從純觀影到重回 6DoF，AI 將讓 AR 眼鏡重新偉大？

AR 眼鏡，終于又開始像 AR 眼鏡了。

前段時間雷科技參加了 Rokid Open Day 2026，現(xiàn)場提前亮出了下一代空間計算機 Rokid AR。結合官方公布和雷科技看到的信息，Rokid AR 繼續(xù)采用分體設計，計算端搭載第五代驍龍 8 至尊版級別的平臺，支持完整的 6DoF 空間定位。

Open Day 現(xiàn)場的 Rokid AR 樣機，圖片來源：雷科技

樂奇 Rokid 甚至把「空間攝像頭」和「AI 攝像頭」分開，前者負責感知位置與環(huán)境，后者負責看懂用戶眼前的東西。配合空間計算協(xié)處理器，眼鏡還能運行 4D 高斯?jié)姙R一類空間內(nèi)容。

但這不只是樂奇 Rokid 一家的轉向。

2024 年底，XREAL 發(fā)布 One 系列，用自研 X1 芯片把原生 3DoF 直接做進眼鏡；2025 年，VITURE 公布 Beast，隨后也補上眼鏡端原生 3DoF；今年 5 月，雷鳥發(fā)布 GT 和 GT Max，同樣加入獨立空間計算芯片和原生 3DoF。

另外，XREAL One Pro 加裝攝像頭后甚至可以進一步支持 6DoF，VITURE Luma Ultra 也已經(jīng)用環(huán)境攝像頭探索完整空間定位。

這里簡單解釋一下。0DoF 的畫面始終黏在視野中央；3DoF 可以識別頭部上下、左右和傾斜旋轉，讓屏幕停留在某個方向；6DoF 再進一步，能夠識別用戶前后、左右、上下移動。

而短短兩年，幾家主流消費級 AR 眼鏡廠商幾乎都在往空間定位走。

這件事多少有些反常。因為往前幾年，整個消費級 AR 眼鏡行業(yè)做的恰恰是另一件事：砍掉攝像頭，放棄完整的空間感知，遠離復雜的 AR 應用，把更多精力聚焦在便攜虛擬大屏顯示——老老實實做一個「顯示器」。

兜兜轉轉，現(xiàn)在不僅是 3DoF，甚至 6DoF 也回來了。

AR 眼鏡，曾經(jīng)主動放棄 AR

消費級 AR 眼鏡最早并不缺少空間計算的野心。

2019 年亮相的 Nreal Light（Nreal 后更名為 XREAL）已經(jīng)配備環(huán)境感知攝像頭，支持 6DoF 定位。戴上眼鏡后，用戶可以把數(shù)字物體固定在房間里，走近、遠離，或者繞著它觀察。微軟 HoloLens、Magic Leap 走得更遠，空間掃描、手勢交互、環(huán)境理解一應俱全。

Magic Leap 2，圖片來源：Magic Leap

產(chǎn)品很快撞上現(xiàn)實。

完整的 6DoF 需要攝像頭、IMU、SLAM 算法和持續(xù)運行的計算平臺。攝像頭要觀察環(huán)境，芯片要實時判斷用戶位于哪里、頭朝哪里，數(shù)字內(nèi)容又該放在哪里。落到產(chǎn)品上，就是更高的功耗、更明顯的發(fā)熱、更復雜的結構，以及更難壓下來的重量和價格。

更麻煩的是內(nèi)容生態(tài)。手機 App 可以直接塞進一塊二維屏幕，卻不能原封不動地搬進三維空間。開發(fā)者必須重新設計界面、交互和內(nèi)容，用戶買回眼鏡后，卻很難找到幾個值得長期使用的空間應用。

技術展示很酷炫，但拿它干什么，不知道。

所以大概從 2021 年開始，消費級 AR 眼鏡集體做起減法。Nreal Light 之后的 Nreal Air，砍掉完整環(huán)境感知，重點變成 Micro-OLED、Birdbath 光學和 USB-C 視頻輸入。隨后推出的 Rokid Max、雷鳥 Air、VITURE One，也沿著相似的方向往前走：

不再執(zhí)著于識別房間，也不需要理解桌椅和墻壁。插上手機、電腦、Switch 或 Steam Deck，一塊一兩百英寸的虛擬屏幕就出現(xiàn)在眼前。

圖片來源：雷鳥

簡單，直接，也確實有用。在飛機、高鐵和酒店里，用戶不用背著顯示器，也不用像 VR 頭顯一樣徹底遮住現(xiàn)實。視頻網(wǎng)站、主機游戲、電腦桌面都是現(xiàn)成內(nèi)容，不需要等待所謂的「空間生態(tài)」從頭長出來。

公允地講，這次主動退后，讓消費級 AR 眼鏡真正找到了一個能賣貨的位置。

代價是，很多所謂的 AR 眼鏡，和 AR 已經(jīng)沒有太大關系。畫面固定在用戶視野中央，頭轉到哪里，它就跟到哪里。眼鏡感知不到現(xiàn)實空間，也不知道屏幕應該留在哪個方向。嚴格來說，它更接近一臺頭戴顯示器，只是廠商和市場習慣繼續(xù)叫它 AR 眼鏡。

甚至連 3DoF，都長期不是默認能力。

6DoF 空間定位又殺回來了

對一副主要用來看電影的眼鏡來說，3DoF 已經(jīng)很重要。它決定了用戶是在「看前方的一塊屏幕」，還是頂著一張始終貼在臉上的畫面。所以即使行業(yè)退到觀影顯示的產(chǎn)品定位，3DoF 也沒有徹底消失。

過去兩年，3DoF 已經(jīng)重新成為不少消費級 AR 眼鏡的標配能力。XREAL One、VITURE Beast、雷鳥 GT 系列，都把空間固定屏幕這件事做進了眼鏡本體。用戶甚至不再需要特定主機，也不用打開特定軟件，一塊穩(wěn)定的大屏已經(jīng)成為基礎體驗。

但這只是第一步。3DoF 解決的是「屏幕該不該跟著頭動」，而 6DoF 解決的是「內(nèi)容該不該跟著世界存在」。當眼鏡只能識別頭部旋轉時，屏幕最多固定在某個方向。當它開始理解用戶在空間中的位置變化，數(shù)字內(nèi)容才有機會真正「放進現(xiàn)實」。

這也是為什么，廠商在補齊 3DoF 之后，很快又把目光重新投向 6DoF。

XREAL One Pro 和外接磁吸攝像頭，圖片來源：XREAL

XREAL 是比較早重新試水的一家。在 One 系列之后，XREAL 推出了支持外接磁吸攝像頭的 One Pro，通過增加環(huán)境感知能力，讓眼鏡具備基礎的 6DoF 空間定位。相比單純的固定屏幕，這意味著虛擬窗口可以真正「留在房間里」，用戶走近、遠離，甚至繞著它移動，畫面都能保持正確的空間關系。

看起來是多了兩個攝像頭，但實質(zhì)上卻是從「顯示設備」重新邁向「空間設備」。

VITURE 的路徑類似。Beast 先把 3DoF 做進眼鏡本體，解決最基礎的空間穩(wěn)定問題；隨后推出的 Luma Ultra，也通過加入環(huán)境攝像頭，探索完整的 6DoF 能力，而不只是提供一個穩(wěn)定的大屏顯示體驗。

Luma Ultra，圖片來源：VITURE

雷鳥目前仍停留在 3DoF 階段，但從 GT 系列加入獨立空間計算芯片來看，它已經(jīng)為更復雜的空間感知預留了能力。換句話說，3DoF 更像是一個過渡形態(tài)，而不是終點。

而在 Open Day 上，Rokid 下一代 AR 直接把 6DoF 作為核心能力之一，并且明確區(qū)分了「空間攝像頭」和「AI 攝像頭」。前者負責定位與環(huán)境建模，后者負責理解用戶看到的內(nèi)容，再配合外部計算單元完成更復雜的空間計算。

消費級 AR 眼鏡繞了一大圈，又走回了早期的方向，只是這一次路徑更現(xiàn)實。但為什么廠商又開始往攝像頭、6DoF 和完整空間計算走？

AI 貫穿內(nèi)容、計算和交互，時來天地皆同力

AI 是繞不開的變量。

過去做 AR，行業(yè)面臨一個很尷尬的問題：空間里到底該放什么？開發(fā)者需要提前制作 3D 模型、場景和應用，再等待用戶主動打開。但內(nèi)容開發(fā)成本很高，用戶數(shù)量卻很少，根本無法解決先有雞先有蛋的問題。

生成式 AI 改變了 3D 內(nèi)容從哪里來。一方面是 2D 轉 3D 內(nèi)容的技術越來越成熟，再加上各家世界模型或者 3D 生成模型的迭代，還會進一步改變未來內(nèi)容生態(tài)的核心。同時得益于多模態(tài) AI 以及大模型生態(tài)的日新月異，很多我們原本預想的能力正在逐步成為現(xiàn)實：

比如用戶看向一臺陌生設備，眼鏡可以識別型號，把操作步驟放到對應按鍵附近；走到路口，導航箭頭可以留在真正需要轉彎的位置；與外國人交談，翻譯字幕可以出現(xiàn)在對方所在的方向。

AI 負責判斷用戶需要什么，AR 眼鏡負責決定這些信息應該出現(xiàn)在哪里。如果沒有 AI，AR 眼鏡仍然只能等待有限的應用提供內(nèi)容。但如果沒有 AR 眼鏡，AI 給出的結果也只能像通知一樣貼在用戶眼前。

芯片也在發(fā)生變化。早期輕量 AR 眼鏡很難同時容納視覺定位、圖形渲染和 AI 推理。高通 2022 年發(fā)布驍龍 AR2 Gen 1 時，就專門采用分布式多芯片架構，在降低約一半功耗的同時提升 AI 性能，目標正是讓空間感知進入更輕薄的無線 AR 眼鏡。

到了今天，一邊是 XREAL X1、雷鳥 Zone 360 這類低功耗空間芯片，專門處理 IMU、畫面重投影和防抖；另一邊是越來越強的手機級和 XR 計算平臺，負責視覺理解、圖形渲染和端側模型。

Rokid 下一代 AR 采用眼鏡端芯片加驍龍計算單元，也是在做類似取舍。輕量眼鏡負責顯示、傳感器和低延遲處理，把更重的 AI 與空間運算交給外部計算設備。

交互也等到了更合適的答案。過去的 AR 眼鏡常常要求用戶拿手機當觸控板，或者舉起手臂做并不穩(wěn)定的空中手勢。看起來很未來，用起來卻很麻煩。

而大模型帶來的語音交互不只是識別一句命令，它開始能夠理解連續(xù)意圖和上下文。用戶不用先學會一套空間交互方式，只需要看著某個東西說「這是什么」「幫我翻譯」「下一步怎么做」，眼鏡就能把視覺、語音和位置關系結合起來。

當然，語音不會取代所有交互。點擊按鈕、移動窗口等交互，仍然需要手勢、指環(huán)或者其他輸入設備。但 AI 至少大幅降低了空間計算的交互成本。

內(nèi)容、芯片和交互，幾條原本各走各路的技術線，正在 AI 時代碰到一起。「時來天地皆同力」，這句話放在今天的 AR 眼鏡上倒是很合適。