XR 還需要至少 8 年的發展，沒有誰能夠一蹴而就，整個行業的玩家都要一起努力，踏踏實實，構建更多的產品用例。

在這個共識之下，我們回過頭來看 XR 的基本價值。

iPhone 1 問世的時候，全球智能手機的滲透率在 10%，已經跨過了 5% 的基本門檻。iPhone 是在智能機品類內的一種革新，并沒有創造新的品類。實際上，一代 iPhone 多為 iPod 的換購用戶，增量用戶一般，一直到 iPhone 4 實現了明顯的差異化 ID 設計后，iPhone 的銷量才大漲。

蘋果的崛起，背后是功能機向智能機升級的浪潮。即使沒有 iPhone ，智能機的價值也是確定的，以通訊為核心，兼容上網、拍照和音樂的功能。

在某種意義上，智能手機是一種組合式的創新。

XR 則是一種全新的品類，自 1968 年薩瑟蘭在實驗室搗鼓出它的初代模型后，XR 一直在解決它在軟硬件層面的技術缺陷，而從未達到過一種完整可用的狀態。

也因此，它也就從未接受過大規模的用戶審視。

一款產品，只有越過 5% 的滲透率門檻，才能說建立了消費者習慣，而 XR，根據 statista 的數據，2023 年 VR 頭顯的滲透率不足 1.3%（相對于整體目標市場），AR 的出貨速度雖然有大幅增長，但絕對總量可以忽略不計。

如果以 Quest Rift 發布作為時間節點，那么 XR 從 16 年到現在，已經發展了 8 年。

當然，如果以 20 年更加成熟的產品 Quest 2 來計算，XR 至今發展了 4 年。

說慘也不慘，畢竟折疊屏手機從柔宇 18 年發布第一款消費級折疊手機開始，到現在也就 1% 的滲透率（中信數據）。

大哥不笑二哥。

根據Harry Dent的觀點，滲透率低于 10%，產品尚處于導入期，發展會相當緩慢。

這也不奇怪，根據創新擴散曲線，新技術的使用者往往是技術愛好者，這批人才占總體市場的 2.5%，就算全覆蓋也白搭，只能作為產品使用的種子。

如果再細一點來看，按照技術成熟度曲線，XR 的市場期望已經過了上升期和峰頂，正處于滑入低谷的階段，各路媒體不斷唱衰，國內愛奇藝、PICO 和騰訊的 XR 裁撤，Quest 3 銷量不及預期，都給市場預期撒了一把鹽，幸好24 年初果子哥奶了一把，不過等熱度過去，估計早期購買者各種吃灰的新聞就要層出不窮了。

這一階段滲透率常常遠低于 5%，也符合 XR 目前的現狀。

按照一般的推算，滑入低谷距離進入成熟期，一般要 5-10 年，滲透率能夠達到 5%；再用 2-5 年，滲透率從 5% 提升到 20%，再用不到 2 年的時間，滲透率提升到 50%，產品進入成熟期。

所以，樂觀的估計，XR 如果想成為和手機一樣的產品，就算價值已經被充分驗證，達到成熟期也還要 8 年左右。

如果不樂觀，這個時間可能還要翻一倍。

那怎么提高滲透率？

路徑也很清晰，最初聚焦技術愛好者（功能不敏感但價格敏感）和早期采用者（價格不敏感但功能敏感），然后聚焦細分市場，一點一點積累客戶案例（充分的使用案例），滾雪球壯大，把早期大眾吃掉，滲透率差不多就到了 50%。

產品生命周期、技術成熟度、創新擴散曲線，這些概念都不新鮮，只是分析商業邏輯的基本工具。

或許理論會過時，也不適用新的技術，但也能給我們提供參考。

指望 AVP 一下子把 XR 行業提升到成熟期是不可能的，沒有人能夠違背事物的基本規律。

但 AVP 重新喚醒了投資者和目標用戶的興趣，這可能是它最大的功績。當然，還有給行業秀一下果子的解決方案，在軟硬件和宣發側提供些參考價值。

基礎的判斷建立以后，大概可以明確一個觀點：XR 還需要至少 8 年的發展，沒有誰能夠一蹴而就，整個行業的玩家都要一起努力，踏踏實實，構建更多的產品用例。

在這個共識之下，我們回過頭來看 XR 的基本價值。

01

先明確一個概念，所謂 XR，其實泛指 VR、AR 和 MR 在內的所有虛擬現實形態，其中也包括蘋果自己搞的空間計算，算是 VR+MR。

• VR：完全的虛擬現實，與現實沒有互動
• AR：以現實為主，一些基本信息疊加在現實環境中，作為現實環境的增強，但不會改變現實環境
• MR：虛擬與現實融合，虛擬物體可以與現實實現互動，改變現實的某些狀態

光聽概念，其實挺繞的，而且概念之間也扯不清楚。

就說 VR 吧，自己完全虛擬一個游戲世界，不與現實搭邊，這很好理解，是典型的 VR 場景?？墒侨绻熏F實世界的某處景物原封不動地 3D 建模，比如之前影視颶風掃描的廬山場景，這是虛擬還是現實？

又或者再進一步，用數字孿生，通過 3D 建模+傳感器，實時顯示某座工廠的當前狀態，并根據傳感器狀態實時調整工廠相關設備的參數，這就算是 MR 了嗎？

AR 的概念也很奇怪，它和 MR 之間又扯不清楚，比如前段時間熱門的虛擬鋼琴游戲，道理上講它只是顯示虛擬的音符，真正操作的是用戶自己，而不是 AR 設備直接和鋼琴通信，更改狀態。那這算是虛擬與現實交互了嗎？

如果通過提示信息而讓使用者通過物理行為更改現實物體的狀態也算的話，那這個邊界又可以無限擴大。

所以，與其區分或者糾結 VR、AR 和 MR 的概念，不如換一種定義，根據它們的技術路線，簡單分為眼鏡和頭顯 ，反而要清爽很多。

本質上，無論是哪種 R，實際上只有兩種硬件形態，而任一形態也都可以實現任一種 R。

在側重點上，眼鏡更看重設備的便攜性，而頭顯則更看重設備的渲染能力，這是兩者的根本分野。

選擇眼鏡的廠家，是希望設備能夠被用戶隨身攜帶，最終目標是和正常的眼鏡一樣；而選擇頭顯的廠家，則更看重在設備本身所能實現的性能。

這就和筆記本一樣，最早是主機，后來是便攜筆記本，再后來又有了超薄筆記本，便攜和性能的取舍一直是電子設備的矛盾點。

理想的情況下，我們渴望的是既輕便又有強空間計算能力的 XR 設備，但當前的技術水平下可能是一種妄想。

更現實來看，眼鏡和頭顯這兩種硬件形態會始終并行存在，各自針對不同的使用領域。

由于性能的限制，頭顯所能實現的其實是智能眼鏡的全集。那我們不妨先從頭顯聊起，看看一個完全形態的產品，它的媒介特性究竟是怎樣的（我們假設頭顯 VST 的渲染和延時都在理想狀態，和眼鏡的光學無二）。

02

頭顯作為一種媒介，最核心的特質在于創造了一個自由支配物理規則的虛擬空間，從而實現對于現實的模擬和再造。

這里面最最核心和關鍵的就是空間，也可以叫「空間化」。

人類創造的所有媒介形態，其實都是對現實的模擬和再造，攝影是、繪畫是、電影是，就連動畫也算。

它們都是對現實的模擬，區別只在于抽象程度。又由于掌握了物理規律，人類可以對現實進行再造，比如讓動物講話，或制造仿真軟件，這讓實驗科學能夠進一步拓展。

頭顯的最大貢獻在于，它讓媒介形態從平面轉為空間。

這與 2D 同 3D 的對比不同，空間化的最大區別在于把觀看者納入了空間中，而非游離在空間之外。

一個新的元素「空間化」，再加上人類原先積累的對于現實模擬和再造的經驗，就可以真正創造出真正意義上的賽博空間。

當然，這只是思辨意義上的快樂，寶珠也會蒙塵，一件事物不會因為它很有意義而被大眾廣泛使用，即使具備「空間化」的特點，頭顯也仍然要結合具體的情境討論，在每個細微場景下它的實際用途。

討論最重要的是問對問題。

那么最不會出錯的問題是：什么樣的場景需要「空間化」？

樂觀主義者會覺得這是一個不言自明的問題，誰會不想要一個賽博空間呢？《神經漫游者》、《黑客帝國》、《盜夢空間》…我們不就活在這樣的文化氛圍中嗎？

這樣想當然沒錯，但想象是所有活動中最省力的一種。

頭顯只能提供提供「空間化」的能力，真正創造出賽博空間依賴于愿意為此投入時間、精力、金錢等各種資源的人。

這就好比PC帶來了「信息化」，手機帶來了「互聯化」，可真正讓 PC 走入千家萬戶是因為它對于信息的存儲和對于數據的計算處理，而手機則由于它的通訊能力被廣泛使用。

我們現在似乎把 PC 和手機都當成了一個平臺，上面有各種應用。但它們都有一個核心的根，甚至這個根在最開始就是清楚明晰的，平臺只是在這個根的基礎上長出的果。

而頭顯的根又是什么？

以及，從商業化的角度，頭顯是否真的存在和信息存儲、數據處理和通訊同等量級的市場？

03

追溯頭顯的歷史，最早運用在飛行領域，用于夜間導航（紅外成像顯示人眼無法察覺信息），湯姆.福內斯的超級駕駛艙項目，簡化了原先繁復的儀表盤，而以頭顯搞出了一套全新的交互。

這些的核心在于頭顯的佩戴方式：以平視的視角捕捉和呈現信息，同時不遮擋外界環境。

信息疊加在真實空間之上，對真實世界的物理狀態予以提示，佩戴者可以所見即所得，直接通過虛擬屏幕進行相關操作，實現對佩戴者操作效率的提高。

頭顯對于需要復雜信息處理和操作的作業環境都可以起到作用，平視佩戴+可視化數據+信息處理（核心是空間化帶來的多窗口和動態擬真）促成效率提升和錯誤率降低。

這條路很多公司都在走，微軟、聯想都注重工業場景。

操作場景外，頭顯對于制造業也有較大的作用。硬件制造需要原型設計，頭顯的空間化使得零部件得以具象化，虛擬空間的組裝將極大地節省如汽車、飛機等精密機器的制造。

頭顯和 3D 打印一樣，擁有改造傳統工作流的能力。

零售業也同制造業類似，本質上都是要低成本提前呈現還沒有確定的產品形態，并能夠靈活調整，這就是比特相比物理分子的優勢。

服裝在線試穿可能還有些困難，但裝修是確定可做的方向。

歸納起來，XR 能夠為制造業、工業帶來的是降本、增效、缺陷降低，為零售帶來轉化率的提升（不確定性降低）。

04

教育是另一種可能。

最早薩瑟蘭創造虛擬頭顯時，其目的就是為了使得抽象事物可視化，他的原話是：

我們生活在一個物理世界中，通過長期的熟悉，我們已經對這個物理世界的特性了如指掌。我們對這個物理世界有一種參與感，這種參與感使我們能夠很好地預測它的特性。例如，我們可以預測物體會落在哪里，從其他角度看眾所周知的形狀是怎樣的，以及在摩擦力作用下推動物體需要多大的力。但我們對帶電粒子的力、非均勻場中的力、非投影幾何變換的影響以及高慣性、低摩擦運動缺乏相應的了解。與數字計算機相連的顯示器讓我們有機會熟悉物理世界中無法實現的概念。這是一個數學仙境的望遠鏡。

第一臺虛擬頭顯（完全電腦渲染內容）呈現的內容是一顆環乙烷分子，佩戴者可以從各個角度觀察它的結構。

這充分體現了頭顯「空間化」的特點，佩戴者不再只是看，而是真正可以和環乙烷分子互動，在不同視角觀察它的結構，再進一步，甚至可以觀察不同分子的合成過程。

對于教育或者學習而言，抽象事物空間化是尤為重要的事，我們生活在物理空間，所以習慣以空間化的方式思考事物，抽象化->具象化->可視化->空間化，通過這樣的遞進而使得事物被最終理解。

比如「局部最優解」和「梯度下降」遠不如小球在凹凸的山丘上滾動來的直觀，如果能夠直觀地在空間中看到它的演變過程，理解就會更加方便。

即使信息本身是抽象的，但它的交互方式如果能夠轉變為空間化，就會激發人的空間思考方式。

一塊虛擬空間下的無限畫布，多角度、多平面。不同平面間的白板結構本身就會激發新的思考，在空間下的走動也會促進靈感。

空間化單純從結構上來說也能帶來新的信息組織和思考行為。

但教育是內容導向的產業，需要專業領域的知識背景+合理的空間可視化編排，事實上即使是如今的視頻時代，整體的教育方式也還是以書面文字為主，可視化的方式都還沒有普及，空間化更任重道遠了。

05

文旅、現場表演/展覽/展示、影視也會有較大的應用場景。

海利格在 1957 年拍攝了紐約的街頭景象，把它裝到一臺巨大的機器中，觀眾可以看到立體的紐約街頭景象，感受風、聲音和氣味。

58 年后，《紐約時報》重新拍攝了紐約的街頭景象，佩戴者通過 Oculus Rift 即可漫步紐約街頭，并與故事中的人物互動。

頭顯的一大核心特質是對于穿越時間和空間的限制（空間化+自定義的物理規則），對于旅行來說，交通是一種阻礙。

景區可以通過對于實景的建模，再造一個真實的虛擬環境（搭配物理引擎），從而突破空間的限制。

頭顯另一難以復刻的魅力是：它是一輛時間列車，能夠帶你重回過去的景象，真實淌游在歷史畫卷中。

另外，景點的本質是稀缺性，展覽、現場表演也是如此。

現場感（沉浸+社會關系）的重回，能夠讓供給被充分增加，話劇、演唱會、展覽這些非標品可以像電影一樣被二次分發，實現非標品的流媒體分發。

頭顯的另一大特質是對于現實環境的實時再現，結合遠程在線直播將實現真正的千里眼， 在線實時直播旅行畫面，跟隨別人的視角；遠程審廠，不用再跋山涉水；遠程醫療；遠程工作指導；頭顯對于遠程會議、遠程辦公或許沒有較大的用處，遠程會議替代不了商務出行，出行帶來的是一種態度，說明一種重視，同時也方便人情關系的培養；遠程辦公也無法替代近場辦公，后者本質上是一種物理意義上的掌控。

而對于影視而言，頭顯所帶來的則是無與倫比的沉浸感，雖然用戶的自由選擇會是一種困擾，但虛擬敘事已經探索出了微互動的路徑，技術問題不會成為一種困擾，只有內容制作的成本和新的敘事邏輯需要琢磨。

只要體會過《紙鶴》、《花房姑娘》等 VR 作品的觀眾，不會懷疑它在敘事上的巨大魅力。

06

說到沉浸感，就不得不聊聊游戲，相比于影視，虛擬游戲帶來的是沉浸感+互動感，仿佛一個真實的虛擬世界。

但主機游戲都有上限，且價格下探到 2000 元以內的價位，才能有一定的市場競爭力。

直面 C 端的產品，除了內容本身外，硬件本身就有成本。除非有相對豐富的內容供給，否則難以說服消費者購買。但是它的上限可能就是 Switch，遠不是手機這個量級。

頭顯自誕生起，大家就看好它在游戲上的前景。

從 1990 年左右雅利達和任天堂就開始嘗試，受限于硬件沒有成功，一直到 Quest 2 帶來新的浪潮。

幾個游戲硬件的天花板：PS2 和 NDS 大概 1.5 億臺，Switch 大概在 1.3 億臺，現在 Quest 2 大概 1800 萬，比照老大哥們，未來的市場容量差不多也就是億級。

沒有人懷疑沉浸感這件事，但一直強調沉浸感可能是個問題。

即使是《阿斯加德之怒 2》，它固然無比沉浸，但沒有讓我有想長時間待在里面的欲望。我把原因歸結為：沒有人喜歡呆在一個空寂的世界，哪怕是魯濱遜還有星期五陪著。

社會交往這件事很重要，它不是社交，而是一種氛圍，這種氛圍帶來一種熟悉感和群體的歸屬感。

為什么玩游戲時要透視現實環境，真的體驗過就會懂，當你完全沉浸時是蠻孤獨的一件事，陌生的環境里只有你一個人。

而人是要時刻感知周圍環境的，不然會有一種莫名的恐懼，透視現實環境實際上帶給人一種安全和穩定，它是一個參照的錨點。

當獲得沉浸感的時候，玩家喪失的是對現實的感知，熟悉感和安定感，帶來了負面產物——孤獨感。這些在你玩 Switch 或者 Steam 的時候是不會有的。

唯一讓我不會有這個感覺的是VR Chat，因為有人。

如果虛擬游戲想要獲得成功，融入社交是必不可少的，哪怕完全沒有互動的環節，只要知道有人和自己一起，孤獨感就會消融。

有一種可能性，可以提供社交的充分供給，即借助大模型，但這條路受限于大模型當前的能力。

Character.ai 已經在這條路上嘗試，Vtuber 也在盛行，不過 Character 只公布了月活，還沒有留存率的數據。Vtuber 的頭部公司也還沒有跑出頭部的企業。歸根結底，還是 GPT 本身的能力問題，還沒有辦法真正扮演一個人。

兩個能聊得來的人，需要興趣相投，這背后是對于興趣話題領域專業知識的積累和獨特觀點的碰撞共鳴，GPT 還沒有辦法達到這個水平，尤其是獨特觀點。

從我個人的體會來看，在觀點層面上，多數時間仍然在說一些正確的廢話。因此，直面 C 端的 XR 內容，當下的階段，仍然逃不開真實的社交關系鏈。

目前來看，真正剛需的產品都不在 C 端，但 B 端的用戶很難往 C 端遷移，存在一個客戶群的鴻溝。

在 C 端，似乎找不到一個如通訊、信息存儲與數據處理那般剛需級的需求，它更多是體驗的升級。

也因此，豐富的優質內容供給 + 社交鏈是這類產品的合理路徑，通過提供足夠多的優秀內容，來抵充硬件本身的成本。等到硬件的量大起來，再有越來越多三方的豐富應用，最終成為一個平臺級的硬件。很多人吹 AIGC，但我并不特別看好。

現在缺的是優質內容，不是缺內容。

粗制濫造的內容沒有意義，反而對生態是一種破壞。

真正創造好的內容的，仍然只屬于少數人，專業的生產者。AIGC 能夠成為他們工作流的一環，對現有的工作進行提速，那就是最大的貢獻，但指望它顛覆，甚至 AI 自生成內容，就有點天方夜譚了。

它的難度可能不啻于大模型真正地理解人類語義而非是序列預測。

07

工業操作、制造業、教育、文旅…拋開功能性的需求不談，頭顯想要成為平臺級的硬件，最終的歸宿仍然落在 C 端內容上。

那么問題來了，假設優質內容充分、社交鏈充分，頭顯真的能成為手機級的智能硬件嗎？

我的看法是仍然不行。

手機最初由于硬件成為剛需，而后能夠成為風靡全球的產品，離不開它的兩大特性：移動化 + 碎片化。

這是被說爛的觀點，但恰恰這兩者與頭顯都是沖突的。

頭顯笨重，不方便攜帶；它的沉浸式體驗恰好與碎片化是相反的。

看看我們最常干的事：刷微信、刷朋友圈、刷抖音、刷小紅書、刷 B 站、來一把十來分鐘的游戲。

這些事項，最大的特點就是短。

物質充裕的情況下，人類最大的痛苦就是無聊，沒有一刻可以閑下來。

可是大部分時間人是無目的，人需要隨便什么東西，去填補這種空虛，而又不至于特別沉浸。

頭顯和這種臨時化的需求是天然違背的，但偏偏這又是它的天賦點所在。

網游小說里，大家在虛擬世界沉迷，要么是現實世界已經被機器人掌控了，要么是發明了夜間睡眠倉。

工業化的生活結構下，這種矛盾是注定了的。

是生活把時間分割成碎片，人是無可奈何的。

因此，頭顯的最大參照物仍然是電腦，它更適合完整時間下的使用，主流場景是家中。如果它的分辨率有一天到達了可工作的水平（且成本壓下來），或許還能夠占領辦公市場，但 PC 級的出貨量和使用頻率，可能也是頭顯的極限。

08

既然頭顯不行，那么閹割了的智能眼鏡呢？

或許可以。

智能眼鏡的核心是為了便攜服務的，所以它閹割了許多性能，目的是為了讓眼鏡做輕做小，最終可達到如普通眼鏡一般在清醒時間皆可穿戴的目標。

那么閹割之后，智能眼鏡所保留下來的能力，能不能讓它打敗手機，成為一種新的潮流？

我們可以看下空間化的具體衍生：多窗口、擬真交互、虛擬環境…哪一條可以在碎片化下生存。

關乎沉浸感或擬真的自然不可以，這與碎片化違背，也是性能消耗的大頭。

那么多窗口？智能手機受限于屏幕方面，在尺寸方面已經走到了鏡頭。

折疊屏雖然增大了尺寸，但也不會有 iPad 的效果，而 iPad 本身的累計出貨量也才剛超過 1 億，說到底，iPad 雖然大，可也沒大到能夠帶來全新體驗的程度。

那么 XR 的多窗口，能否給信息呈現帶來新的可能？

XR 的多窗口，有兩個特征：一是大，所以可以鋪多個窗口；二是具有空間結構，這就是所謂的空間屏概念。

空間屏突破了手機的物理限制，而使得信息以空間化的方式多屏呈現。

按照果子哥的定義，存在 Window 和 Box 兩種，我們可以邊刷網頁（window），邊逗寵（box，寵物以空間化的方式呈現）。

如果只是 window 和 box 兩個層級，智能眼鏡努努力還是可以達到的。但這不是智能眼鏡的核心，如果這樣，它仍然只是一種體驗的升級，而沒有帶來根本性的創新。

真正爆炸的組合是眼鏡+空間化+多模態模型的完美搭配。

要不說上天拯救了 AR，如果不是 CloseAI（笑）帶來了多模態，智能眼鏡的上限可能就是觀影眼鏡，最多成為像 TWS 耳機一樣的手機配件。

可是擁有多模態模型后，它的空間化的信息呈現方式就派上用場，它的眼鏡形態也成為最完美的多模態載體。

我不想談論個人助手的可行性，要真正實現這個目標還有一大堆事情，至少要實現 agent 之間的自調用。

我也不覺得目前的實時翻譯能夠幫助智能眼鏡擴圈，畢竟它的使用范圍有限。

拍照記錄和觀影可能是現階段最大的殺手锏，這都跟多模態沒有太大關系。

所以接下來談論的仍然是一種玄學，但具有想象和令人興奮的空間。

軟件一直以來處理的是二手數據，中間需要用戶作為中轉?？吹揭患路?，需要先拍下來，再淘寶識圖，尋找到對應的商品。

智能眼鏡+多模態以后，所見即所得，同時信息可以直接顯示在眼前，多窗口模式下同時打開多個購物軟件，旁邊再有一個張大媽顯示該商品的歷史價格變動。

于是，整個交互流程被極大簡化，多窗口帶來的信息呈現優勢不言自明。

人類 80% 的信息來自視覺，智能眼鏡帶來了實時的視覺捕捉，多模態帶來了實時的語義理解。實時視覺捕捉+語義理解，將帶來極多的嶄新的可被捕獲的視覺數據。而最終，得益于 XR 的空間化，這些數據的使用和呈現以更具效率和可視化的形式，更舒服地呈現在用戶眼前。

于是，會有新的應用去處理新的數據，在新的形式下構建新的交互方式，這是智能眼鏡所能帶來的平臺級的革命。

而年輕的冒險者們，趁著大象轉身的時候，抓住新的可能。

09

當然，還有很多問題留待解決：

• 要達到 B 端的需求，設備的屏幕分辨率需要進一步提升，捕捉外界信息的攝像頭也要繼續升級；
• 延遲要進一步降低，果子哥已經做到 12 毫秒，其他家還差得遠；
• 通信要進一步提升性能，無論是云端 WiFi 和 5G，還是設備間的本地通信（如果是分體式，計算主體和顯示主體分離，當前的藍牙顯然是不夠的，還需要其他的無線通訊方式）；
• 新結構與 ID 造型（如何便攜）；
• 多模態大模型的發展（幻覺、agents、prompt、專業知識庫）；
• 功耗與續航；

急不得，按照商業的發展規律，至少還有 8 年，XR 設備才有可能成為主流。

耐心去解決切實存在的問題，希望我們能夠構建想要的未來。