解读

面试官想验证三件事：

1. 能否把“多模态”落到真实中国用户场景，而非炫技 Demo；
2. 能否把算法边界、数据闭环、算力成本、合规风险一并考虑；
3. 能否用 PRD 语言把技术指标转译成可感知的用户价值，并给出可落地的迭代路径。
   因此，回答必须“有场景、有闭环、有指标、有合规”，且 3 分钟内能让面试官听到“营收或降本”的锚点。

知识点

1. 多模态对齐：视觉 Encoder（CNN/ViT）、语音 Encoder（wav2vec2.0 中文预训练）、文本 Encoder（中文 BERT-wwm）在统一语义空间的对比学习损失设计。
2. 端-云协同量化：移动端 INT8 量化≤150 MB，首包延迟≤300 ms，云端 GPU 单卡 QPS≥50，单次调用成本≤0.008 元。
3. 数据合规：GB/T 35273 个人信息最小化、语音留存 7 日自动删除、人脸特征不可逆 128 维哈希、未成年人模式强制弹窗。
4. 评价指标：任务完成率（Task Success Rate）、多轮澄清率（Turns-to-Clarify）、误唤醒率（False Alarm / 24h）、端到端延迟（E2E Latency）。
5. 商业模型：硬件溢价+订阅制双轮，硬件一次性毛利 18%，订阅 ARPU 8 元/月， churn < 3%。

答案

我给出一个“家庭 AI 轻健身镜”原型，代号 FitMirror Mini。

1. 用户痛点
   中国 1.2 亿居家健身人群，73% 反馈“跟练动作不标准却无人纠正”，传统摄像头方案需 3999 元以上，且隐私顾虑大。

2. 产品形态
   23 寸超薄镜，内嵌 4 TOPS 边缘 NPU，支持离线骨骼点检测；阵列麦 6 颗，5 米远场唤醒；语音+文本弹幕+骨骼图三通道实时反馈。

3. 交互流程
   用户说“小镜，15 分钟燃脂”，语音语义联合理解→云端匹配课程→镜面出现教练视频；用户跟练时，视觉分支 30 fps 检测 33 关键点，若“深蹲膝盖超过脚尖”持续 0.8 s，镜面红框高亮+语音提醒“膝盖前移过多，臀部向后坐”；同时屏幕底部弹出文本“正确姿势：小腿与地面垂直”。完成后生成多模态报告：语音鼓励+骨骼对比图+文字评分，可一键分享微信。

4. 技术边界与成本
   骨骼点模型采用 MobileViT + 轻量化 OpenPose，INT8 量化后 98 MB，单帧 28 ms；语音采用 256 MB 流式 ASR 模型，本地唤醒词“小镜”误唤醒 < 1 次/24h；云端仅做课程推荐与多模态报告渲染，单用户日均调用 3.2 次，成本 0.026 元，占订阅收入 8%。

5. 数据闭环
   用户主动纠错按钮“动作不准”触发 5 秒视频回传，经差分隐私加噪后进入标注池；标注团队 4 小时一轮回流，新增 2000 段视频即可让 mAP@0.5 提升 1.3%，迭代周期 7 天。

6. 合规与伦理
   人脸与人体图像本地特征化，仅上传 128 维不可逆哈希；未成年用户 18:00-21:00 强制进入家长验证模式；语音数据 7 日滚动删除，符合《个人信息保护法》第 19 条。

7. 商业模式
   硬件售价 1299 元，BOM 980 元，毛利 24%；会员订阅 8 元/月，解锁 AI 纠错与饮食计划，预计 12 个月回收硬件补贴。目标 12 个月卖出 60 万台，订阅渗透率 45%，年营收 7.8 亿元。

8. 迭代路线
   V1.1 上线“双人 PK”模式，利用视觉+语音身份绑定，提升家庭场景留存；V1.2 接入医保电子凭证，把运动数据与慢性病管理挂钩，探索 B2B 保险分成。

拓展思考

1. 若面试官追问“如何防抄袭”，可补充：核心骨骼点模型与课程推荐算法申请软件著作权+发明专利（基于多模态对比学习的动作评分方法），并与供应链签独家模具协议，缩短跟进者 6 个月窗口期。
2. 若问“如何突破 3999 元高端镜市场”，可答：推出 FitMirror Pro，32 寸+TOF 深度摄像头，支持 3D 体积测围度，对标 Keep 镜，定价 2999 元，用同样订阅体系打差异化。
3. 若问“数据标注成本高”，可答：引入“用户自助标注”游戏化任务，用户纠正一次动作奖励 50 积分可抵 0.5 元会员费，预计可降低 40% 第三方标注费用，同时提升用户黏性。