当AI替视障者看见，什么才是重要的？|手机|无障碍|红绿灯|视障者

沈广荣每天上下班要花三个小时。理想情况下，从家里出发前，他会先打开手机，识别身上的衣服、颜色和穿着情况，再看一眼饮水机显示的温度。出门后，导航带他前往地铁站，途中经过两个路口，他会调出红绿灯识别功能，让手机通过声音和震动告诉他信号灯的变化。

如果电梯没有语音播报，他还会用手机判断楼层；需要提交证件照片时，App会提示他调整镜头，完成识别和画面缩放。对明眼人来说，这些动作往往只需要扫一眼。而沈广荣先天失明，他需要把眼前的图像转化成声音，再根据信息采取行动。

帮助他完成这些事情的App叫作“豆芽看见”，谐音“都要看见”。它由沈广荣和团队开发，面向盲人和低视力用户，将手机摄像头、传感器和AI模型结合起来，目前可以识别环境、文字、红绿灯和电梯楼层，也能扫描文档、拍摄证件并提供步行导航。

沈广荣既是开发者，也是每天使用它的人。他关心的，是产品能否准确识别前方与右前方的差别，并在合适的时刻把信息传递给用户。对依靠语音采取行动的人来说，识别、筛选和传达，任何一步都可能影响最终的判断。

从屏幕里的无障碍开始

在AI大规模应用以前，互联网产品的无障碍适配主要解决屏幕内部的问题：图片有没有可供读屏软件读取的文字说明，按钮是否标注了名称，焦点能否按照合理的顺序移动，验证码和人脸识别有没有其他验证方式。

对视障用户而言，一个没有名称的按钮只会被读成“按钮”，一张缺少替代文本的图片则可能完全不存在。弹窗如果无法被读屏软件识别，用户甚至不知道是什么挡住了页面；版本更新改变了操作顺序，此前已经适配好的功能也可能再次失效。

这些问题已经进入法律和监管视野。2023年9月施行的《无障碍环境建设法》要求，利用财政资金建立的网站、服务平台和移动应用逐步符合无障碍标准，同时鼓励购物、医疗、金融、教育和交通等领域的互联网产品进行改造。到2024年底，已有超过3000家与老年人、残疾人生活密切相关的网站和App完成适老化及无障碍改造。

但改造并不意味着问题从此消失。2026年，WebAIM对全球访问量最高的100万个网站主页进行检测，仍有95.9%的页面存在可以自动识别的无障碍问题。最常见的错误并不复杂：图片缺少文字说明、表单没有标签、链接和按钮没有名称。技术已经能够解决其中许多问题，真正困难的是让无障碍进入每一次设计、开发和版本更新。

沈广荣很早就开始与这些问题打交道。

十四五岁时，他曾在一款赛车游戏里发现一个bug：同时按下上下左右四个按键，赛车便不会撞车，可以直接通关。他开始好奇游戏是怎样做出来的，又逐渐接触到编程。

从四年级开始接触电脑后，他经常把时间花在研究邮件客户端、浏览器和各种软件上。后来真正开始写代码，困难比兴趣来得更加具体。当时的屏幕阅读器无法识别开发环境中的代码编辑区域，他只能先在普通的记事本里把代码完整写出来，再复制到开发环境中编译。

普通的集成开发环境具有自动补全功能，输入几个字母，系统就能给出后续代码；记事本没有这些帮助。程序又十分严格，漏掉一个分号，整段代码都可能无法运行。明眼程序员扫视屏幕或许很快就能发现问题，他只能依靠读屏，一行一行、一段一段地寻找。

这些经历让沈广荣掌握了一种产品判断：让一个界面能够被读屏软件朗读，只完成了无障碍的第一步。信息按照什么顺序出现，用户要听多久才能找到关键按钮，操作发生以后能不能及时得到反馈，同样决定了一款产品是否真正可用。

2025年10月，“豆芽看见”的第一个公开版本上线。团队的核心成员中，有视障者、低视力者，也有视障者家属。大家对生活中的障碍并不陌生，却也没有把个人经验直接当作所有用户的需要。

沈广荣自己熟悉数字产品，能够独立通勤，但有些用户刚开始学习智能手机；全盲用户主要依靠语音，低视力用户还可能需要放大画面、调整字体。有人经常独自出门，有人更关心怎样读完一本纸质书。同一种视力障碍之下，仍然存在不同年龄、生活经历和使用习惯。

最终需要判断的，是哪些需求普遍存在，哪些只是少数人的个人习惯，以及哪些问题以当前技术还无法解决。

信息并非越多越好

多模态AI的发展把无障碍向屏幕之外推进了一步。传统读屏软件需要产品方预先提供结构化信息，AI则可以直接处理现实世界里的图像：包装上的生产日期、身上的衣服颜色、电梯显示的楼层，以及摄像头前方不断变化的环境。无障碍由“怎样读懂一个界面”，扩展到“怎样理解眼前的世界”。

2023年，国际视障互助平台Be My Eyes推出AI图像描述功能。此前，用户需要通过视频联系志愿者，请对方查看冰箱里的食材、辨认包装或者寻找掉落的物品；AI加入后，一部分日常问题可以随时获得回答。真人没有因此失去作用。当图像没有拍清楚、回答令人怀疑，或者内容涉及敏感的个人和财务信息时，平台仍然建议用户联系可信任的人。

沈广荣过去遇到无法判断的事情，也会给家人和朋友打电话。这个办法可以解决问题，却要以另一个人恰好有时间为前提。“如果他说没空，那你可能就不能马上做这件事情。”后来出现的志愿者平台扩大了可以求助的范围，仍然需要找到一个具体的人来接通视频。

通用AI出现后，机器开始能够描述图片，新的问题也随之产生。它可能把没有看清的内容当成事实，用户追问“你确定吗”，AI才重新检查并修改答案；不同功能又分散在多个App里，识别物体、阅读文字和导航需要反复切换。

沈广荣觉得，技术能力之外，更重要的是先弄清楚视障者在一个具体场景中需要什么。

明眼人浏览一个页面，面对的是一个可以自由扫视的空间。标题、图片、按钮和段落同时存在，人可以迅速跳过不感兴趣的部分。读屏用户接收信息时，内容沿着时间依次展开。如果系统先朗读大量无关细节，真正重要的信息排在最后，再完整的描述也可能失去价值。

因此，AI提供的信息并非越多越好。它需要先说出当下最重要的内容，再允许用户根据需要继续追问。界面上的段落怎样拆分，读屏焦点按照什么顺序移动，也会影响用户获取信息的速度。

采访中，我试图用一个例子说明信息精度对视障用户的价值：AI说“前方有一把椅子”，与说“右前方有一把椅子”，会带来怎样不同的判断？沈广荣却觉得，我把问题想复杂了。“前方就是前方，右前方就是右前方。”视障者对方向和空间的理解与其他人没有区别，产品需要做的，是把位置识别准确、说清楚。

这个回答也纠正了一种常见的想象：人们为了强调技术的帮助，有时会把普通的信息需求解释成视障者特殊的认知方式。真正的差别并不发生在“怎样理解前方与右前方”，而在于他们需要通过声音获得这些原本由视觉直接提供的信息。

沈广荣并不否认AI对开发的帮助，但他认为，AI能力越广，越需要明确的需求来约束。“它懂得很多”，不等于它能自动站在视障者的角度，判断哪一种方案更好。开发者需要先定义问题、设计流程，再为模型可能出现的错误兜底。

在红绿灯、导航等涉及现实安全的功能上，这种约束更加重要。“豆芽看见”提供的识别结果只能作为辅助。雨天、夜晚、逆光或者信号灯被遮挡时，模型都可能失效。用户仍然要结合现场环境和自己的判断，把安全放在第一位。

这也是AI视觉辅助与普通图像识别之间的重要差别。一次错误的环境描述可能只是答非所问，一次错误的红绿灯判断却可能影响人的行动。视障用户又缺少直接查看画面的途径，很难像明眼人那样迅速完成第二次核验。一个产品除了追求识别率，还要知道什么时候应该提醒用户“我无法确定”。

同一个完整的产品

产品上线以后，一些新功能开始从用户的日常反馈中长出来。

有人乘坐公交车时遇到报站失效，希望App能够提供公交到站提醒。团队评估后把它加入开发计划。2026年8月更新的版本中，“豆芽看见”已经能够查询公交和地铁线路，播报下一站，也可以在出发前模拟导航，让用户预先熟悉整段路线。

还有一些变化小得多：按钮的排列顺序、读屏焦点的位置、某段文字是否容易跳过。这些调整很难成为发布会上的亮点，却可能决定一个用户每天是否愿意继续打开它。

用户提出一个需求以后，团队还要判断它能否实现，是否具有普遍性，以及应该排在什么位置。有些问题涉及数据和基础设施，短时间内难以解决；有些问题只需要调整一个按钮或改变排序，却能减少用户每天反复进行的操作。

沈广荣也不赞成为不同人群另做一个功能更少的“关怀版”。在他看来，App本身就应该完成无障碍适配：字体能够跟随系统调整，读屏能够覆盖完整功能，用户可以按照自己的习惯选择操作方式。

单独开发一个大字版或老年版，需要额外的人力长期维护，最后常常只能删去部分功能。一个以照顾特殊群体为名的产品，反而可能让他们得到一个不完整的版本。沈广荣更希望，“豆芽看见”面对的是有不同需要的用户，而不是几类被预先划定的人。

这种判断也延伸到商业化。当我把视障辅助产品概括为“市场规模有限、用户支付能力差异较大”时，沈广荣打断了这个假设。他提醒我，视障者和其他群体一样，有人开店、工作、娱乐，也会为真正有价值的产品付费。身体障碍不能直接被换算成消费能力。

“豆芽看见”目前可以免费使用，模型调用、服务器和研发人员则会持续产生成本。沈广荣认为，未来收费是产品长期运行必然要面对的问题。至于收费的时机，他的标准很直接：一项功能做到连他自己都愿意花钱购买，才有进入商业化阶段的基础。

从手机走向眼镜

目前多数视觉辅助功能仍然装在手机里。用户需要掏出手机、打开功能，再判断镜头是否对准目标。对一个无法直接确认取景范围的人来说，“拍下一张可供AI识别的照片”本身就是一道门槛。光线、距离和角度发生变化，识别结果也会随之改变。

因此，视觉辅助产品正在从单次拍照走向连续感知，载体也从手机延伸到眼镜。摄像头接近人的视线，用户可以腾出双手，AI则能持续理解前方环境。

沈广荣正在参与一款AI眼镜产品。对他而言，眼镜最直接的价值，就是把摄像头放在接近双眼的位置。使用者不必反复掏出手机、举起镜头、寻找角度，可以更自然地获取面前的信息。很多用户也向他们提出过类似需求。

不过，眼镜不会自动消除原有问题。模型延迟、电量、网络、错误识别和持续摄像带来的隐私风险，都会在“常开”的设备上变得更加突出。它首先改变的是使用方式，距离可靠地承担导盲功能仍有很长的路。

AI眼镜的合作方是深圳市一家有20余年眼镜制造经验的助残科技公司格瑞斯，与市面上主打拍照、听歌、实时翻译的消费级智能眼镜不同，格瑞斯在做智能眼镜时选择了一条差异化路线——重点发力视障人群、听障人群的功能性辅助智能眼镜。“用技术，让每一个看似普通的日常场景，都变得更友好、更无障碍。”在这一点上，豆芽看见与格瑞斯的出发点是一致的。

相关产品尚未正式落地，价格和具体使用方式也还没有确定。沈广荣把它视为未来可能的变现产品，但对于一款视觉辅助设备而言，能否长期使用还要经过更多现实场景的检验：光线变化时能不能看清，断网以后还能做什么，一次充电可以工作多久，以及用户是否能够承担价格。

去一些以前很少去的地方

沈广荣关注新增用户，也关注一件更朴素的事：用过的人是否愿意把它推荐给另一个人。

有人告诉他，自己过去不太敢独自出门，有了导航以后开始尝试走得更远；有人家里的电梯没有语音提示，现在能够判断所在楼层；也有人过去很难阅读普通印刷书，如今可以用手机逐页扫描，甚至开始尝试看漫画。