从纯观影到重回 6DoF，AI 将让 AR 眼镜重新伟大？

说个有意思的现象：AR眼镜，又开始像AR眼镜了。

不久前，雷科技参加了Rokid Open Day 2026，在现场提前看到了他们的下一代产品——Rokid AR。结合现场信息，它延续了分体设计，计算单元用的是第五代骁龙8至尊版级别平台，并且支持完整的6DoF空间定位。

Open Day 现场的 Rokid AR 样机，图片来源：雷科技

更有意思的是，乐奇Rokid把「空间摄像头」和「AI摄像头」分开了。前者感知位置和环境，后者负责识别物体。再搭配一个空间计算协处理器，眼镜甚至可以运行4D高斯泼溅这类空间内容。

当然，这并非乐奇Rokid一家在这么做。整个行业都在集体转向。

2024年底，XREAL发布One系列，用自研X1芯片把原生3DoF集成进眼镜；2025年，VITURE发布了Beast，同样补上了眼镜端的原生3DoF；今年5月，雷鸟拿出了GT和GT Max，也加入了独立空间计算芯片和原生3DoF。

另外，XREAL One Pro加装摄像头后能进一步支持6DoF，VITURE Luma Ultra也已经在尝试用环境摄像头实现完整的空间定位。

简单科普一下：0DoF，画面永远粘在视野中央；3DoF，能识别你头部上下、左右、倾斜的旋转，屏幕可以「定」在一个方向；6DoF，再进一步，能感知你前后、左右、上下的身体移动。

短短两年，主流消费级AR眼镜厂商几乎都在往空间定位的方向走。

这事儿多少有些反常。因为就在前几年，整个行业做的恰恰是另一件事：砍掉摄像头，放弃完整空间感知，远离复杂的AR应用，老老实实做一个便携的虚拟大屏——也就是一个「显示器」。

兜兜转转，现在不仅是3DoF，连6DoF也回来了。

AR 眼镜，曾经主动放弃 AR

消费级AR眼镜一开始并不缺空间计算的野心。

2019年的Nreal Light（后来更名为XREAL）就已经配备了环境感知摄像头，支持6DoF。戴上眼镜，你可以把数字物体固定在房间里，走近、远离，甚至绕着它观察。更早的微软HoloLens、Magic Leap，更是把空间扫描、手势交互、环境理解都做到了一个很高的水平。

Magic Leap 2，图片来源：Magic Leap

但产品很快撞上了现实的墙。

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，芯片要实时定位你在哪、头朝哪，数字内容该放在哪。落到产品上，就是更高的功耗、更明显的发热、更复杂的结构，以及几乎压不下去的重量和价格。

更麻烦的是内容生态。手机App可以塞进一块二维屏幕，但没法原封不动地搬到三维空间里。开发者得重新设计界面、交互和内容，而用户买回眼镜后，发现根本找不到几个值得长期使用的空间应用。

技术展示很炫酷，但拿它干什么？没人知道。

所以，大概从2024年开始，消费级AR眼镜集体做了减法。Nreal Light之后是Nreal Air，砍掉了完整的环境感知，重点变成了Micro-OLED、Birdbath光学和USB-C视频输入。之后推出的Rokid Max、雷鸟Air、VITURE One，也都沿着这个方向走：

不再执着于识别房间，也不再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大屏就出现在眼前。

图片来源：雷鸟

简单，直接，也确实好用。在飞机、高铁和酒店里，你不再需要背着显示器，也不用像VR头显那样彻底遮住现实。视频、主机游戏、电脑桌面，都是现成内容，不用去等所谓的「空间生态」从零长出来。

公允地讲，这次主动后撤，确实让消费级AR眼镜找到了一个能卖货的定位。

但代价也很明显：很多所谓的AR眼镜，和AR已经没什么关系了。画面固定在视野中央，头转到哪就跟到哪。眼镜感知不到现实空间，也不知道屏幕应该停留在哪个方向。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，都长期不是默认配置。

6DoF 空间定位又杀回来了

对一副主要用来看电影的眼镜来说，3DoF已经很关键了。它决定了你是在「看前方的一块固定屏幕」，还是顶着一张永远贴在脸上的画面。所以，即便行业退到「观影显示器」的定位，3DoF也没有彻底消失。

过去两年，3DoF已经重回不少消费级AR眼镜的标配。XREAL One、VITURE Beast、雷鸟GT系列，都把空间固定屏幕的能力做进了眼镜本体。用户不需要特定主机，也不用开特定软件，一块稳定的大屏成了基础体验。

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。当它开始理解你在空间中的位置变化时，数字内容才有机会真正「放进现实」。

这也解释了，为什么厂商在补齐3DoF后，很快又把目光重新投向6DoF。

XREAL One Pro 和外接磁吸摄像头，图片来源：XREAL

XREAL是比较早重新试水的。在One系列后，它推出了支持外接磁吸摄像头的One Pro，通过加入环境感知能力，让眼镜具备了基础的6DoF。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」——你走近、远离，甚至绕着它移动，画面都能保持正确的空间关系。

看起来只是多了两个摄像头，但本质是从「显示设备」重新向「空间设备」迈进。

VITURE的路径类似。Beast先把3DoF集成进眼镜本体；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，而不是只提供一个稳定的大屏显示。

Luma Ultra，图片来源：VITURE

雷鸟目前还停留在3DoF，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。3DoF更像是一个过渡形态，而不是终点。

在Rokid Open Day上，Rokid下一代AR直接把6DoF作为核心能力，并明确区分了「空间摄像头」和「AI摄像头」：前者负责定位和环境建模，后者负责理解内容，再配合外部计算单元完成更复杂的空间计算。

消费级AR眼镜绕了一大圈，又回到了早期的方向。只是这一次，路径更现实。为什么？

AI 贯穿内容、计算和交互，时来天地皆同力

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，再等用户主动打开。但内容开发成本高，用户数量少，先有鸡还是先有蛋的问题根本无从解决。

生成式AI改变了3D内容的来源。一方面是2D转3D的技术越来越成熟，再加上各家世界模型或3D生成模型的迭代，会进一步改变内容生态的核心。同时，多模态AI和大模型的日新月异，让很多原本只能想象的能力正在变成现实：

比如，你看向一台陌生设备，眼镜能识别型号，把操作步骤放到对应按键附近；走到路口，导航箭头可以真正出现在需要转弯的位置；与外国人交谈，翻译字幕能出现在对方所在的方向。

AI负责判断你需要什么，AR眼镜负责决定这些信息该出现在哪里。如果没有AI，AR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你眼前。

芯片也在变化。早期的轻量AR眼镜很难同时容纳视觉定位、图形渲染和AI推理。高通在2024年发布骁龙AR2 Gen 1时，就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。

到今天，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，也是在类似框架里做取舍：轻量眼镜负责显示、传感器和低延迟处理；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眼镜常常要求你拿手机当触控板，或者举着胳膊做空中手势——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，它能理解连续意图和上下文。你不用先学一套空间交互方式，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、移动窗口这些操作，仍然需要手势、指环或者其他设备。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，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，倒是很贴切。