AI 助力，消费级 AR 眼镜重回 6DoF 空间定位，这次路径更现实！

AR 眼镜新动态前段时间雷科技参加了 Rokid Open Day 2026现场提前亮出了下一代空间计算机 Rokid AR。结合官方公布和雷科技看到的信息Rokid AR 继续采用分体设计计算端搭载第五代骁龙 8 至尊版级别的平台支持完整的 6DoF 空间定位。乐奇 Rokid 甚至把「空间摄像头」和「AI 摄像头」分开前者负责感知位置与环境后者负责看懂用户眼前的东西。配合空间计算协处理器眼镜还能运行 4D 高斯泼溅一类空间内容。行业转向空间定位但这不只是乐奇 Rokid 一家的转向。2024 年底XREAL 发布 One 系列用自研 X1 芯片把原生 3DoF 直接做进眼镜2025 年VITURE 公布 Beast随后也补上眼镜端原生 3DoF今年 5 月雷鸟发布 GT 和 GT Max同样加入独立空间计算芯片和原生 3DoF。另外XREAL One Pro 加装摄像头后甚至可以进一步支持 6DoFVITURE Luma Ultra 也已经用环境摄像头探索完整空间定位。这里简单解释一下0DoF 的画面始终黏在视野中央3DoF 可以识别头部上下、左右和倾斜旋转让屏幕停留在某个方向6DoF 再进一步能够识别用户前后、左右、上下移动。而短短两年几家主流消费级 AR 眼镜厂商几乎都在往空间定位走。曾经主动放弃 AR消费级 AR 眼镜最早并不缺少空间计算的野心。2019 年亮相的 Nreal LightNreal 后更名为 XREAL已经配备环境感知摄像头支持 6DoF 定位。戴上眼镜后用户可以把数字物体固定在房间里走近、远离或者绕着它观察。微软 HoloLens、Magic Leap 走得更远空间扫描、手势交互、环境理解一应俱全。但产品很快撞上现实。完整的 6DoF 需要摄像头、IMU、SLAM 算法和持续运行的计算平台。摄像头要观察环境芯片要实时判断用户位于哪里、头朝哪里数字内容又该放在哪里。落到产品上就是更高的功耗、更明显的发热、更复杂的结构以及更难压下来的重量和价格。更麻烦的是内容生态。手机 App 可以直接塞进一块二维屏幕却不能原封不动地搬进三维空间。开发者必须重新设计界面、交互和内容用户买回眼镜后却很难找到几个值得长期使用的空间应用。所以大概从 2021 年开始消费级 AR 眼镜集体做起减法。Nreal Light 之后的 Nreal Air砍掉完整环境感知重点变成 Micro - OLED、Birdbath 光学和 USB - C 视频输入。随后推出的 Rokid Max、雷鸟 Air、VITURE One也沿着相似的方向往前走不再执着于识别房间也不需要理解桌椅和墙壁。插上手机、电脑、Switch 或 Steam Deck一块一两百英寸的虚拟屏幕就出现在眼前。公允地讲这次主动退后让消费级 AR 眼镜真正找到了一个能卖货的位置。但代价是很多所谓的 AR 眼镜和 AR 已经没有太大关系。画面固定在用户视野中央头转到哪里它就跟到哪里。眼镜感知不到现实空间也不知道屏幕应该留在哪个方向。严格来说它更接近一台头戴显示器只是厂商和市场习惯继续叫它 AR 眼镜。甚至连 3DoF都长期不是默认能力。6DoF 空间定位回归对一副主要用来看电影的眼镜来说3DoF 已经很重要。它决定了用户是在「看前方的一块屏幕」还是顶着一张始终贴在脸上的画面。所以即使行业退到观影显示的产品定位3DoF 也没有彻底消失。过去两年3DoF 已经重新成为不少消费级 AR 眼镜的标配能力。XREAL One、VITURE Beast、雷鸟 GT 系列都把空间固定屏幕这件事做进了眼镜本体。用户甚至不再需要特定主机也不用打开特定软件一块稳定的大屏已经成为基础体验。但这只是第一步。3DoF 解决的是「屏幕该不该跟着头动」而 6DoF 解决的是「内容该不该跟着世界存在」。当眼镜只能识别头部旋转时屏幕最多固定在某个方向。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「放进现实」。这也是为什么厂商在补齐 3DoF 之后很快又把目光重新投向 6DoF。XREAL 是比较早重新试水的一家。在 One 系列之后XREAL 推出了支持外接磁吸摄像头的 One Pro通过增加环境感知能力让眼镜具备基础的 6DoF 空间定位。相比单纯的固定屏幕这意味着虚拟窗口可以真正「留在房间里」用户走近、远离甚至绕着它移动画面都能保持正确的空间关系。看起来是多了两个摄像头但实质上却是从「显示设备」重新迈向「空间设备」。VITURE 的路径类似。Beast 先把 3DoF 做进眼镜本体解决最基础的空间稳定问题随后推出的 Luma Ultra也通过加入环境摄像头探索完整的 6DoF 能力而不只是提供一个稳定的大屏显示体验。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它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不是终点。而在 Open Day 上Rokid 下一代 AR 直接把 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」。前者负责定位与环境建模后者负责理解用户看到的内容再配合外部计算单元完成更复杂的空间计算。AI 贯穿内容、计算和交互AI 是绕不开的变量。过去做 AR行业面临一个很尴尬的问题空间里到底该放什么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。但内容开发成本很高用户数量却很少根本无法解决先有鸡先有蛋的问题。生成式 AI 改变了 3D 内容从哪里来。一方面是 2D 转 3D 内容的技术越来越成熟再加上各家世界模型或者 3D 生成模型的迭代还会进一步改变未来内容生态的核心。同时得益于多模态 AI 以及大模型生态的日新月异很多我们原本预想的能力正在逐步成为现实比如用户看向一台陌生设备眼镜可以识别型号把操作步骤放到对应按键附近走到路口导航箭头可以留在真正需要转弯的位置与外国人交谈翻译字幕可以出现在对方所在的方向。AI 负责判断用户需要什么AR 眼镜负责决定这些信息应该出现在哪里。如果没有 AIAR 眼镜仍然只能等待有限的应用提供内容。但如果没有 AR 眼镜AI 给出的结果也只能像通知一样贴在用户眼前。芯片也在发生变化。早期轻量 AR 眼镜很难同时容纳视觉定位、图形渲染和 AI 推理。高通 2022 年发布骁龙 AR2 Gen 1 时就专门采用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。到了今天一边是 XREAL X1、雷鸟 Zone 360 这类低功耗空间芯片专门处理 IMU、画面重投影和防抖另一边是越来越强的手机级和 XR 计算平台负责视觉理解、图形渲染和端侧模型。Rokid 下一代 AR 采用眼镜端芯片加骁龙计算单元也是在做类似取舍。轻量眼镜负责显示、传感器和低延迟处理把更重的 AI 与空间运算交给外部计算设备。交互也等到了更合适的答案。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不只是识别一句命令它开始能够理解连续意图和上下文。用户不用先学会一套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」眼镜就能把视觉、语音和位置关系结合起来。当然语音不会取代所有交互。点击按钮、移动窗口等交互仍然需要手势、指环或者其他输入设备。但 AI 至少大幅降低了空间计算的交互成本。内容、芯片和交互几条原本各走各路的技术线正在 AI 时代碰到一起。「时来天地皆同力」这句话放在今天的 AR 眼镜上倒是很合适。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路径更现实。但为什么厂商又开始往摄像头、6DoF 和完整空间计算走呢