空间计算重生 AI让AR眼镜再次伟大 苹果失败成历史

AR 眼镜，终于重新回归 AR 眼镜应有的模样。 实际上，在不久前举办的 Rokid Open Day 2026 上，新一代 Rokid AR 眼镜于现场提前亮相。简要提炼几项核心信息：延续分体式设计不变，计算终端搭载了相当于第五代骁龙 8 至尊版级别的平台，并完整支持 6DoF（六自由度）空间定位能力。 Open Day 现场的 Rokid AR 样机，图片来源：雷科技 值得关注的是，Rokid 将“空间摄像头”与“AI 摄像头”进行了明确分工。前者负责感知周围环境与用户位置，后者则专注于识别和理解用户眼前的物体。配合专属的空间计算协处理器，眼镜现已能够运行诸如 4D 高斯泼溅之类的空间内容。 **但这一转向并非 Rokid 独有。** 回顾行业动态：2024 年底，XREAL One 系列凭借自研 X1 芯片将原生 3DoF（三自由度）融入眼镜本体；2025 年，VITURE Beast 紧随其后，也补齐了眼镜端的原生 3DoF 能力；今年 5 月，雷鸟 GT 和 GT Max 同样加入了独立空间计算芯片并支持原生 3DoF。而 XREAL One Pro 在加装摄像头后甚至能实现 6DoF，VITURE Luma Ultra 也正利用环境摄像头探索完整的空间定位方案。 这里简要解释几个概念：0DoF 意味着画面始终固定在视野中央，跟随头部移动；3DoF 能够识别头部的上下、左右以及倾斜旋转，使屏幕稳定在某个方向；6DoF 则在此之上增加了前后、左右、上下移动的感知能力。 短短两年间，多家主流消费级 AR 眼镜厂商几乎不约而同地朝着空间定位的方向迈进。 这一趋势多少有些反常。回顾前几年，整个消费级 AR 眼镜行业恰恰在做相反的事情：砍掉摄像头，放弃完整的空间感知，远离复杂的 AR 应用，心甘情愿地扮演一个便携大屏“显示器”的角色。 兜兜转转之后，如今不仅是 3DoF，甚至 6DoF 也重新回归了。

AR 眼镜，曾经主动舍弃了 AR

消费级 AR 眼镜最初并不缺少空间计算的雄心。 2019 年的 Nreal Light（后更名为 XREAL）已经配备了环境感知摄像头，并支持 6DoF 定位。戴上眼镜后，用户可以将数字物体固定在真实房间中，走近、远离，甚至绕行观察。微软 HoloLens、Magic Leap 则走得更远，空间扫描、手势交互、环境理解等功能一应俱全。 Magic Leap 2，图片来源：Magic Leap **但产品很快遭遇现实困境。** 完整的 6DoF 功能需要摄像头、IMU（惯性测量单元）、SLAM（实时定位与地图构建）算法以及持续运行的计算平台支撑。落实到产品上，意味着更高的功耗、更明显的发热、更复杂的结构设计，以及更难控制的重量和成本。 更棘手的是内容生态问题。手机 App 可以轻松适配二维屏幕，但无法原封不动地迁移到三维空间。开发者必须重新设计界面、交互方式和内容逻辑，而用户买回眼镜后，却发现几乎找不到几个值得长期使用的空间应用。 **技术演示虽然炫酷，但“拿它来做什么”却成了无解难题。** 因此，大约从 2021 年起，消费级 AR 眼镜开始集体做减法。Nreal Light 之后推出的 Nreal Air，砍掉了完整环境感知，将重心转向 Micro-OLED、Birdbath 光学方案以及 USB-C 视频输入。Rokid Max、雷鸟 Air、VITURE One 也沿着相似的路径前进： > 不再执着于识别房间，也无需理解桌椅和墙壁。只需连接手机、电脑、Switch 或 Steam Deck，一块一两百英寸的虚拟屏幕便会呈现在眼前。 图片来源：雷鸟 **简单、直接，而且确实实用。** 在飞机、高铁和酒店场景中，用户无需背着显示器，也不必像 VR 头显那样完全遮蔽现实世界。视频网站、主机游戏、电脑桌面都是现成的内容来源，无需等待所谓“空间生态”从零生长。 公允地说，这次主动后退，让消费级 AR 眼镜终于找到了一个能够真正卖出去的市场定位。 代价是，许多所谓的 AR 眼镜，实际上已经与 AR 没有太大关系。画面始终固定在用户视野中央，头转到哪里，它就紧跟到哪里。眼镜感知不到现实空间，甚至连 3DoF 也长期不是默认能力。

6DoF 空间定位再度回归

对于一副主要用于观影的眼镜而言，3DoF 已经至关重要。它决定了用户是在“看前方的一块固定屏幕”，还是忍受着一块始终贴在脸上的画面。因此，即使行业退回到观影定位，3DoF 也并没有彻底消失。 过去两年，3DoF 重新成为不少消费级 AR 眼镜的标配能力。XREAL One、VITURE Beast、雷鸟 GT 系列，都将空间固定屏幕的功能集成到了眼镜本体中。用户不再需要特定主机或专用软件，一块稳定的大屏已经成为基础体验。 但这仅仅是第一步。3DoF 解决的是“屏幕是否该跟随头部移动”的问题，而 6DoF 解决的是“内容是否应该随着世界存在”的问题。当眼镜只能识别头部旋转时，屏幕最多固定在某个方向；而当它开始理解用户在空间中的位置变化，数字内容才有机会真正“被放置进现实”。 **这也正是厂商在补齐 3DoF 之后，迅速将目光重新投向 6DoF 的原因。** XREAL One Pro 和外接磁吸摄像头，图片来源：XREAL XREAL 是较早重新尝试这一方向的厂商之一。在 One 系列之后推出的 One Pro，通过磁吸外接摄像头，使眼镜具备了基础的 6DoF 空间定位能力。**相比单纯的固定屏幕，这意味着虚拟窗口可以真正“停留在房间里”——用户走近、远离，甚至绕行移动，画面都能保持正确的空间关系。** VITURE 的路径与之类似。Beast 先将 3DoF 集成到眼镜本体，随后推出的 Luma Ultra，也通过加入环境摄像头，探索完整的 6DoF 能力。 Luma Ultra，图片来源：VITURE 雷鸟目前仍停留在 3DoF 阶段，但从 GT 系列加入独立空间计算芯片来看，已经为更复杂的空间感知预留了能力。换句话说，3DoF 更像是一个过渡形态，而非终点。 而在 Open Day 上，Rokid 下一代 AR 直接将 6DoF 作为核心能力之一，并且明确区分了“空间摄像头”和“AI 摄像头”。 消费级 AR 眼镜绕了一大圈，又走回了早期的方向，只是这一次的路径更加现实。那么，为什么厂商又开始重新拥抱摄像头、6DoF 和完整的空间计算呢？

AI 贯穿内容、计算与交互，时来天地皆同力

AI 是一个绕不开的关键变量。 过去做 AR，行业面临一个尴尬的问题：空间里到底应该放什么内容？开发者需要提前制作 3D 模型、场景和应用，再等待用户主动打开。但内容开发成本高昂，而用户数量却极少，根本无法解决先有鸡还是先有蛋的难题。 **生成式 AI 改变了 3D 内容的来源。** 一方面，2D 转 3D 内容的技术日益成熟，再加上各家世界模型或 3D 生成模型的迭代，将进一步重塑内容生态的核心。同时，得益于多模态 AI 和大模型生态的演进，许多原本预想的能力正在逐步成为现实： > 例如，用户看向一台陌生设备，眼镜可以识别型号，并将操作步骤显示在对应按键附近；走到路口，导航箭头可以精确留在需要转弯的位置；与外国人交谈，翻译字幕可以呈现在对方所在的方向。 AI 负责判断用户需要什么，AR 眼镜则负责决定信息应该出现在哪里。如果没有 AI，AR 眼镜仍然只能依赖有限的预置应用提供内容；而如果没有 AR 眼镜，AI 给出的结果也只能像通知一样贴在用户眼前。 **芯片也在同步进化。** 早期轻量 AR 眼镜很难同时承载视觉定位、图形渲染和 AI 推理的任务。高通在 2022 年发布骁龙 AR2 Gen 1 时，专门采用了分布式多芯片架构，在降低约一半功耗的同时提升 AI 性能，目标正是让空间感知进入更轻薄的无线 AR 眼镜。 如今，一边是 XREAL X1、雷鸟 Zone 360 这类低功耗空间芯片，专门处理 IMU、画面重投影和防抖任务；另一边是越来越强大的手机级和 XR 计算平台，负责视觉理解、图形渲染和端侧模型运行。 Rokid 下一代 AR 采用眼镜端芯片加骁龙计算单元的方式，也是在做出类似的取舍：轻量眼镜负责显示、传感器和低延迟处理，将更重的 AI 与空间运算任务交给外部计算设备。 **交互也等来了更合适的答案。** 过去的 AR 眼镜常常要求用户拿手机当触控板，或者举起手臂做并不稳定的空中手势——看起来很未来，用起来却很麻烦。 而大模型带来的语音交互已不再仅仅是识别单条命令，它开始能够理解连续意图和上下文。用户无需先学会一套复杂的空间交互方式，只需要看着某个东西说“这是什么”“帮我翻译”“下一步怎么做”，眼镜就能将视觉、语音和位置关系结合起来。 当然，语音并不会取代所有交互。点击按钮、移动窗口等操作，仍然需要手势、指环或其他输入设备。但 AI 至少大幅降低了空间计算的交互门槛。 **内容、芯片和交互——这几条原本各走各路的技术线，正在 AI 时代交汇到一起。“时来天地皆同力”，这句话放在今天的 AR 眼镜上，倒是十分贴切。**