看点
这条收录的不是 vGPU 开发库本身，而是它已经完成、普通人可以直接打开的三个 AI 互动。第一个是 [MNIST Classifier](https://vgpu.sh/examples/mnist-classifier)：在 280×280 的黑色画板里手写 0 到 9，页面旁边的概率柱会随着笔迹重新判断。第二个是 [Depth Estimation](https://vgpu.sh/examples/depth-estimation)：让模型从一张普通照片或摄像头画面估计远近，再把深度结果与原图并排显示。第三个是 [Air Painting](https://vgpu.sh/examples/air-painting)：镜头画面像蒙上一层雾，模型追踪双手后，你可以在空气里把“玻璃”擦开。
这三项的共同乐趣不是参数或跑分，而是输入和模型反馈离得很近：写一笔就看到数字概率变化，换一个画面就看到深浅结构，抬手移动就看到透明区域跟着走。官方还把每个 demo 的只读源码放在页面下方，但只想玩的人不需要读代码。
怎么开始
- 先打开 [手写数字识别](https://vgpu.sh/examples/mnist-classifier)，等页面完成
Preparing inference，用鼠标或触控板写一个尽量居中的数字。故意把 3 写得像 8，再看十根概率柱怎样摇摆，最容易理解模型不是“认出答案”，而是在十个类别之间给出倾向。 - 再打开 [深度估计](https://vgpu.sh/examples/depth-estimation)，观察输入图与深度结果的差别。它适合看前后层次明显的照片；单目模型只能根据画面线索猜距离，不是测距仪，也不应拿来判断驾驶、施工或人身安全距离。
- 最后玩 [隔空擦雾](https://vgpu.sh/examples/air-painting)。这项会使用摄像头；同意权限前先确认周围没有不想入镜的人和私人信息。把双手放进画面，移动手掌，看磨砂遮罩是否沿着动作被擦开。若不愿授权，前两项已经能完整体验这条收录。
AI 在做什么
手写数字 demo 使用 ONNX Runtime Web 在 WebGPU 上运行分类模型，输出 0–9 的 logits，再把概率画成图表；没有分类模型，页面就只剩一块画板。深度 demo 同样在浏览器里运行 ONNX 模型，从二维图像估计每个区域的相对深浅；没有模型，普通滤镜无法得到同样的场景结构。隔空擦雾则用模型追踪两只手掌的位置，再由 GPU 图形管线把手势轨迹变成可见的擦除效果；没有手部追踪，隔空动作与画面之间的对应关系就不存在。
这里的 vGPU 负责让模型输出与图形渲染共享 WebGPU 设备和缓冲区。官方说明 MNIST 与深度示例不会悄悄退回 CPU 推理，因此不支持所需 WebGPU 能力的浏览器可能直接显示要求或失败提示。它们是演示，不是对识别准确率、真实距离或人体姿态安全性的保证。
门槛与来源
三个 demo 免费、无需账号，桌面版 Chromium 类浏览器和支持 WebGPU 的设备更稳；首次打开需要加载模型和页面资源。手写数字不要求个人数据。深度估计可使用示例图，也可能提供照片或摄像头入口。隔空擦雾需要摄像头才能完成真人手势玩法；官方页面证明它在浏览器中用 ONNX Runtime Web 与 WebGPU 处理，但本站没有据此替厂商承诺所有图像数据绝不离开设备，介意时应拒绝权限并只玩无摄像头项目。
项目由 Vercel Labs 的 vGPU 团队维护，开源仓库采用 MIT 许可证。仓库创建于 2026 年 5 月 5 日；这组三个 AI demo 的目录在 2026 年 7 月 30 日同一官方提交中出现，因此本条按 7 月 30 日记录首次公开日期。主入口与玩法来自 vgpu.sh 官方 Examples；作者、时间、许可证和实现归属由官方 GitHub 仓库与提交历史交叉核验。
封面远程引用 vGPU 官网的 1200×630 官方社交分享图，黑底、棱镜与光谱光束对应项目视觉；它是官方品牌图，不是三个 demo 的实玩截图，未下载后重新托管，也未获得额外再分发许可。