从客厅撤退到卧室

2013年6月10日下午4点30分，洛杉矶盖伦中心。微软互动娱乐业务总裁唐·马特里克站在舞台中央，身后的巨幅屏幕亮起三行字：Xbox One。499美元。Kinect 2.0同捆。台下两千三百名记者、开发者和发行商代表发出了零星的掌声，更多人保持沉默。他们刚刚在九十分钟的发布会里听完了微软对新主机的完整构想：禁止转让二手游戏光盘、强制主机每二十四小时联网验证一次、锁区政策继续执行——以及那个不可拆解的捆绑条款。无论你的客厅能否容纳一个需要两米距离才能正常工作的摄像头，Kinect 2.0都将与Xbox One一同抵达你的电视柜。499美元中，相当一部分是你为这个摄像头支付的。

马特里克没有感知到沉默的含义。他继续按照提词器的节奏推进，介绍新一代Kinect的精度提升：1080p高清摄像头，每秒三十帧，可识别六个人的二十五处骨骼节点，甚至能读取心率。技术参数在屏幕上滚动，每一项都指向同一个信息：微软没有放弃体感。微软在加倍下注。

下午6点02分，索尼互动娱乐的官方推特账号发布了一段四十六秒的视频。画面中，PlayStation全球工作室总裁吉田修平坐在灰色沙发上，手里拿着一片《侠盗猎车手V》的游戏光盘。他面无表情地把光盘递给身旁的硬件负责人亚当·博耶斯。博耶斯接过，递给下一个人。整个过程没有台词，只有光盘在三人之间安静传递。视频结尾打出一行字：“This is how you share your games on PS4.”这条推文在四小时内被转发了十万次。索尼不需要解释。在微软用复杂的数字版权管理系统、联网验证和捆绑销售构建起一个令玩家窒息的消费框架时，索尼只需要展示一个动作：把光盘递给朋友。这个动作本身就是对微软全部政策的最锋利回应。

而Kinect 2.0在这场舆论风暴中扮演了一个特殊角色。它不是玩家愤怒的主要目标，但它成为了499美元定价的象征性负担。在Reddit、NeoGAF和各大游戏论坛上，越来越多的帖子指向同一个问题：为什么我要为一个我不想要的摄像头多付一百美元？

这个问题在2013年的语境下具有特殊的尖锐性。仅仅两年半以前，微软在2010年11月发布了第一代Kinect，售价149美元，八周内售出八百万台，被吉尼斯世界纪录认证为史上销售最快的消费电子设备。当时的微软相信体感交互是游戏产业的未来，Kinect是打开这个未来的钥匙。他们投入了五亿美元的营销预算，让奥普拉·温弗瑞在节目中尖叫着把它送给观众，让它在纽约时代广场的跨年倒计时中成为全球镜头的焦点。那个时代已经结束了。

2013年6月19日，微软宣布取消Xbox One的联网验证要求和二手游戏限制，但Kinect的捆绑销售政策仍然保留。微软互动娱乐部门的高管们在内部会议上坚持一个判断：Kinect 2.0的技术优势最终会说服消费者。它的精度比第一代提升了三倍，可以在完全黑暗的环境中工作，甚至能分辨出握拳时每根手指的力度差异。这些技术指标在工程实验室里是真实的、可验证的。微软的工程师们相信，只要消费者体验过这种精度，他们就会理解捆绑的价值。消费者没有给他们这个机会。

2013年11月22日，Xbox One在十三个国家同步发售，首发二十四小时内售出一百万台。这个数字看起来不错，但与竞争对手形成了鲜明对比：索尼PlayStation 4在一周前发售，同样二十四小时内售出一百万台——但PS4的首发地区只有两个国家。当索尼在更多市场铺开销售后，差距迅速拉大。到2014年1月，PS4的全球销量已突破四百二十万台，Xbox One约为三百万台。微软的高管层开始感受到压力。2014年2月，微软互动娱乐部门在一次内部评估中首次承认，Kinect的捆绑策略正在损害Xbox One的价格竞争力。499美元对449美元——当两款主机在第三方游戏上的表现几乎没有差异时，那五十美元的差价就成为了消费者决策的最后一根稻草。而Kinect 2.0正是那五十美元差价的主要来源。

2014年5月13日，新任Xbox负责人菲尔·斯宾塞在Xbox Wire官方博客上发表声明，宣布微软将从6月9日起发售不带Kinect的Xbox One主机，售价399美元。声明措辞谨慎，强调Kinect仍然是Xbox One体验的一部分，但市场听到了唯一重要的信息：捆绑结束了。

这个决定标志着体感交互在主流游戏主机市场中的一次正式撤退。不是彻底放弃——微软仍然在生产Kinect，仍然有开发者在为它制作游戏和应用程序——但它不再是Xbox战略的核心支柱。它从一个必须拥有的设备，退化为一个可以额外购买的外设。

这个退化的过程在销售数据上有着清晰的映射。根据NPD集团的统计，2014年全年，美国市场上仅有不到15%的Xbox One购买者额外购买了Kinect。而在捆绑销售时期，这个数字是100%。当消费者获得了选择权，他们用钱包投了票。

但这并不是体感技术本身的失败。这是一次结构性的失衡——精度、成本、内容生态三者之间的权重配置出现了根本性的错位。Kinect 2.0的精度是真实的。它的深度传感器可以分辨出二点五厘米的物体移动，红外摄像头可以在完全黑暗中追踪人体轮廓，语音识别阵列可以在三米外准确捕捉指令。这些技术参数在2013年的消费电子领域处于绝对领先地位。但精度本身不能创造需求。当微软无法提供足够多、足够好、足够有吸引力的Kinect专属游戏时，那个摄像头就只是一个昂贵的传感器集合体，等待着一个永远不会到来的杀手级应用。

这是Wii时代遗留下来的核心问题在微软身上的重演。任天堂用低精度、低成本的方案创造了一个短暂的内容繁荣，但当新鲜感消退后，Wii的体感游戏无法支撑起一个可持续的生态系统。微软试图用高精度方案解决这个问题——如果传感器足够精确，开发者就能创造出更复杂、更吸引人的交互体验，从而催生出真正具有持久生命力的体感游戏。

这个逻辑在工程上是自洽的，但它忽略了一个基本的经济学事实：当硬件的精度和成本同步上升时，开发者的内容生产成本也会同步上升。为一个可以识别二十五处骨骼节点的摄像头设计游戏，比为三个加速度计设计游戏要复杂得多、昂贵得多。而当内容生态无法在短时间内产生足够的回报时，开发者就会离开。

2014年夏天，Kinect的开发套件下载量比2013年同期下降了62%。微软内部的Kinect游戏孵化项目在运营十八个月后悄然关闭。曾经为Kinect开发过《舞蹈中心》系列的Harmonix工作室转向了VR音乐游戏。曾经在2011年E3发布会上为Kinect站台的史蒂文·斯皮尔伯格，他参与制作的Kinect专属游戏最终没有发布。体感交互在客厅里退潮了。但潮水退去时，露出了另一片海滩。

2014年1月，华盛顿州贝尔维尤。Valve公司总部的一间测试室里，一场不对外的技术演示正在进行。房间大约三十平方米，墙壁上覆盖着灰色吸音材料，天花板上安装了八个白色方形盒子。每个盒子约十厘米见方，正面有两排红外LED阵列和两个旋转的激光发射器。

房间中央站着一个戴着头显原型的工程师，手里握着两个被胶带缠满的塑料手柄。工程师抬起右手，按下手柄上的扳机键。在他前方三米处的虚拟空间中，一个蓝色光标精确地出现在他手指指向的位置。他移动手臂，光标以亚毫米级的精度跟随。

他画了一个圆，圆形轨迹平滑连续，没有任何抖动或延迟。他走到房间另一端，蹲下，站起来，转身——光标始终锁定在他手部的位置，误差不超过一毫米。

这个系统被称为Lighthouse。它和Kinect完全不同。Kinect的工作原理是摄像头捕捉人体图像，通过算法推断骨骼位置。这是一个从二维图像反推三维空间的逆向过程，注定带有推断误差和延迟。Lighthouse则从根本上走了另一条路：它不“看”你，它让你“看”它。天花板上的基站以每秒六十次的速度向整个房间扫射红外激光，手柄和头显上的数十个光电传感器捕捉这些激光信号，根据每个传感器被激光击中的精确时间差，计算出传感器在三维空间中的绝对位置。这不是推断，是测量。不是相对坐标，是绝对坐标。不是厘米级，是亚毫米级。

Valve工程师本·杰克逊是Lighthouse项目的核心开发者之一。他在2012年加入这个项目时，接到的任务描述只有一句话：让一个人在房间里走动时，电脑能精确知道他的头和手在哪里。这个任务的技术难点不在于传感器本身——光电传感器和激光二极管都是成熟技术——而在于如何让多个基站的激光扫描同步而不互相干扰，如何在头显和手柄高速移动时保持信号稳定，以及如何将整个系统的成本控制在可接受的范围内。

前两个问题在2013年底基本解决，第三个问题则贯穿了整个开发过程。Lighthouse原型基站使用的激光发射器每台成本约为三百美元，两台基站加上手柄上的传感器阵列，仅定位系统的物料成本就接近八百美元。这还不包括头显本身。按照这个成本结构，任何搭载Lighthouse系统的消费级产品售价都将超过一千美元——这在2014年的消费电子市场中是一个危险的价格区间。

但Valve并不急于解决成本问题。这是理解Valve战略选择的关键。与微软不同，Valve不试图将Lighthouse推向大众市场。Valve的核心业务是Steam——全球最大的PC游戏数字发行平台，2014年活跃用户数超过一亿，年收入估计超过十五亿美元。Valve进入VR领域的动机不是销售硬件，而是确保Steam在VR时代仍然是游戏分发的核心渠道。如果VR成为下一代游戏平台，而Valve没有自己的VR解决方案，那么Steam的生态位就可能被新的平台取代。这是一个防御性的战略布局，而不是进攻性的市场扩张。

在这种逻辑下，Lighthouse不需要便宜，它只需要精确。因为它的目标用户不是客厅里的家庭用户，而是愿意为最高质量的VR体验支付溢价的硬核玩家和开发者。这些人不会因为价格高一百美元而放弃购买，但他们会因为追踪精度差一毫米而拒绝使用。

2014年2月，Valve开始寻找硬件合作伙伴。在VR头显领域，Oculus VR已经在2012年通过Kickstarter筹集了两百四十万美元，并在2013年完成了由安德森·霍洛维茨基金领投的七千五百万美元B轮融资。Valve最初与Oculus有过技术合作，但双方在战略方向上存在根本分歧：Oculus希望构建一个从硬件到内容商店的封闭生态系统，而Valve希望VR成为一个开放的PC外设标准。当Facebook在2014年3月以二十亿美元收购Oculus后，这个分歧彻底无法弥合。Valve需要一个新的硬件合作伙伴。他们找到了HTC。

2014年3月，在Facebook宣布收购Oculus的两周后，HTC的CEO周永明飞抵贝尔维尤。HTC当时正处于严重的经营困境中。这家台湾公司在智能手机市场的份额从2011年的10%以上跌至2014年的不足2%，连续三年营收下滑，股价从2011年的1300新台币跌至不到200新台币。

周永明正在为公司寻找新的增长点，VR是他关注的方向之一。在Valve的演示室里，周永明戴上了头显原型，握住了那两个缠满胶带的手柄。他走进了一个虚拟厨房，可以在空间中走动、弯腰、伸手抓取物体。Lighthouse系统以亚毫米级的精度追踪他的每一个动作。当他伸手去拿虚拟台面上的一个杯子时，虚拟的手精确地碰到了杯子的把手。

这个动作在今天的VR体验中稀松平常，但在2014年初，没有任何消费级VR系统能够实现这种精度的双手交互。周永明摘下头显后沉默了几秒钟，然后说了一句话，这句话后来被HTC VR项目负责人丹尼尔·奥布莱恩在多次采访中复述：“这就是我们要做的。”

2014年4月，Valve与HTC签署了合作协议。核心条款包括：Valve提供Lighthouse追踪技术和SteamVR软件平台，HTC负责头显和手柄的工业设计、制造和销售；产品以HTC的品牌销售，但核心定位技术由Valve授权；双方共同向开发者提供早期开发套件，开发者获取套件的渠道通过Steam平台进行。这份协议标志着一个根本性的战略转向。体感交互的重心从客厅游戏主机向VR头显的配套控制器迁移。在这个新的战场上，竞争逻辑不再是让更多人动起来，而是让动手的人获得更高精度的沉浸感。

这个转向在技术参数上有着清晰的映射。Kinect 2.0的追踪精度是厘米级，追踪范围是摄像头前方两到三米的扇形区域，追踪对象是整个人体。Lighthouse的追踪精度是亚毫米级，追踪范围是由基站覆盖的整个房间——最大可达五米乘五米，追踪对象是头显和双手控制器的精确位置和朝向。

前者追求广度，后者追求深度。前者试图覆盖每一个可能的使用场景，后者专注于一个核心场景：在一个有限的空间内，让用户的每一个细微动作都被精确地映射到虚拟世界中。这个场景的典型空间不是客厅，而是卧室或书房。

在2014年Valve进行的内部用户测试中，工程师们发现最理想的VR使用空间不是电视机前那块开放区域——那里有太多障碍物，太多干扰光源，太少的墙面可以安装基站——而是一个相对封闭、可控的小房间。一张书桌，一把椅子，身后是墙壁，两侧有足够的空间伸展手臂。这个空间恰好是PC硬核玩家最熟悉的环境：他们的卧室或书房，他们玩传统PC游戏的地方。

这就是从客厅撤退到卧室的空间含义。体感交互不再试图占据家庭中最公共、最开放的空间，而是退回到最私密、最个人化的空间。这个撤退不是失败，而是适配。它让体感技术得以在一个更小但更可控的环境中完成精度积累和交互范式的打磨，而不需要同时应对客厅场景中那些无法控制的光线、家具、围观者和社交期待。

2014年6月，Valve和HTC开始向选定的开发者分发第一批SteamVR开发套件。套件包括一个头显原型、两个Lighthouse基站和两个手柄原型。手柄的设计仍然在快速迭代中。早期的原型基于Valve的Steam Controller——一款带有触控板的PC游戏手柄——在手柄顶部加装了传感器阵列。但这个设计很快被证明不适合VR交互。在VR中，用户看不到手柄，只能通过虚拟空间中的光标来感知手柄的位置。当用户需要按下特定按钮时，必须依靠肌肉记忆来找到按钮的位置。触控板缺乏物理按键的触觉反馈，导致用户在盲操作时频繁按错。

2014年秋天，HTC的工业设计团队提出了一个新的手柄方案：放弃触控板作为主输入方式，回归传统的物理按键布局，但按键的形状和位置进行了重新设计以适应VR盲操作。手柄顶部是一个圆形触控板——这个元素从Steam Controller保留下来——下方是一个明显的扳机键，位于食指自然放置的位置。手柄两侧各有一个握持按钮，位于中指和无名指自然收紧的位置。整个手柄的形状像一个被压扁的环形，传感器分布在环形的外缘，确保无论用户如何转动手腕，至少有一部分传感器能够接收到基站的激光信号。

这个设计在2014年12月定型，内部代号为“Sombrero”——墨西哥帽，因为手柄顶部的传感器环看起来像一顶宽边帽。后来的消费者版本Vive手柄基本保留了这个设计语言，只是将传感器从环形外缘移到了环形表面，以降低注塑模具的复杂度和成本。

2015年1月，HTC在台北的工厂开始小批量试产Vive手柄的预生产样机。第一批样机的良率只有不到40%。问题主要集中在传感器环的装配精度上。每个手柄的环形部分分布着二十四个光电传感器，这些传感器必须以微米级的精度定位在环形表面上，任何超过零点五度的角度偏差都会导致追踪精度下降。HTC的工程师花了三个月时间改进装配夹具和校准流程，到2015年4月，良率提升到了85%以上。

2015年3月，Valve和HTC在巴塞罗那的世界移动通信大会上首次公开展示了HTC Vive——当时的产品名称还是HTC Re Vive。展示内容是一个名为《The Blu》的VR体验，用户站在一艘沉船的甲板上，周围有巨大的蓝鲸游过。手柄在体验中变成了用户的手，可以伸出去触碰游过的鱼群。参与展示的记者和开发者反馈集中在同一个点上：手柄的追踪精度令人震惊。当你伸出手时，虚拟的手精确地出现在你预期它应该在的位置。当你握拳时，手柄上的握持按钮检测到压力变化，虚拟的手同步握紧。当你指向某个方向时，扳机键的行程感让这个动作具有了物理上的实在感。

但这种精度是有代价的。HTC Vive的开发者版本定价为799美元，包含头显、两个基站和两个手柄。消费者版本的定价在2015年底确定为同样的价格。加上运行VR所需的PC——根据Valve的推荐配置，一台能够流畅运行VR游戏的PC在2015年的成本约为一千美元——用户进入Vive生态系统的总成本接近一千八百美元。这个价格是Xbox One首发价格的三点六倍，是PS4的四倍，是Wii的七倍。它明确地划出了一条线：Vive不是为每个人准备的。它是为那些愿意为最高精度支付溢价的用户准备的。在2015年底的市场语境中，这意味着硬核PC玩家、技术极客和企业级用户——一个全球市场规模大约在一百万到两百万人的群体。

Valve和HTC接受了这个小市场规模。因为在这个小市场中，三角博弈的权重可以重新分配。精度升至最高，成本被推高，内容生态被压缩为几款深度适配的VR应用——但这没有关系，因为目标用户愿意为少数高质量体验支付高额溢价。他们不需要一百款游戏，他们只需要三五款能够证明VR价值的作品。

2015年6月，Valve在Steam平台上开设了VR内容专区。首批上线的VR应用包括《Tilt Brush》——一款由谷歌收购的VR绘画工具，让用户可以在三维空间中用虚拟画笔创作——和《Job Simulator》——一款幽默的VR工作模拟游戏，让玩家在机器人统治的未来世界中体验人类的工作。这两款应用都不是传统意义上的游戏，它们是VR交互范式的演示作品：前者展示手柄作为创作工具的精度，后者展示手柄作为手部延伸的自然感。

到2015年底，SteamVR平台上的VR应用数量达到了约两百款。这个数字与Steam平台整体超过一万款游戏相比微不足道，但它构成了VR内容生态的种子库。

这些早期应用共同验证了一个关键假设：当手柄的追踪精度达到亚毫米级时，用户可以发展出一种新的交互直觉——他们不再“操作”手柄，而是“使用”自己的手。手柄本身在用户的感知中消失了，只剩下虚拟空间中的手和手指。这种工具透明化的体验是Wii Remote和Kinect从未真正实现的。在Wii上，玩家始终意识到自己手里握着一个白色塑料棒，需要按照屏幕上的提示做出特定动作。在Kinect上，玩家始终意识到自己站在一个摄像头的视野范围内，需要调整姿势以确保被正确识别。但在高精度VR手柄上，当追踪精度超过人类感知阈值时，手柄就不再是一个需要学习的外部工具，而成为了身体直觉的延伸。

这是体感交互在撤退中完成的最重要的范式积累。它不是在市场份额上取得的胜利，而是在交互质量上实现的突破。这个突破在2013至2016年间不可能在客厅场景中完成，因为客厅场景的成本约束和内容生态要求无法支撑亚毫米级精度所需的硬件成本和开发投入。只有在卧室场景中，在一个更小、更贵、更硬核的市场里，体感技术才能暂时摆脱三角博弈中成本和生态的约束，集中资源攻克精度这个最核心的技术壁垒。

2016年2月29日，HTC Vive消费者版本开始接受预订，售价799美元。首批预订量在十分钟内突破一万五千台。这个数字与Wii在2006年黑色星期五单日售出八十万台的纪录相比微不足道，但它代表着一个不同的商业模型：高单价、低销量、高利润率，服务于一个愿意为质量付费的核心用户群。

同月，索尼宣布PlayStation VR将于2016年10月发售，售价399美元，需要配合PS4主机和PlayStation Camera摄像头使用。PSVR的定位方案不同于Lighthouse。它使用PS4的PlayStation Camera捕捉头显和Move控制器上的发光球体，通过光学追踪计算位置。这个方案的精度低于Lighthouse——Move控制器的发光球体追踪在快速移动时会出现明显的抖动和漂移——但它的成本也低得多。Move控制器早在2010年就已量产，PlayStation Camera的物料成本约为二十美元，整个PSVR系统的入门成本（包含PS4主机）约为八百美元，不到Vive的一半。

索尼的选择代表了三角博弈中的另一种权重分配：降低精度要求，控制成本，利用PS4已有的超过四千万台装机量来快速扩大VR用户基础。微软的Kinect选择了高精度和高成本但缺乏内容生态，Valve的Vive选择了最高精度和最高成本但接受小规模内容生态，索尼的PSVR选择了中等精度、中等成本和中等规模内容生态——三种策略在2016年同时存在于市场上，每一种都在测试三角博弈中的一个特定平衡点。

2016年4月5日，HTC Vive正式发货。第一批收到产品的用户开始在社交媒体上分享他们的体验。最常见的评价词是“未来感”和“贵”。一位早期购买者在论坛上写道，这是他在科技产品上花过的最贵的八百美元，也是他体验过的最不可思议的东西，但他不确定会推荐给朋友——除非对方也愿意花一千五百美元升级显卡。这条评论精准地概括了Vive在2016年面临的核心矛盾：精度已经足够高，体验已经足够好，但成本和内容生态的约束使得它无法突破核心玩家圈层。体感交互在卧室里活了下来，但它还没有找到回到客厅的路。

2016年秋天，Valve的工程师团队开始研发第二代Lighthouse基站。新基站取消了机械旋转部件——第一代基站使用两个高速旋转的激光发射器，每分钟旋转三千六百次，发出的高频噪音在安静的房间中清晰可闻——改为使用固定位置的LED阵列分时发射激光。这个设计不仅消除了噪音，还将基站的物料成本从约三百美元降至约一百美元。但Valve并不急于发布新基站。在内部评估中，第二代Lighthouse的成本优势需要更大的出货量才能体现，而2016年的VR市场规模还远未达到那个临界点。

体感交互完成了从客厅到卧室的撤退。这不是溃败，不是投降，而是一次主动的战略收缩。在卧室里，在一个更小的市场中，体感技术获得了它在客厅里永远无法获得的东西：时间。时间来打磨精度，来验证交互范式，来等待成本曲线下降，来积累内容生态。在2016年底的时间节点上，Vive手柄上的传感器环在黑暗中闪烁着微弱的红外光点，等待着一个更大的市场来发现它。Kinect 2.0在2017年正式停产，全球累计销量约为三千五百万台——不到第一代Kinect的一半。Wii U在2015年以一千三百五十六万台的销量退出了市场。Move控制器继续作为PSVR的配套设备生产，但它的设计从2010年之后就没有再进行过重大更新。

体感交互没有死。它只是回到了一个更安静、更专注、更不引人注目的位置。在那里，一群愿意为精度付费的工程师和玩家正在重新学习如何使用自己的双手——不是向电视挥手，不是站在摄像头前跳跃，而是在一个虚拟的空间中，精确地、自然地、几乎本能地伸出手去触碰那些并不存在的物体。这个安静的积累过程构成了体感交互历史上最不性感但最重要的章节。它证明了在三角博弈中，有时候撤退到一个小市场比死守一个大市场更明智。不是所有的收缩都是失败。有些收缩是为了下一次更有效的扩张。

但扩张的代价是什么？当Valve的工程师们在2016年秋天开始设计第二代Lighthouse基站时，他们面对的不再是技术问题，而是一个更棘手的商业方程：如何在保持亚毫米级精度的同时，将定位系统的成本降到足以支撑百万级出货量的水平？这个方程的解不在贝尔维尤的实验室里，而在深圳的供应链中，在台积电的晶圆厂里，在HTC桃园工厂的装配线上。追踪的精度已经有了答案，追踪的代价才刚刚开始显现。