vivo“空間計算-機器人”生態落下關鍵一子

出品 | 何璽

排版 | 葉媛

不出所料,vivo Vision熱度很高。

從21號下午發布到今天(22號),大眾圍繞vivo Vision探索版展開了多方面的討論,十分熱烈。從討論來看,大家現在的共識是,MR行業目前還處于起步階段,但“空間計算”就是未來。具體到vivo Vision探索版產品本身,大多認為這是一款亮點頗多的MR新品,雖然不顛覆,但很務實,對推動MR設備普及意義重大。

下面,筆者從當前MR行業的痛點和vivo Vision的產品力開始,聊聊這款火熱的MR產品。

01

vivo Vision或成年輕人的首臺高性價比MR設備

我們知道,當前MR設備的核心痛點之一是重量與佩戴舒適度。明星產品如蘋果Vision Pro重達650克,佩戴一小時即產生明顯“壓面感”,讓人非常難受,這也是制約MR設備普及的關鍵因素。事實上,當前市面上的主流MR設備,極少有用戶佩戴超過半小時的,原因除了又笨又重,還在于用戶佩戴長了容易“視覺疲勞”

為什么說vivo Vision或成年輕人的首臺高性價比MR設備?我們先來看看用戶比較關心的重量和體積問題。

vivo Vision探索版僅重398克,相較行業同類產品平均600-700g的重量,平均輕30%以上。除了更輕,vivo Vision探索版還更小,其高83mm、厚40mm的尺寸也比行業均值縮小了26%,方便用戶輕松上頭。

值得注意的是,為了讓用戶佩戴更加舒適,vivo人因實驗室還聯合國內頂尖高校共同研究,采集大量真實用戶的數據,對vivo Vision做了人體工學適配:專為亞洲人臉型設計了4款遮光罩+8款泡棉組合,減少漏光與壓迫感。還針對游戲用戶設計了雙環綁帶,讓用戶即使在玩VR游戲時進行甩頭、躲避等大幅動作時,也能穩定佩戴。

vivo Vision對近視人群也非常友好,其推出的磁吸式光學鏡片套裝,支持100-1000度近視調節,填補了蘋果Vision Pro未覆蓋的高度近視市場。鏡片采用磁吸設計,拆卸便捷且不影響成像清晰度。不得不說,vivo對用戶需求的洞察不僅深刻,還很體貼。這個設計雖然看似簡單,卻體現了對近視人群最深切的關懷。

實際體驗中,有用戶反饋,連續佩戴1.5小時無頸椎負擔,但面部悶熱感仍存——可見,輕量化是起點,但非終點。

再說“視覺疲勞”,這個備受用戶吐槽的地方。用戶使用MR設備容易視覺疲勞的原因主要有兩個方面,一是人體自身有一些問題,比如人體感官信號不匹配引發的生理不適,它涉及視覺、前庭系統(平衡感知)、軀體感覺等多系統的協同失調,這里不多聊。另一個是硬件的問題,比如當前不少設備的分辨率僅為1080P/2K,畫質太差。

為了帶給用戶更好的視覺體驗,vivo Vision探索版這次直接上了兩塊Micro-OLED屏幕,實現了雙目8K的超高清分辨率。支持DCI-P3色域標準,實現94%色域覆蓋,逐臺產線標定,色彩準確度做到了DeltaE<2。此外,vivo Vision探索版還進行了雙眼亮色度一致性校準,雙目亮度差異≤2nits,雙目色度差異ΔE<2,以減少左右眼成像不一致帶來的視覺不適。

內容匱乏與場景單一是MR生態的又一痛點,vivo Vision探索版以手機廠商基因打破MR生態壁壘,實現了生態破局。首先,vivo Vision探索版支持Steam PC VR游戲投屏、手機/電腦無線閃投(實測《原神》延遲可控),將成熟內容生態快速遷移至MR場景,實現了跨平臺互聯。其次,vivo還通過1.5°高精度眼動追蹤+26自由度手勢識別(垂直范圍175°),實現“眼到、手到、光標到”的直覺操作設計,對MR設備的交互邏輯進行了革新,并由此帶來了多種創新的差異化場景,比如120英寸虛擬屏+雙目8K Micro-OLED(ΔE<2色準)還原影院級觀影,X200 Ultra拍攝空間視頻,頭顯立體回溯記憶等。

說vivo Vision或成年輕人的首臺高性價比MR設備,還在于其在價格上的“突破”。蘋果Vision Pro高達2.5萬元的定價將大眾拒之門外,而vivo以?“技術本分”?? 重構成本邏輯,及可能掀起MR設備的價格革命。vivo高管胡柏山明確表示“價格有望落至1萬元內,甚至更低”,相較蘋果直接下探60%以上。若最終定價如預測,vivo Vision將擊穿MR設備“極客玩具”的刻板印象,直指年輕消費群體“嘗鮮閾值”。

目前來看,vivo Vision探索版或許尚未完美,但其以輕量化設計、開放生態與價格革命的組合拳,首次將高端MR體驗拉至年輕人觸手可及的區間。

02

vivo Vision,vivo在“空間計算-機器人”生態的關鍵落子

上面聊了vivo Vision在解決MR設備“痛點”上的努力和革新,以及它未來在消費市場的可能性。接下來,筆者聊聊vivo Vision對vivo的價值。

對vivo來說,vivo Vision除了是一款創新的MR產品,還是其在協同家庭服務機器人長遠布局上的關鍵落子,是vivo未來機器人戰略的“技術底座”。

vivo,這家全球智能手機出貨量穩居前五的科技巨頭,TA沒有互聯網基因的光環,卻以“少押注但擅長押重注”的獨特戰略,在影像、音質、AI等領域持續突破,不僅改寫了行業規則,更向全球展示了中國科技企業的另一種可能。

2025年,值企業成立30周年之際,vivo再繪新藍圖,正式官宣成立機器人Lab(實驗室),進軍家庭機器人賽道。

我們要明確的是,作為業內知名的穩健性企業,vivo“押注”機器人并非跟風,而是基于“能力匹配”與“用戶剛需”的雙重邏輯。

我們先來看vivo的“能力匹配”。首先,vivo在手機影像算法(如微云臺防抖、V3影像芯片)和AI大模型(藍心大模型)上有十多年積累,這些能力可直接遷移至機器人的環境感知(“眼睛”)與決策系統(“大腦”)。vivo執行副總裁、首席運營官,vivo中央研究院院長胡柏山說得挺清楚:"MR的空間感知能力非常強,MR做好以后,機器人空間感知能力不會出問題"。Vision頭顯就是在為vivo未來的機器人打造"眼睛"和空間感知能力。其次,vivo的機器人戰略避開了工業機器人紅海,直擊家庭場景的養老、健康、教育痛點。例如,機器人需識別老人跌倒(中國60歲以上人口超3.1億)、兒童情緒波動等復雜需求,這對“感知-決策”閉環提出極高要求。

vivo Vision的核心價值在于,它能為vivo的家庭機器人提供空間感知能力的預研平臺。以其環境建模能力為例,它搭載6顆攝像頭與vSLAM算法,每秒處理150萬特征點,構建10m×10m動態空間地圖,誤差控制在毫米級。這種實時空間計算能力,正是機器人理解物理世界的基礎。然后是人機交互,其1.5°高精度眼動追蹤+26自由度手勢識別,讓機器人學習人類意圖理解邏輯。例如,手勢“捏合”指令可遷移至機器人抓取動作的決策模型。

此外,vivo Vision頭顯作為消費級產品,能快速收集家庭場景交互數據,反哺機器人算法優化。vivo實驗室數據顯示,機器人任務規劃成功率因此提升至89.7%。

對vivo來說,這就是低成本試錯的最好方式。

更為重要的是,vivo Vision與機器人并非孤立產品,而是構成“數據-算法-硬件”三角閉環的關鍵。例如,vivo Vision頭顯采集的空間建模數據(如家具布局、物體位置)可直接用于訓練機器人的導航系統;而機器人在家庭中的長期交互數據,又能優化藍心大模型的場景理解能力,這就實現了數據流的互通。與此類似的還有算力協同,后期用戶可以將手機(如X200 Ultra)作為算力中樞,通過Wi-Fi 7(12Gbps速率)為頭顯與機器人提供實時AI支持。例如,手機處理復雜AI任務,頭顯專注圖形渲染,機器人執行物理操作。

還有一點,就是vivo Vision和機器人都能復用手機供應鏈,如Micro-OLED屏、電池模塊。這在未來將大大降低vivo機器人的BOM成本降低37%,突破消費級機器人的“高價瓶頸”。

用戶剛需方面,vivo選擇家庭機器人作為切入口,瞄準的是高潛力場景。比如針對老人健康監測方面,vivo Vision在MR環境中測試的毫米級動作捕捉技術,已應用于機器人肢體動作識別。未來,MR頭顯的沉浸式教學內容(如全景生物課)可同步至機器人,由其進行實體教具演示,實現“虛擬+實體”的教育閉環。

所以,對vivo來說,vivo Vision的價值不僅在于MR頭顯本身,更在于它充當了vivo機器人生態的感知能力孵化器——通過低成本、可量產的硬件收集場景數據,訓練AI模型,最終反哺機器人的“大腦”與“眼睛”。

我們也可以說,在家庭機器人萬億級市場的角逐中,?vivo正以“空間計算”為支點,發起一場感知革命。未來,當機器人能像人類一樣“看清”世界、“理解”意圖時,物理與數字的邊界將被徹底重構。

03

vivo Vision其實比蘋果Vision Pro更重要

上面聊了vivo Vision對vivo的巨大價值,接下來,筆者聊聊vivo Vision目前遇到的一些問題,以及對MR現狀的一些看法。

先說vivo Vision探索版目前遇到的一些問題。盡管vivo Vision探索版很優秀(個人觀點),但發布后還是有人覺得它不夠好,批評它高仿蘋果Vision Pro,還是不夠輕,不夠實用等。這不能怪大眾苛刻,畢竟追求更好的產品是每個有“要求”用戶的權利。當然,這也不怪vivo,畢竟整個MR行業仍處于起步階段,vivo能做出如此亮眼的產品,已經很了不起。

再看MR,vivo Vision探索版發布前,MR的狀況可以用8個字概括,那就是“概念過熱,落地過冷”。而導致這種情況跟根本,是技術理想與現實需求的錯位。

2014年扎克伯格豪擲20億美元收購Oculus,點燃了“下一代計算平臺”的狂熱想象。2023年元宇宙資本泡沫膨脹至千億美元。2024年蘋果Vision Pro以“空間計算革命”之名登場——MR行業十年間始終被技術烏托邦的宏大敘事裹挾?。然而現實數據卻冰冷刺骨,看設備銷量數據就知道了,2024年全球VR/MR設備出貨量僅720萬臺,連續兩年下滑;中國VR設備零售量暴跌34.4%,單季度不足6萬臺。Vision Pro年產量不足40萬臺,Meta數百億美元投入難換生態繁榮。

而導致這種困局的原因,除了前文提到的幾個問題,設備笨重、視覺疲勞、內容生態匱乏、使用場景單一、價格昂貴,就是上面的因素:巨頭們一開始采用的科幻式炫技的宏大敘事,極大的拉高了市場和用戶對MR設備的期待。

炫技敘事的好處是能夠很好的調動市場和用戶的情緒,但也容易被反噬。特別是技術理想和現實需求錯位的情況下。

正是在這樣的背景下,vivo Vision出現了。

和巨頭們開始的宏大敘事不同,vivo Vision一開始就以務實的形象出現在大眾面前。在筆者看來,在當前境況下,這種務實和“不同”其實比蘋果們的宏大敘事更重要,堪稱MR行業“概念過熱,落地過冷”困局的一劑解藥。

來看看vivo是怎么做的吧。

上面我們知道,vivo不僅對vivo Vision做了輕量化與佩戴優化、還自研了Android XR系統,還通過手機PC聯動破局"內容荒。事實上,為了把用戶對MR的認知拉回正軌,vivo還做了很多工作。

比如,vivo Vision采用的非市售、純線下體驗模式。當前,vivo在北京、上海、深圳等13城設置體驗區,用戶無需承擔購買風險即可感受雙目8K畫質與26個自由度手勢操控。這種“先嘗后買”模式,本質是以用戶反饋替代實驗室假設,將真實場景中的佩戴舒適度、眩暈反饋納入快速迭代體系。

再比如,vivo Vision發布會明確標注“支持部分手機拍攝的空間視頻”,而非鼓吹萬能沉浸體驗。這種克制源于對MR技術現狀的清醒認知——現階段的核心價值在于場景適配,而非虛擬世界重建?。

還有在內容和場景打造上,vivo手機/電腦無線閃投(實測《原神》延遲可控)的差異化策略,將成熟內容生態快速遷移至MR場景,實現了跨平臺互聯。

然后是價格,如前文所言,若最終定價如預測,vivo Vision將擊穿MR設備“極客玩具”的刻板印象,成為推動MR普及的強勁動力。

這就是vivo Vision,它或許不夠“顛覆”,但它正在卸下MR行業長期背負的技術包袱,并通過產業“共研”,推動MR、機器人生態共榮。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/96485.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/96485.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/96485.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Azure TTS Importer:一鍵導入,將微軟TTS語音接入你的閱讀軟件!

Azure TTS Importer&#xff1a;一鍵導入&#xff0c;將微軟TTS語音接入你的閱讀軟件&#xff01; 文章來源&#xff1a;Poixe AI 厭倦了機械、生硬的文本朗讀&#xff1f;想讓你的閱讀軟件擁有自然流暢的AI語音&#xff1f;今天&#xff0c;我們將為您介紹一款強大且安全的開…

用過redis哪些數據類型?Redis String 類型的底層實現是什么?

Redis 數據類型有哪些&#xff1f; 詳細可以查看&#xff1a;數據類型及其應用場景 基本數據類型&#xff1a; String&#xff1a;最常用的一種數據類型&#xff0c;String類型的值可以是字符串、數字或者二進制&#xff0c;但值最大不能超過512MB。一般用于 緩存和計數器 Ha…

大視協作碼垛機:顛覆傳統制造,開啟智能工廠新紀元

在東三省某食品廠的深夜生產線上&#xff0c;碼垛作業正有序進行&#xff0c;卻不見人影——這不是魔法&#xff0c;而是大視協作碼垛機器人帶來的現實變革。在工業4.0浪潮席卷全球的今天&#xff0c;智能制造已成為企業生存與發展的必由之路。智能碼垛環節作為產線的關鍵步驟&…

c# 保姆級分析繼承詳見問題 父類有一個列表對象,子類繼承這個列表對象并對其進行修改后,將子類對象賦值給父類對象,父類對象是否能包含子類新增的內容?

文章目錄 深入解析:父類與子類列表繼承關系的終極指南 一、問題背景:從實際開發困惑說起 二、基礎知識回顧:必備概念理解 2.1 繼承的本質 2.2 引用類型 vs 值類型 2.3 多態的實現方式 三、核心問題分析:列表繼承場景 3.1 基礎代碼示例 3.2 關鍵問題分解 3.3 結論驗證 四、深…

tensorflow-gpu 2.7下的tensorboard與profiler插件版本問題

可行版本&#xff1a; python3.9.23cuda12.0tensorflow-gpu2.7.0tensorboard2.20.0 tensorboard-plugin-profile 2.4.0 問題描述&#xff1a; 1. 安裝tensorboard后運行tensorboard --logdirlogs在網頁中打開&#xff0c;發現profile模塊無法顯示&#xff0c;報錯如下&#x…

數據結構青銅到王者第一話---數據結構基本常識(1)

目錄 一、集合框架 1、什么是集合框架 2、集合框架的重要性 2.1開發中的使用 2.2筆試及面試題 3、背后涉及的數據結構以及算法 3.1什么是數據結構 3.2容器背后對應的數據結構 3.3相關java知識 3.4什么是算法 3.5如何學好數據結構以及算法 二、時間和空間復雜度 1、…

【Verilog】延時和時序檢查

Verilog中延時和時序檢查1. 延時模型1.1 分布延遲1.2 集總延遲1.3 路徑延遲2. specify 語法2.1 指定路徑延時基本路徑延時邊沿敏感路徑延時狀態依賴路徑延時2.2 時序檢查$setup, $hold, $setuphold$recovery, $removal, $recrem$width, $periodnotifier1. 延時模型 真實的邏輯元…

DigitalOcean Gradient AI平臺現已支持OpenAI gpt-oss

OpenAI 的首批開源 GPT 模型&#xff08;200 億和 1200 億參數&#xff09;現已登陸 Gradient AI 平臺。此次發布讓開發者在構建 AI 應用時擁有更高的靈活度和更多選擇&#xff0c;無論是快速原型還是大規模生產級智能體&#xff0c;都能輕松上手。新特性開源 GPT 模型&#xf…

藏在 K8s 幕后的記憶中樞(etcd)

目錄1&#xff09;etcd 基本架構2&#xff09;etcd 的讀寫流程總覽a&#xff09;一個讀流程b&#xff09;一個寫流程3&#xff09;k8s存儲數據過程源碼解讀4&#xff09;watch 機制Informer 機制etcd watch機制etcd的watchableStore源碼解讀5&#xff09; k8s大規模集群時會存在…

騰訊云EdgeOne安全防護:快速上手,全面抵御Web攻擊

為什么需要專業的安全防護&#xff1f; 在當今數字化時代&#xff0c;網站面臨的安全威脅日益增多。據統計&#xff0c;2023年全球Web應用程序攻擊超7千億次&#xff0c;持續快速增長。 其中最常見的包括&#xff1a; DDoS攻擊&#xff1a;通過海量請求使服務器癱瘓Web應用攻…

SpringBoot中的條件注解

文章目錄前言什么是條件注解核心原理常用條件注解詳解1. ConditionalOnClass和ConditionalOnMissingClass2. ConditionalOnBean和ConditionalOnMissingBean3. ConditionalOnProperty應用場景&#xff1a;多數據源配置在SpringBoot自動配置中的核心作用自動配置的工作原理經典自…

LightGBM時序預測詳解:從原理到 PSO 參數優化

前言 在時間序列預測領域&#xff0c;集成學習方法一直占據重要地位。此前我們介紹了基于傳統集成思想的時序預測方法&#xff08;查看前文&#xff09;&#xff0c;而梯度提升樹&#xff08;GBDT&#xff09;作為集成學習的佼佼者&#xff0c;在時序預測中表現尤為突出。本文…

django生成遷移文件,執行生成到數據庫

當報錯時 重新拉取git&#xff0c;重新生成遷移文件&#xff0c;重新執行 1、生成遷移文件 python manage.py makemigrations 子應用2、執行建表、建字段、修改字段 python manage.py migrate 子應用3、當手動已經在數據庫創建字段時&#xff0c; 用 --fake 標記遷移為 “已應用…

2025軟件供應鏈安全技術路線未來趨勢預測

軟件供應鏈安全已從一個技術圈的議題演變為全球企業的治理焦點。近幾年&#xff0c;APT滲透、惡意包植入、開發者誤操作等不同類型的供應鏈安全事件頻發&#xff0c;使得“安全的代碼來源”和“可信的交付鏈路”成為企業數字化轉型的生命線。2025年的軟件供應鏈安全&#xff0c…

用戶登錄Token緩存Redis實踐:提升SpringBoot應用性能

前言在現代Web應用中&#xff0c;用戶認證和授權是至關重要的功能。傳統的基于數據庫的Token存儲方式雖然簡單易用&#xff0c;但在高并發場景下容易成為性能瓶頸。本文將介紹如何將SpringBoot項目中的用戶Token從數據庫存儲遷移到Redis緩存&#xff0c;顯著提升系統性能。一、…

深度解析Structured Outputs:讓AI輸出嚴格遵循JSON Schema的結構化響應

深度解析Structured Outputs&#xff1a;讓AI輸出嚴格遵循JSON Schema的結構化響應 引言 在現代應用開發中&#xff0c;JSON 是最流行的數據交換格式之一。為了提升 API 接口的健壯性和數據一致性&#xff0c;結構化輸出&#xff08;Structured Outputs&#xff09;成為了大模…

關于 微服務中服務注冊與發現 的詳細說明,涵蓋主流框架/解決方案的對比、核心功能、配置示例及總結表格

以下是關于 微服務中服務注冊與發現 的詳細說明&#xff0c;涵蓋主流框架/解決方案的對比、核心功能、配置示例及總結表格&#xff1a;1. 服務注冊與發現的核心概念 服務注冊與發現是微服務架構的基礎能力&#xff0c;主要解決以下問題&#xff1a; 服務注冊&#xff1a;服務實…

08高級語言邏輯結構到匯編語言之邏輯結構轉換 continue break 完結匯編按邏輯結構

目錄 &#x1f4da; 1. continue 語句的原理與實現 &#x1f6e0; 1.1 continue 語句的基本概念 ?? 1.2 底層原理 &#x1f4d6; 1.3 案例分析&#xff1a;跳過偶數&#xff0c;累加奇數 &#x1f680; 2. break 語句的原理與實現 &#x1f6e0; 2.1 break 語句的基本概…

AI出題人給出的Java后端面經(二十二)(日更)

鏈接雙端鏈表 前一篇&#xff1a;AI出題人給出的Java后端面經&#xff08;二十一&#xff09;&#xff08;日更&#xff09; 后一篇&#xff1a;null 目錄 &#x1f535; 一、Java基礎&#xff08;集合/流式/OOP&#xff09; 答案&#xff1a; 題目1&#xff1a;集合遍歷性…

AI賦能體育訓練突破:AI動作捕捉矯正精準、戰術分析系統提效率,運動員破瓶頸新路徑

傳統體育訓練長期受限于 “動作矯正依賴教練主觀判斷”“戰術分析滯后于賽場變化”“運動員體能分配憑經驗摸索” 的難題&#xff0c;而 AI 技術的深度介入&#xff0c;正讓體育訓練從 “經驗驅動” 轉向 “數據驅動”&#xff0c;既能實時捕捉動作偏差&#xff0c;又能動態優化…