Apple Vision Pro：未来的创业平台？

封面

摘要

本期《光锥》（The Light Cone）播客深入探讨了 Apple Vision Pro 对创业者意味着什么。Y Combinator 合伙人 Diana——一位在增强现实（AR, Augmented Reality）和虚拟现实（VR, Virtual Reality）领域深耕十年的专家，曾在 YC 孵化 AR SDK 初创公司 Asher Reality（后被 Niantic 收购，其代码运行在数百万 Pokémon GO 玩家的设备上）——从技术、生态和创业视角全面拆解了 Vision Pro。节目覆盖了光学方案之争（光学透视 vs. 视频透视）、硬件架构（M2 + R1 双芯片设计，10+ 摄像头与激光雷达）、眼动追踪与注视点渲染（Foveated Rendering）、Apple 与 Meta 在开发者生态上的根本差异，以及历史上平台变革的规律——iPhone 从发布到催生 Instacart、DoorDash、Uber 等伟大公司历时约五年。Vision Pro 是 iPhone 时刻还是 Newton 时刻？创始人应在何时入局？Y Combinator 的答案出人意料地务实：他们寻找的是那种非理性地被 VR/AR 所吸引、在业余时间就忍不住开发 VR 应用的创始人，而非跟风炒作的人。

空间计算的前世今生

Diana 分享了自己的创业经历：她通过 Y Combinator 创办了 Asher Reality，打造跨平台增强现实 SDK，让游戏开发者编写一次代码即可在 iOS、Android 及各种 AR 设备上运行多人 AR 体验。然而，AR 普及所需的时间远超预期，最终 Asher Reality 被 Niantic（Pokémon GO 的开发商）收购。Diana 随后在 Niantic 负责 AR 平台，将 AR SDK 集成到大量游戏中——数百万玩家正在运行她编写的代码。这段经历让她深刻体会到：空间计算的梦想由来已久，但真正落地需要的不仅是技术，还有硬件的成熟。

计算的进化与 AR 的技术挑战

回顾计算历史，构建 AR 和 VR 头戴设备的尝试几乎与计算机本身一样古老。早在 1960 年代，Ivan Sutherland 就创造了最早的头戴显示设备。然而，与平板和手机不同，AR 头戴设备的制造极为困难。核心挑战在于光学方案：人眼的视野（FOV, Field of View）达到 210°，而且人眼具有无穷远的对焦能力——既能看清近处，也能极目远眺。要制造一套能覆盖如此视野和焦距范围的显示系统，其难度远非摩尔定律可以解决，而是需要突破新的物理学和光子学原理。

光学透视 vs. 视频透视：两条技术路线

微软 HoloLens 和 Magic Leap 采用了光学透视（Optical See-Through）方案：用户直接看到真实世界，数字内容叠加在视线中。然而，这种方案的视野极小，且光学问题无法通过单纯增加算力或像素来解决——它涉及新的物理与光子学原理。Apple Vision Pro 和 Meta Quest 3/Pro 则采用视频透视（Video Pass-Through）方案：真实世界通过摄像头采集为全数字视频画面，用户看到的一切（包括身边的人）本质上都是像素。视频透视方案大幅降低了光学层面的技术难度，使 Apple 能凭借其在显示技术上的世界级实力来弥补不足。

硬件架构：M2 + R1 与传感器融合

Vision Pro 是 Apple 多年技术积累的集大成者。它搭载了 M2 芯片（与 MacBook Pro 同款，处理常规计算负载）和 R1 协处理器——后者是专为处理传感器数据而设计的定制芯片，拥有极高带宽数据通道，能实时处理来自 10+ 摄像头、激光雷达（LiDAR）、深度相机（TrueDepth Camera）和红外眼动追踪摄像头的数据。Diana 推测 R1 上甚至可能运行着实时操作系统（RTOS, Real-Time Operating System）。这与自动驾驶汽车的技术架构如出一辙：自动驾驶汽车用激光雷达、雷达和摄像头来定位，空间计算头戴设备同样用 SLAM（Simultaneous Localization and Mapping，同步定位与建图）技术来确定用户在三维世界中的位置。区别在于，自动驾驶汽车可以在后备箱放置服务器级 GPU，而头戴设备必须在极小体积内解决散热与功耗问题。

眼动追踪与注视点渲染

Apple 在 Vision Pro 中投入巨资实现眼动追踪（Eye Tracking），其目的不仅是 UX 交互，还关乎渲染效率。注视点渲染（Foveated Rendering）技术使设备在你注视的区域渲染高像素密度画面，而在周边视野区域降低分辨率，从而在小体积内控制功耗和散热。用户在视觉焦点处获得高保真画面，但可以察觉到周边视野略有模糊——这正是为了平衡性能而做的取舍。

Apple 与 Meta 的战略差异

产品定位：生产力 vs. 游戏

Vision Pro 的核心定位是生产力工具。搭载与 MacBook Air 同款的 M2 芯片，配合键盘即可完成全天工作——这对忙碌的专业人士而言是日常可用的设备。而 Meta 的产品线则深植于游戏社区和 VR 体验。Apple 不提供控制器，这一点在 VR 社区引发争议，但也凸显了其全盘押注生产力的决心。Diana 认为，AR 的终极愿景是让人"不知不觉"地使用它——解决日常事务，替代所有屏幕。如果做得好，Vision Pro 瞄准的是全球所有屏幕的市值。

开发者生态：Unity/Unreal vs. visionOS

Meta 源自游戏基因，对 Unity 和 Unreal 游戏引擎支持良好——这些引擎擅长构建受限的三维游戏世界。但真实世界是无限的，游戏引擎有时并不适配空间计算的需求。例如，在 Meta 平台上打开一个 PDF 文件需要大量代码，而在 visionOS 上只需几行。Apple 的 SDK 更适合构建生产力与日常应用。

人机交互指南（HIG）的启示

Apple 曾为 iPhone 发布人机交互指南（HIG, Human Interface Guidelines），定义了触控、手势和信息层级的交互范式，培养了一代设计师和开发者。如今，Vision Pro 也拥有自己的 HIG，核心围绕眼动追踪、深度与空间信息传达展开。正如电容触控（Capacitive Touch）之于 iPhone，眼动追踪之于 Vision Pro 可能正是那个解锁全新交互范式的关键。

iPhone 时刻还是 Newton 时刻？

iPhone 的启示：从发布到伟大公司需要时间

iPhone 于 2007 年发布时并没有 App Store（约一年后才上线），首批流行的应用多是"放屁应用"和"我是富豪"这类噱头产品。真正伟大的公司——Instacart（2012）、Coinbase（移动端驱动）、DoorDash（2013）、Uber——都是在 iPhone 发布约五年后才创立的。原因在于：这些移动劳动力公司只有在社会上 70-80% 的人拥有设备时才可能诞生，而那是移动互联网连接和应用生态首次达到足够稳定和统一的时刻。

Vision Pro 的 Tesla Roadster 类比

Vision Pro 目前的处境更像 Tesla Roadster：为愿意支付高昂价格的核心用户打造的高端设备。如果 Apple 能像 Tesla 从 Roadster 迭代到 Model 3 那样，推出更亲民的后续产品，则生态有望繁荣；但如果无法实现价格下探，则可能止步于小众市场。关键在于是否存在"鸡与蛋"的困局——开发者需要足够多的用户才有动力构建应用，而用户需要足够多的应用才有理由购买设备。

平台变革的历史规律

Facebook 购买 Oculus 的动机，恰恰是 Mark Zuckerberg 对平台变革的恐惧——Facebook 曾险些被 Instagram 取代，而 Instagram 正是移动互联网平台变革的产物。历史一再证明，平台变革会重塑竞争格局。Y Combinator 在历次平台变革中表现出了相当准确的判断力，其方法并非对每种技术持有强烈论点，而是从第一性原理出发审视每个应用，与创始人对话，判断想法是否站得住脚——从而区分"跟风炒作"和"真正有意义的创新"。

给创始人的建议

什么样的创始人应该入局？

Y Combinator 寻找的不是跟风者，而是那种"非理性地被吸引"到 VR/AR 领域的人——你在业余时间就忍不住开发 VR 应用，你对这个领域有真正的热情和长期承诺。空间计算技术挑战巨大，当前开发优秀应用极为困难，但这恰恰能吸引对的创始人。长期坚持会让你在时机到来时积累世界级的专业能力。

应用方向的思考

目前空间计算应用仍处于尴尬的早期阶段——即便是 Apple 和 Meta 的 SDK，大量应用仍是扁平的 2D 界面。我们尚未找到真正发挥 360° 视野、深度交互和空间数据呈现优势的杀手级应用范式。可能的方向包括：

这些高价值的专业场景可能是空间计算最早实现商业闭环的领域，用户愿意为提升效率支付每月数千美元的订阅费用。

何时入局？

Diana 认为，创始人需要有坚定的信念，愿意在这个空间长期投入。当创始人全力以赴时，他们会变得势不可挡。在等待市场成熟的漫长过程中，持续深耕所积累的专业能力，将在拐点到来时形成不可替代的竞争优势。正如 Gary 所言：Y Combinator 永远不会劝阻创始人去做他们认为酷的事情。