联合利华把3D试妆镜塞进10家店，23岁工程师却赌它能铺满1000家

2017年，土耳其Gratis门店里出现了一面会说话的镜子。它没拿过奖，网上找不到视频，连做过它的人都快忘了具体参数。但当年那个23岁的技术负责人记得一件事：从10家试点到1000家目标的距离，根本不是代码能解决的。

这套系统藏在玻璃背后：RealSense深度相机、自制电路板、Unity引擎，还有一个实时和你对话的3D角色。它能用深度学习做口红虚拟试色，用机械装置喷香水和面霜，甚至用阻抗探头直接接触皮肤做分析。听起来像科幻片道具？它确实只活了很短时间。

技术栈堆得越满，消失得越快

项目结构本身就很典型：前端+架构一人扛，硬件外包，品牌方要的是"科技感"。RealSense当时还算新玩意儿，深度学习在移动端跑实时推理更是需要各种剪枝和量化。团队把TensorFlow模型压进Unity，帧率勉强能看。

但真正的消耗战不在技术实现。

试点10家店跑通后，目标直接拉到1000家。这意味着要训练一批能处理硬件故障的本地运维，要解决土耳其不同门店的电力和网络差异，要说服区域经理相信这东西不会吓跑顾客。每多一家店，不确定性就指数级膨胀。

「所有人都在谈怎么扩展服务器，没人谈怎么扩展信心。」这是当事人七年后的原话。他当时没意识到，这句话比任何技术选型都更接近项目的真实死因。

消失的产品不需要墓志铭

项目最终没有走到1000家。没有公开声明，没有复盘报告，就像很多B端创新一样，它安静地退出了门店，镜子被换回普通货架。

当事人现在能确定的细节已经模糊：具体用了哪个版本的RealSense SDK，模型推理延迟到底多少毫秒，3D角色的口型同步是不是用的Blend Shape。这些曾经熬夜调过的参数，随着硬盘更换和云账号注销，真的只存在于记忆中了。

但有些东西反而更清晰了。

他后来做过很多"更成功"的系统——有获奖的，有开源star数过万的，有在会议上被引用的。但说起"最好"的那套，他指的仍是这面镜子。不是因为技术难度，而是因为那10家店教会他的东西：当硬件、软件、物理空间、人类行为全部纠缠在一起时，技术决策的权重可能不到三成。

那些没被写进简历的

这套系统留下的遗产很奇特。没有GitHub仓库可以展示，没有案例研究可以引用，面试时说起这段经历，对方往往更关心"为什么没规模化"而不是"怎么做到的"。

但当事人发现，后来每次遇到"这个技术上可行，但组织上怎么推"的困境时，他都会想起Gratis门店里那个3D角色的眼神——有点僵硬，但确实在试图和真人建立连接。那种试图跨越恐怖谷的努力，那种在有限算力里抠出每一帧的执念，那种明知道目标可能是1000家但只能先盯住第11家的焦虑。

这些才是他后来做产品决策时的隐形输入。

行业里有个未被明说的潜规则：我们更愿意崇拜那些"从0到1再到100万"的叙事，却对"从10到1000失败了"的案例避而不谈。前者的经验可以包装成方法论卖课，后者只能变成酒桌上的自嘲。但后者可能更常见，也更值得被记录。

当事人现在偶尔会搜索"Gratis smart mirror""Unilever Turkey AR"之类的关键词，期待有人上传过当年拍的手机视频。从来没有结果。那10家店的服务可能触达过几千人，但数字足迹为零。

这让他想起另一个观察：很多真正影响过行业方向的技术，最初都是以这种"试点即终点"的形式存在的。它们没有成为产品，但参与过的人带着这些肌肉记忆去了下一家公司，做了下一个决策。技术的传播有时候像真菌网络，不是通过种子，而是通过菌丝在地下悄悄蔓延。

如果当年那1000家目标达成了，这套系统会变成什么样？更便宜的硬件方案，更标准化的运维手册，也许还有一个专门的"零售科技"事业部？当事人说他现在会避免这种假设性思考，"但偶尔还是会想，第11家店如果开成了，我现在的职业路径会不会完全不同"。

你经历过那种"技术上跑通了，但组织上没跑通"的项目吗？最后它是怎么从你记忆里消退的——是某天发现文档链接失效了，还是某天发现自己已经想不起具体用了哪个开源库的版本号？