空间计算的新棋局

放眼望去，从库比蒂诺到东京，再到门洛帕克，一条围绕空间计算的新产业链正在快速成形。它不再沿着游戏硬件的旧轨道延伸，而是在手机、头显、光学传感器和空间数据的交汇处另起炉灶。过去两年里，这三座城市各自代表一种对下一代交互方式的理解：库比蒂诺押注眼动与指尖的精度，门洛帕克继续扩大低成本透视的覆盖面，东京则试图把主机VR的外设路线再往前推一段。

它们共同面对的是一个已经被混合现实打开的房间：相机第一次把真实客厅变成可编程界面，虚拟物体开始进入普通人的家，但谁来定义这些物体与身体之间的输入关系，答案远未确定。

2024年2月，苹果开始交付Vision Pro。第一批用户把它戴上之后，首先学会的不是按键，而是眼睛。眼球扫过一排图标，拇指和食指轻轻一碰，界面确认。

这个动作小到几乎不构成“运动”，却足以替代过去需要手柄、扳机、摇杆或全身动作才能完成的确认。

对体感控制器的百年历史而言，这是一个无法忽视的时刻：一家从未在游戏主机市场证明过自己的公司，绕过了二十年来围绕身体动作捕捉建立的全部技术积累，把输入范式推进到眼动追踪和手指捏合。它没有继承游戏体感的遗产，而是用另一套硬件和另一套语言，重新定义了空间中的操作。

这个选择在2023年6月的发布会演示中已经露出全貌。苹果没有在任何场景里把Vision Pro当成游戏头显来展示。演示画面里出现的是桌面、窗口、备忘录、照片和视频通话。演示者端坐不动，只靠眼睛和指尖在虚拟空间里排列对象。这与其他头显厂商惯常的展示方式形成鲜明对比：游戏头显的演示里几乎总有人站立、转身、挥舞手臂。苹果的演示人一动不动，似乎刻意让人忽略佩戴者身体的存在。

它想告诉开发者和用户，这个设备不需要你离开椅子。为什么苹果拒绝手柄？这不是简单的极简设计偏好。手柄在游戏体感中的功能，是提供高频率、高强度的即时反馈和稳定的物理按钮。

游戏内容要求用户在空间里移动、旋转、做出可重复的动作，手柄能在这些动作中提供触觉确认和精确的输入通道。

但苹果想进入的场景是生产力、社交和通用计算。在这些场景里，连续一小时悬空挥舞手臂来处理文档，会遇到生理极限。人眼可以在极短时间内完成目标选择，手指捏合只消耗极小的肌肉能量。苹果把计算场景里的长时间、低强度、高精度操作，当成交互设计的基准。它不是在优化游戏，而是在优化桌面。

再追问一层：为什么游戏体感产业二十年来没有把眼动追踪和手指捏合推成主流？答案是成本与需求的双重约束。低成本摄像头和惯性传感器在识别大幅度动作时容错率高，算法误差被身体动作的幅度稀释。

挥手偏离五度，游戏仍然可以继续；光标偏离五毫米，用户立即感到操作失灵。要把微小手指动作和眼球移动识别到可以稳定操作界面的程度，需要更昂贵的传感器、更强的算力和更精细的校准。游戏产业既无法把成本压到消费者可接受的水平，也缺乏动机把精度推到桌面级需求。

苹果用接近高性能电脑的售价，把这个难题变成了自己的差异化优势。Vision Pro在硬件上实现了低疲劳的高精度输入，却把内容生态的空缺暴露得更加清楚。发售初期，原生应用数量有限，许多开发者还在观望。最先进的手势识别，缺少足够多的应用场景来证明它不可替代。

这正是三角模型中一个反复出现的错配：硬件精度可以在一夜之间越过门槛，内容生态却需要时间和开发者信心才能跟上。

Vision Pro的高价让大多数消费者只是观看这场空间计算实验，而不是参与其中。它的困境不是精度不足，而是精度领先于生态太远。

这让人想起微软十一年前的一次激进尝试。2013年6月10日下午4:30，微软在E3游戏展公布Xbox One主机，初始售价499美元，与体感控制器Kinect 2.0捆绑销售。微软在展会上高调宣布了禁止转让二手游戏光盘、强制主机24小时联网、必须同时购买主机同捆的体感控制器Kinect 2.0、锁区等对玩家不利的政策，引发玩家强烈不满。那一次，微软试图用强制手段把体感控制器变成主机生态的入口，结果在消费者反弹中退回。苹果没有采用强制，而是用价格和交互范式把生态吸引过来。

但两者面对的是同一个问题：当硬件先行，内容跟不上时，市场是否会接受一个被预先定义好的交互未来？微软的失败说明强制捆绑行不通；Vision Pro初期的冷清则说明，即便硬件足够好，内容生态的缺失依然会限制范式的扩散。

索尼互动娱乐在2023年2月发售PlayStation VR2时，面对的是一个已经变化的市场。PSVR2坚持有线连接，依赖外部摄像头追踪，内容生态薄弱的困境在发售后的几个月内变得清晰。它需要连接PlayStation 5主机才能运行，用户不能像使用Quest一体机那样自由移动，也不能像Vision Pro那样独立承担计算任务。其技术规格并不低，但形态上像是旧路线的高性能延伸，而不是一条新路。

为什么索尼选择这条路线？原因必须追溯到它的制度结构。索尼互动娱乐的收入重心始终是主机平台税和第一方主机游戏。VR头显作为外设，无论如何畅销，都难以形成足够庞大的平台税收入来支撑独立生态。PSVR2不是独立平台，而是PS5的外设。

索尼利用PS5的性能来降低头显本身的成本和复杂度，于是选择有线连接来保证高带宽和低延迟。外部摄像头追踪延续了上一代PSVR的技术惯性，也避免了重新设计追踪方案的巨大投入。这个逻辑在PS5主机销量领先的背景下看起来合理。

但用户对混合现实的预期已经被Quest系列改变。他们不再愿意被一根线缆固定在主机旁边，也不再愿意为了进入VR而腾出一块被外部摄像头监视的空间。

更致命的是，PSVR2的内容生态没有形成足够的牵引力。第一方工作室的资源必须优先分配给主机大作，第三方开发者面对相对较小的用户基数，也会犹豫是否投入移植和原生开发。于是形成一个循环：用户等待内容，开发者等待用户，索尼等待市场信号，而市场信号因为内容和用户都很薄弱而迟迟不出现。

这不是索尼不努力，而是主机VR外设的模式在结构上就难以与一体机模式和空间计算模式竞争。PSVR2的沉寂，恰恰反衬出Quest一体机和Vision Pro空间计算模式对旧有主机VR体感路线的双重夹击。

Quest用一体机的自由移动和低价内容生态从下方吸引普通消费者，Vision Pro用高端空间计算平台从上方争夺开发者、设计师和高端用户的注意力。PSVR2夹在中间，既没有成本优势，也没有生态优势，更没有平台独立性。它体面地代表着一条正在被时代越过的路线。

到2024年，三条路径同时存在于市场上。第一条是游戏体感路线，仍以主机和专用手柄为中心，强调动作幅度、身体参与和即时反馈。第二条是混合现实路线，以Quest系列为代表，用低成本摄像头和透视功能把虚拟物体叠加进真实空间，追求普及和内容数量。第三条是空间计算路线，以Vision Pro为代表，用高精度传感器和眼动加手势交互追求桌面级操作，试图进入生产力和社交主战场。三条路径分别对应三角模型中的不同优先级：游戏体感偏重内容生态和可负担成本，混合现实偏重成本优势和内容广度，空间计算偏重精度和低疲劳。

有一种解释认为，体感控制器的发展主要由技术成熟度曲线和消费电子成本下降驱动，内容生态只是被动响应。2023至2024年的三款设备同时出现，使这一说法难以成立。PSVR2的技术并不落后，在有线连接和高规格追踪方面甚至是旧路线里的高配。它没有因为技术不够而失败，而是因为内容生态薄弱和形态选择失误而被市场冷却。

Vision Pro拥有当时非常精细的眼动追踪和手势识别，但高价格和初期内容匮乏同样限制了普及。Quest 3的成本并不比前代低多少，但内容积累和开发者关系让它成为三款产品中覆盖面最广的一个。技术成熟度可以提供能力，成本下降可以扩大范围，但最终决定哪一条路线被市场接受的，仍然是内容生态能否证明这种交互不可替代。

为什么科技巨头会在2023至2024年密集跨入这个领域？原因在于，空间计算概念的提出改变了体感交互的边界。过去，任天堂、微软、索尼围绕客厅游戏机竞争体感输入方式，市场天花板就是游戏玩家的数量。

当苹果把空间计算定义为一种与个人电脑、智能手机并列的通用人机界面时，潜在市场从游戏用户扩大到所有需要屏幕和计算的人群。苹果不必依赖游戏内容来回收硬件投入，它可以面向开发者、创作者、医疗机构、设计工作室，甚至早期科技尝鲜者。Meta则从社交和广告的角度看待空间计算，它需要用户基数来训练算法、收集交互数据、搭建未来的广告和电商入口。游戏主机厂商的体感路线无法承载这种扩张，因为缺少通用操作系统和开发者生态，只能继续在游戏利基里竞争。

这一轮产业重组的另一个特征是，定义权争夺不再局限于游戏公司内部。

2024年6月，美国参议员鲁比奥提出《2024年对抗中共恶意影响法》，要求情报机构在九十天内提交报告，详细说明特定人物的财富状况并限期作证。这份法案与体感控制器无关。但它所代表的精确识别、定位与定性的政治冲动，与消费科技领域对空间中人体的识别竞争构成了一种遥远而真实的映照。在库比蒂诺，苹果把眼动和手势的识别能力转化为平台控制力；

2024年2月Vision Pro交付后的前几周，一批最早的用户在社交媒体和开发者论坛上反复描述同一种体验：戴上头显后，眼睛扫过虚拟桌面上的图标，指尖在膝盖上轻轻一碰，界面确认。这个动作小到旁观者几乎看不出佩戴者是否在进行操作。

但随后，许多人开始提到一种并不陌生的疲劳感。它不是来自大幅挥动手臂，而是来自眼球必须像鼠标指针一样持续工作。用户需要在一排密集排列的窗口之间反复移动注视点，每一次转移都必须足够精确，否则系统识别不到目标。

开发者很快发现，Vision Pro的眼动追踪在正常观看距离下，已经能稳定区分虚拟键盘上相邻的按键；手指捏合动作甚至不需要完全合拢，只要拇指与食指指尖的间距缩小到极短的距离，系统就会判定为一次点击。这种精度在消费级设备中是罕见的。

问题是，眼睛并不是为了充当指针而进化出来的器官。让注视点长时间承担鼠标的任务，意味着眼球肌肉要付出持续的微调劳动，而任何头显轻微滑动、鼻托位置变化，都会让校准出现偏差。有开发者反馈，用户如果面部骨骼形状或睫毛状态影响了传感器读数，整套输入体验可能在一分钟内从“神奇”变成“不可用”。

为什么苹果仍然选择这条路线，而不是沿用已经被游戏行业证明过的手柄方案？答案不能简单归因于设计美学，也不能只停留在产品经理对“低疲劳”的想象。

需要追问苹果的收入结构和组织边界。苹果公司的利润核心一直是硬件毛利润，而不是软件平台税或广告。在2023财年，服务收入在增长，但硬件销售依然贡献了主要的现金流。

这意味着苹果没有动力去补贴一个外设生态，不会像Meta那样为了获取用户数据而容忍硬件长期亏损。它必须让Vision Pro在以较高单价出售时，呈现出与价格匹配的、不可替代的交互价值。

手柄无法制造这种价值感。任何第三方手柄都能被其他厂商复用，游戏行业已有成熟的标准和供应链，苹果无法通过一个手柄证明自己创造了新的计算平台。

眼动追踪和手势识别则不同：它们深度依赖苹果自研的R1芯片、传感器融合算法和操作系统底层权限。竞争对手无法简单授权一个手柄就进入Vision Pro的交互闭环。苹果用这种方式，把输入界面的控制权牢牢锁在自家硬件里。这才是拒绝手柄背后更深层的制度选择。

这一选择也解释了为什么苹果可以在内容生态几乎空白的情况下先行发售头显。它不需要依赖第三方游戏来回收硬件成本，因为它想建立的是一个计算平台，而不是一个游戏外设。开发者工具、窗口管理、空间视频和多人协作，才是苹果真正想展示的能力。

但初期的原生应用数量有限，许多开发者仍在观望，因为开发一个Vision Pro应用的成本并不低。苹果为开发者提供了眼动追踪和手势识别接口，却也提高了适配门槛：过去为手机设计的二维界面，不能直接搬进三维空间。开发者需要重新设计窗口层级、注视点热点区域和手势冲突逻辑。

这带来一个因果链条：硬件精度极高，导致交互范式过于独特；交互范式独特，导致移植成本高；移植成本高，导致原生内容增长缓慢；内容增长缓慢，又反过来限制了硬件精度的不可替代性。

这不是某一家公司执行力不足，而是苹果的封闭垂直整合制度在空间计算时代必然承担的组织成本。它用精度换来了控制权，却必须面对生态冷启动的漫长窗口。

索尼PlayStation VR2的困境可以用另一种制度路径来解释。2023年2月发售时，PSVR2的硬件规格并不弱：4K OLED面板、眼动追踪、头显震动、Sense手柄都有升级。

但它仍然是一根有线缆连接PS5主机的头显。玩家必须坐在或站在主机附近，活动半径受线长限制。外部摄像头追踪已经被上一代PSVR用过，许多人原以为索尼会转向内向外追踪和一体机设计，但最终没有。

批评者反复提到那根从脑后垂下的USB-C线缆，在转身、下蹲或快速移动时会拉扯后颈；而要使用外部摄像头，玩家必须让客厅有一块被红外光覆盖的追踪区域，这等于把混合现实承诺的“自由移动”重新拉回到主机周边的固定空间。

第三方估计显示，PSVR2发售后的头几个月销量远低于索尼内部预期，且与PS5数千万台的累计装机量相比，转化率极低。媒体和玩家社区的批评集中在两点：一是有线连接让佩戴体验倒退，二是缺乏足够多的原生VR游戏支撑。许多游戏只是现有主机作品的VR移植或简化版本，没有充分体现PSVR2的硬件能力。

为什么索尼互动娱乐会在Meta Quest已经证明一体机路线可行、苹果即将展示空间计算路线的时候，仍然坚持有线外设？

需要追溯到它的收入结构和组织优先级。索尼互动娱乐的核心是PlayStation主机平台。平台税、第一方游戏销售和订阅服务构成主要收入。

任何VR头显，如果没有独立计算能力，就只是PS5的一个外设。外设无法产生平台税，只能依附主机建立用户群。索尼内部资源必须优先保证PS5大作开发，VR团队只能拿到相对边缘的预算。

有线连接可以降低头显本身的硬件复杂度和成本，外部摄像头追踪可以沿用上一代的技术积累，这从财务上看是理性选择。但正是这种理性，使PSVR2在形态上落后于市场预期。

它试图用上一代主机的成功来定义下一代交互的外设边界，结果遇到一个已经改变的问题：用户不再满足于VR本身，他们开始期待混合现实和空间计算。一根线缆不仅限制了身体移动，也暴露了主机外设模式在平台时代的结构局限。

再追问一层：为什么PSVR2的内容生态薄弱到不足以支撑硬件？答案同样在制度安排。PlayStation第一方工作室的每一支团队都有KPI，必须服务于主机游戏销量和评价。为一个外设开发一款高质量VR独占游戏，需要投入大量美术、交互和技术资源，但预期销量受限于头显装机量。对工作室负责人来说，把人力投向PS5大作是更稳妥的选择。

第三方开发者则有自己的计算：如果为一个用户基数较小的外设做原生移植，需要重新设计交互、优化性能，还要面临索尼认证流程。如果头显销量无法预期增长，投入产出比就难以说服管理层。

于是，PSVR2陷入一个由制度理性制造的恶性循环：用户等待内容，开发者等待用户，索尼等待市场信号，而市场信号因为内容和用户都很薄弱而迟迟不出现。这不是索尼不努力，而是主机VR外设模式在结构上无法同时满足硬件成本、内容投入和平台独立性。它代表了一条曾经合理、但正在被时代越过的路径。

Meta在2023至2024年间的公开表态，为这场争夺提供了第三种制度视角。Meta没有在Vision Pro发布后立即采用“空间计算”这个词作为核心营销语言。相反，它在2023年Connect大会上继续强调“混合现实”和“实用”，把Quest 3定位为“首款面向大众的混合现实头显”。在媒体采访中，Meta高管多次淡化“空间计算”的命名权，认为这个词早已存在，真正重要的是把透视、手势和空间锚定做到消费者能买得起的价位。

这一策略与Meta的收入结构直接相关。Meta的利润来自广告和社交数据，硬件可以亏损，关键是要扩大用户基数，让更多家庭接受摄像头进入客厅，从而积累空间扫描数据、训练算法，并为将来的广告和电商入口做准备。

因此，Meta不需要把精度推到Vision Pro的级别。它更关心成本控制和佩戴舒适度，让用户愿意长时间佩戴。

从这个角度看，Meta的制度根源决定了它选择了一条与苹果不同的路径：苹果用高毛利硬件维持高精度交互，Meta用低价硬件换取用户覆盖和空间数据。索尼则夹在两者之间，既没有苹果的硬件利润支撑，也没有Meta的广告收入可以补贴，只能依赖主机平台的外部性，结果两头受限。

这三家公司不同的制度选择，重新排布了三角模型中的优先级。游戏体感路线以主机平台为主，它的精度受限于手柄和摄像头成本，它的内容生态依附于主机大作，它的用户群以玩家为主。混合现实路线以Meta为代表，追求成本和内容广度，精度被部分牺牲，但用户基数可以支撑开发者投入。空间计算路线以苹果为代表，追求精度和低疲劳，但高成本限制了用户基数，内容生态等待证明。

2023至2024年的市场表现显示，技术成熟度并不能单独解释成败。PSVR2的技术并不落后，失败来自形态选择和生态薄弱；Vision Pro的精度领先，但初期冷清暴露了内容缺口；Quest 3的成功建立在多年积累的开发者和低成本透视的基础上，而不是单点技术突破。

技术提供了能力，成本扩大了范围，但最终决定哪条路线被市场接受的，仍然是内容生态能否证明这种交互不可替代。这是一个反复出现的结构性问题，而非某个产品的偶然命运。

这种结构性竞争还揭示了一个更深的趋势：空间中人体行为的识别能力，已经从游戏外设的技术问题上升为平台权力的一部分。苹果通过眼动和手势识别控制用户的操作意图，Meta通过房间扫描和透视摄像头控制用户的空间感知，索尼通过主机生命周期控制外设的更新节奏。谁拥有这些数据的处理权，谁就能把客厅变成自己的平台入口。

这解释了为什么2024年6月美国参议员鲁比奥提出的《对抗中共恶意影响法》虽然与体感控制器毫无直接关系，却与空间识别的竞争构成了一种深层映照。那份法案要求情报机构在九十天内提交报告，并限期作证，其背后的冲动是对物理空间中个人行为和资产进行精确定位、识别和定性。消费科技领域的空间识别，也是在对人体行为和空间关系进行精确记录和归类。不同之处在于，科技公司把这种能力转化为产品功能、训练数据和平台控制力，而政治力量则把它转化为监控、管制和权力边界。两者的核心对象都是空间中的身体，以及身体与空间之间可以被计算的关系。

到2024年年中，三家公司都已经清楚看到，客厅不再仅仅是游戏的场所。Vision Pro用户在家中的沙发上打开虚拟工作台，Quest 3用户把茶几变成混合现实游戏的起点，PSVR2用户则仍然坐在主机旁被线缆约束。

这些场景同时存在于市场上，彼此竞争的不只是硬件参数，而是对家庭空间入口的定义。苹果把客厅当作一个可以用窗口和内容重新组织的空间，Meta把客厅当作随时可以扫描和映射的训练场，索尼仍把客厅当作游戏主机的延伸区域。三种定义之间没有调和的可能，因为它们对应的是三种不同的制度收益结构。

游戏体感、混合现实和空间计算三条路径的分化，也因此不再停留在交互技术层面，而是深入到公司如何组织研发、如何分配利润、如何定义用户这三个根本问题。这种分化一旦形成，就很难靠某一次技术更新来弥合。

在门洛帕克，Meta把数千万家庭的空间扫描数据转化为算法资本；在东京，索尼正看着这种能力从手中滑走。

对物理空间中人体行为的识别，已经不仅仅是游戏外设的技术问题，而是平台权力的一部分。

截至2024年，体感控制器的百年进化走到一个分水岭。游戏体感、混合现实与空间计算三条路径正在争夺下一代人机交互的定义权。精度、成本与内容生态的三角博弈没有消失，只是换了玩家和变量。人工智能和新型传感器可能再次改变精度与成本之间的平衡，新的开发者可能带来新的内容形态，新的厂商可能从完全不同的行业跨入。

但无论变量如何变化，一个判断已经清晰：没有任何单点突破能够单独定义下一代交互方式。硬件精度、可承受的价格和值得开发者投入的内容生态，三者必须同时到场，新范式才能真正落地。

这场争夺的后果正在溢出设备之外。它已经开始触及人们最私密的空间。几十年来，客厅以沙发和电视为中心，是一种被动观看空间。现在，混合现实和空间计算要求客厅被重新扫描、重新理解、重新划分。

沙发可能变成一个空间锚点，茶几可能成为虚拟工作台，窗户和墙壁可能成为窗口和屏幕。当交互定义权从游戏客厅进一步延伸到生活客厅时，一个新的压力点正在形成：如果家庭空间本身成为可编程的界面，它的布局、隐私和日常使用，将不再只是居住者自己的事情。客厅正在成为下一代人机交互的第一个争夺现场，而房间里的每一件家具，都可能被重新定义。