访问富互联网应用)发布为正式推荐标准:开发者可以为任意元素标注角色、状态与属性——角色回答“这是什么”(按钮、滑块、导航),状态回答“它现在怎样”(展开、选中、禁用),属性补充名字、取值与关联——浏览器把这些标注翻译进无障碍树,读屏器照着朗读。一套自我申报机制就此成为万维网的正式成分。这笔“语义税”征收二十多年,缴出的利息远超预期。无障碍树一旦存在,读者就远不止读屏软件:语音助手照着它念屏幕,自动化测试照着它定位控件,搜索引擎与浏览器扩展照着它理解页面结构——为盲人逼出来的接口,成了整个软件世界公用的基础设施。各操作系统随后把无障碍接口内建为系统级服务:应用向系统申报语义,读屏器、放大镜、语音控制都从系统这一层领取同一份数据。无障碍从第三方的外挂插件,变成了操作系统出厂自带的一层协议——这是边缘群体谈判得来的结构性胜利,它把“适配无障碍”从慈善选项变成了接入系统的条件。从 outSPOKEN 的 1989 年到 ARIA 的 2014 年,二十五年,图形界面被迫完成了它诞生时省略的那一半工作——为屏幕上的每一样东西,保留一个名字。
像素画布(GUI 原始视图) 无障碍树(阅读器实际读取)
┌────────────────────────┐ 根 document "购物网站"
│ [搜索…………] (放大镜) │ ├─ textbox name="搜索" state=可输入
│ ┌──────┐ ┌──────┐ │ ───▶ ├─ button name="搜索" state=可点击
│ │ 鞋类 │ │ 帽类 │ │ ├─ link name="鞋类"
│ └──────┘ └──────┘ │ ├─ link name="帽类"
│ 购物车: 2 件 │ └─ text name="购物车: 2 件"
└────────────────────────┘
读屏器只看得到左边, 读的是右边
玻璃上的回击
在触屏到来之前,视障用户与手机的关系是脆弱但可运转的:键位靠指尖认,菜单层级靠背,按键音与语音播报补上视觉缺席的部分——凸起的键盘就是他们的无障碍接口,粗糙,但一直在。电容多点触控推出后,情形急转直下。触屏对所有这些积累发起了一次釜底抽薪式的挑战。电阻屏时代,盲人好歹可以按位置记忆键位;电容多点触控把整个界面摊平成一块光滑玻璃,图标全靠视觉定位,按键音与凸起一并消失。2007 年后的头两年,盲人社区面对的现实是:交互史上“最好用”的一代设备,恰恰是他们最难用的一代。这个悖论没有靠善意解决,靠的是苹果在 2009 年的一次架构移植。VoiceOver 屏幕阅读器此前已在 Mac 的 OS X 上运行多年,2009 年 6 月 8 日,苹果在 WWDC 发布 iPhone 3GS——宣传语是“迄今最快、最智能的手机”——6 月 19 日上市后,VoiceOver 第一次跑进了手机。更快的处理器不是奢侈品,是前提:朗读要实时跟上手指,手势识别与语音合成的并发需要余量,初代硬件欠的正是这口气。苹果对这款新机的宣传语本身就在回答前两年的欠账——“迄今最快、最智能的手机”,速度第一次被当成无障碍特性来卖。对明眼用户,3GS 快得锦上添花;对读屏用户,性能余量是入场券。
移植不是照搬。桌面读屏的操作模型是键盘导航加快捷键,一块没有键的玻璃上,这套模型没有落脚点,交互范式需要重造。iPhone 上的 VoiceOver 定义了一套新语法:手指在屏幕上滑动探寻,划到哪个元素,系统就朗读哪个元素的名字与类型——“信息”“电话”“双击以激活”;单击只选中和试听,双击才真正触发;想移动焦点,一根手指扫过即可,想逐项听清单,轻扫换下一个。手指的第一次触碰从“操作”降格为“询问”,操作被拆成两步:先听,后确认。清单可以逐项轻扫着听下去,听错了换一个,听准了再下手——试错不再有代价,误触不再有后果。对习惯了“看到就按”的明眼用户,这套语法多余;对读屏用户,它是触屏第一次给他们的完整发言权:屏幕上有什么、光标在哪里、下一步会发生什么,全部有了声音的副本。触屏的语言从纯视觉变成听觉加触觉的双通道,被驱逐者拿到的并非打折的原版体验,而是一种新的、属于他们自己的操作语法。这套语法有它自己的学习曲线:新用户听着逐字朗读的语音等得心焦,熟练用户则把语速调到明眼人几乎无法分辨内容的档位,用耳朵完成明眼人用眼睛完成的速读——工具的熟练度最终改写了使用者的感官节律,这在交互史上并不常见。这套“触摸探寻、双击确认、语音动态朗读”的范式,等于重新发明了一遍触屏的语义层——上一节里那棵被逼出来的无障碍树,在这里成了唯一的通行证:没有语义,朗读无从谈起。2009 年之后,这套语法被安卓等平台以各自实现跟进,触屏对视障者从“最残忍的倒退”翻转成了可独立使用的日常设备。更深远的变化是位置:读屏不再是买来的软件,而是随系统启动的能力,新设备开箱的第一天,视障用户与明眼用户面对的是同一块玻璃——差别的只剩操作语法,不再包括入场资格。回头看,这场翻转的每个环节都来自被驱逐者的压力:没有读屏软件二十年的语义谈判,苹果拿不出那棵树;没有 3GS 的硬件余量,范式无从落地;而范式本身的每一条语法,都是“先听后按”对“看到就按”的替代——设计者等于被迫重新回答了一遍“手指在玻璃上到底意味着什么”。也要把后半句写清:范式的落地不等于问题的终结。无障碍树是接口,接口要每个应用各自兑现;系统级朗读器再完善,遇到不交语义的自绘控件,读出来的仍然是一片空白。2009 年之后,盲人用户的日常从“设备不可用”变成“逐个应用地争取可用”——驱逐从整机层面退到了应用层面,坡道还得一块一块地铺。铺路的人也换了身份:无障碍工程师成为软件行业的正式工种,系统每次大版本升级,他们的日程表上就多一轮全面的适配验证——语义层是活的接口,活着就意味着持续维护。画框外的人争来的不是一次性的恩惠,而是一条需要常年养护的路。
一块混凝土板的回声
把镜头从屏幕拉回街道,帕乔瓦斯们的夜晚有一个成文的后续。1968 年的《建筑障碍法案》只要求政府大楼让所有人方便进出,管不了建筑之间的城市,而轮椅使用者的日常恰恰穿行在建筑之间。伯克利当时是政治行动主义的高地,校园里言论自由、反战、民权的运动一浪接一浪,残障学生从这股空气里读出一个问题:为什么没有一个针对“运动”的运动。1972 年电报大道的第一处正式路缘坡之后,伯克利有了数百处,随后成百上千处路缘坡遍布全美;从伯克利电报大道的一处路口,到数百处,再到成百上千处遍布全国的路缘坡,残障权益倡导者把人行道、教室、宿舍、卫生间与公共汽车逐一列入清单,压力层层汇到联邦层面。1990 年 7 月 26 日,美国总统乔治·布什签署《美国残障人法案》,禁止歧视残障人士,强制推行包括路缘坡在内的环境改造,他在签字时说:“让这堵可耻的排斥之墙最终倒塌吧。”从夜里偷着抹的水泥坡到联邦法案,中间隔了十八年——环境改造的速度以十年计,而它排除的对象等不起更久。随后发生的事,是本章全部论证的缩影:除了坐轮椅的人,所有人都在受益。推婴儿车的父母、拉行李箱的出差者、拎重物的工人、跑步者和滑滑板者,全部踩着为轮椅铺的坡道通过路口。佛罗里达州萨拉索塔一家购物中心的行人行为研究测过一个数字:90% 的“不受阻碍的行人”——毫无行动障碍的人——使用过路缘坡。记者弗兰克·格雷夫(Frank Greve)的复述更短:四十年前伯克利的残障权益倡导者垫平的是几英寸高的路缘,“然而今天,数百万美国人每天都从其上穿过”。政策学者安吉拉·格洛弗·布莱克威尔(Angela Glover Blackwell)给这个现象起了名字:路缘坡效应(Curb Cut Effect)——为最弱势群体改造的环境,最终惠及远超设计目标的人群。布莱克威尔点破了这个命名背后的算术之争:经济学家会把坡道的意外收益称为“正外部性”,但在公共预算的辩论里,无障碍改造常年被记作纯粹的支出项——受益人太少、成本太高、性价比存疑。效应之所以需要被命名,是因为不命名它,账本就永远只算见的那一半:支出可见,外溢不可见。
这条效应线在计算史上拉出过一长串同构案例。为听障人士发明的影视字幕,如今是地铁里、健身房里、嘈杂车间里所有健全人的默认设置——字幕的原理是把同一路信息冗余到第二个感官通道,听障者需要这份冗余才能接收,健全人则用它对冲嘈杂、静音与语言的隔阂;为手部不便者发展出的语音听写,成了车载交互的核心入口——因为驾驶者的双手被方向盘占用,人人都成了临时性的“手部不便者”;厨房里的例证同样直白:贝齐·法伯(Betsy Farber)患关节炎,指关节肿痛握不住钢柄削皮器,她的丈夫山姆·法伯(Sam Farber)与设计师达文·斯托维尔(Davin Stowell)拜访了多位关节炎患者后,设计出大而好握的手柄,这款为关节炎患者准备的削皮刀成了大众市场的畅销货。安全带立法的故事在更大的尺度上重复同一个模式:法规为保护儿童而推动,自 1975 年起拯救的约 31.7 万条生命里,成人与儿童各占其半。同城的例子还有自行车道:为骑行者的安全向城市施压建起的保护车道,铺开之后,纽约市骑行者重伤风险到 2014 年前后大幅下降,更大群体的行人虽然不是保护对象,受伤的可能性同样跟着降了四成。设计者为特定人群修的路,人群之外的人走上去照样受益。这些案例拼出的规律,本章可以替它说得更技术一些:为处于约束最紧位置的用户做的设计,几乎必然包含普适的改进——轮椅需要的平缓坡度,行李箱同样需要;视障者需要的语义名字,语音助手、搜索引擎与自动化测试全都需要;手抖者需要的容错时间,每个新用户都需要。边缘不是市场的边角料,边缘是约束条件最严苛的实验室。这间实验室还有一层工程含义:人的能力分布是一条连续谱,没有人固定站在谱的中央——抱着孩子的单手、刺目的正午阳光、感冒失聪的耳朵、握着方向盘的十分钟,每个人每天都会在某个维度暂时掉进“被驱逐区”。为谱系边缘做的设计,本质上是对全谱系波动的设计;而这恰好是“默认用户”画框最深的盲点:它假设存在一个能力恒定的标准人,可这样的人在现实里从未存在过。顺着这层认识,无障碍工程的实践重心也在前移:在图纸阶段就写入语义、预留容错、提供替代通道,成本以小时计;等产品发布后再回头补无障碍,成本以人月计,且很多结构性的排除此时已无法回改。坡道可以在大楼建成后再凿,语义树很难在代码写完后凭空补齐——同理,越早把画框外的人请进设计过程,账单越轻。
被留下的人与被留下的界面
可访问性的故事,另有一处常被漏算的角落:那些从未离开过命令行的人。三代图形界面的围剿——窗口、图标、触摸——没有剿灭 Unix Shell,这个 1971 年随第一版 Unix 问世的命令解释器,经 Bourne shell 在 Version 7 Unix 上接棒后,把 Thompson shell 遗下的语法一路继承下来:重定向符号、管道符号,还有 1971 年第一版手册里尚未出现、两年后才正式登场的管道机制。管道的全部秘密是文本:每个程序只做一件事,读写纯文本流,复杂工作由组合完成。
接棒的 Bourne shell 补上了 Thompson shell 缺的脚本能力:命令序列写进文件,机器照着执行,人从重复劳动里退场。批处理由此成为命令线的第二生命——白天交互敲下的每一条命令,夜里都能让机器自己原样再敲一遍。
# 统计今日访问日志中报错最多的十个页面(示例管道)
cat access.log \
| grep " 404 " \
| awk '{print $7}' \
| sort | uniq -c | sort -rn \
| head -10
图形界面围剿之下,命令行靠什么活到今天?靠三样图形界面给不了的东西。其一是可复现:纯文本可以 diff、可以进版本库、可以被脚本原样重放,一次构建或一次部署写成命令序列,今天跑和明年跑结果一致;图形界面上的点击序列无法记录、无法重放,也无法交给别人审查。其二是可组合:管道把小工具拼成流水线,几十个通用件顶得上无数专用按钮,而每个按钮背后的功能都死在一层界面里。其三是低带宽:一套终端会话,几千字节的流量就能远程操控机房里的机器,图形界面做不到这个数量级。文本配置是第四样:机器的行为写进纯文本文件,改动可以逐行评审,出错可以整体回滚,环境可以照着文本克隆——配置即文档,文档即可执行的事实。图形界面的设置项改了就是改了,没有留痕,也无法原样交给另一台机器;文本层的每一步都自带存根。于是工业级的真实场景里,命令线从不停摆:构建系统要可复现,运维要自动化,服务器在千里之外要管控,批处理要在无人值守时跑完——写进纯文本配置文件的机器,才是可交接、可审计的机器。这三样东西各自长成了行业标准动作。构建可复现意味着:整台机器的环境用一份文本清单描述,任何人一条命令就能在另一台机器上原样重建——分工协作的地基由此铺下。运维自动化意味着:夜里的备份、轮转、告警由定时脚本无人值守执行,人只处理脚本自己招架不了的例外。低带宽管控意味着:数据中心里成百上千台机器,靠一套字符终端的会话与脚本批量调度,人在几千里外敲下的几行命令,就完成了图形界面无法企及的远程操作密度。第三代用户画像驱逐出去的“精确控制者”,在这里与第一代用户画像的遗产重逢:那条被反复宣布过时的窄门,恰好是整座大厦的地基层。还有一条常被忽视的暗线把本节与前文缝在一起:纯文本流对读屏是天然友好的——一行行字符顺着读出来就是完整的语义,无需任何无障碍树,因为文本本身就是语义。终端界面对视障程序员的长久亲和力,半个世纪里从未中断;盲人开发者柯伦的 NVDA 用 Python 写成,而 Python 程序员离不开的那层文本环境,与 1971 年 Thompson shell 的一行命令之间,是同一条血脉。它给出的接口承诺也最朴素:今天写下的命令,明天原样执行,十年后的机器照样读得懂。图形界面与命令行在学习曲线上构成一对镜像:前者易学难精,新手五分钟上手,老手的天花板也只是点得更快;后者难学易精,门槛劝退大多数人,翻过门槛的人却拿到数十年不贬值的复利。命令行没有怀旧地活着,它活成了一切自动化生来就用的母语。
交互史的主流叙事,把四十年的变迁写成机器对人的不断迁就;换一副眼镜看,它更像四次连续的资格审查——每一代界面先在图纸上画好一个“用户”,然后用准入门槛把画框外的人清场,而每一次被清出去的人,都在自己的约束条件下造出了下一代界面的关键部件:看不见像素的人逼出了语义层,捏不动玻璃的人逼出了触屏的第二种语法,被大按钮赶走的专业者守住了可复现的文本层。路缘坡效应就是这场博弈的结算方式:为画框外的人抹平的每一道直角,最后都回到了所有人脚下。数一遍这道坡在数字世界里的分身:为盲人逼出的语义树,如今托着语音助手、自动化测试与全行业的软件质量;为听障者发明的字幕,托着无声地铁里的每一块屏幕;为手抖者调出的容错时间,托着每个第一次触摸屏幕的老人;为视障者重造的触屏语法,托着双手拎满行李、只剩一根手指可用的你。但结算不等于终局。全书反复出现的实体账单,在界面史上记的是另一种成本:被驱逐者用自己的时间垫付了每一代界面的学习成本与被排除的代价,随后又以革新者的身份把垫付连本带利地还给所有人——只要“用户”仍由市场份额来定义,画像就还会漏人,驱逐就还排在未来某代界面的日程表上;可以预见的是第五次画像已在路上:语音交互把“能清晰说话”写进新的用户定义,构音障碍者、口吃者、方言使用者、在嘈杂环境里的人,正在成为新画框外的人。唤醒词识别不准的口音、读不利索的短语、说话中途必要的停顿,在语音界面那里都会被判定为“输入失败”——判定发生的瞬间,画框又画好了一层。防范它的办法本章已经写尽:把语义、容错与替代通道当作出厂义务,而不是发布之后的补丁。把帕乔瓦斯的坡道当作界面史的普通规律而不是例外,是本章唯一的请求。本卷至此走完:从恩格尔巴特的鼠标到玻璃上的手势,界面史的每一次升级都同时是一次筛选;下一卷里,机器开始学着读懂人类写下的语言,画框的笔第一次可能交到机器手里——那时重新翻开本章的问题依然有效:这一次,画框外站着谁。
「计算机百年史」系列第 9 篇(共 10 篇)。全系列统一标签:计算机百年史。