本节摘要:XR 不是"近年突然出现的新东西",而是一条 60 多年的阶梯。把 1962 年到 2024 年这六十多年切成 8 个抬升点:Sensorama、达摩克利斯之剑、VCASS、Virtuality 街机、Google Glass、Oculus Rift、Pokémon GO、Quest / Vision Pro。每个点都在光谱上把某一格往"成本更低、体验更稳"的方向推了一步。我们会逐一拆开讲它推的是哪一格、靠什么推的、又留下什么坑给下一代。
阅读完本节,你应当能够:
如果你只看 2010 年代的报道,XR 像是 2012 年突然冒出来的。事实不是这样——它是一段被反复"按下又抬起"的阶梯。理解这段历史的目的不是背年份,而是看到:每一次"抬升"都对应"某个感觉通道的成本/重量降低一个数量级"。这个判断框架比任何"技术预测"都更准。
我们把六十多年切成 8 个关键节点:每个节点用一段话回答"它把哪一格往哪边推了一步"。读这一节的时候,请把每个节点想象成阶梯上的一个台阶——每个台阶只升一点点,60 多年后我们才站到今天的位置。
Morton Heilig 推出的 Sensorama 不是头显,是一台街机:3D 胶片、立体声、座椅振动、风扇、味道发生器。它把光谱从"只看屏幕"抬到了"多感觉通道"——这是阶梯上的第一级台阶。它商业上失败了,街机一台 25 万美元,受众太小,但它把"XR 应该是多通道的"这条信念埋进了行业的底层代码。
Ivan Sutherland 在 MIT 林肯实验室做出"达摩克利斯之剑"(The Sword of Damocles),一台用机械臂吊在头顶的双目立体显示器,能跟踪头部转动。它是历史上第一台可佩带的 XR 设备,但重量靠天花板支撑,分辨率低到只能显示线框。这一级台阶把"头动作为输入"这件事锁进了 XR 的 DNA。
美国空军委托 Hughes 做的 VCASS(Visually Coupled Airborne Systems Simulator)头盔把双目立体 + 头动跟踪集成到一台可佩带设备里,由飞行员真机佩戴。它把"工业级 XR"定型——军方的预算承担了早期成本,工艺在军品订单里被磨到能批量出货。这条"军→工→消"路径后来反复出现:HoloLens 之于 AR、Quest 之于消费 VR 都走过同样的曲线。
英国 W Industries 推出 Virtuality 1000SU,一台 5 美元/3 分钟的 VR 街机,把"立体+头动+手柄"做到 25 公斤的机柜里。它把"消费场景"推到商场与酒吧——但当时显示分辨率只有 276×372 像素,3 美元一次的价格也压不下去。它证明了"游戏厅"是 XR 的天然第一站,30 年后 Quest 体验店仍在走这条路。
Google Glass 是消费 AR 的第一个大众化产品形态:单目棱镜 + 语音输入 + 网络连接。它把"AR"从科研院推到大众媒体,但它没有解决"为什么我需要戴这个东西"的问题,3 年后停售。它的失败留下一条铁律:没有 Killer App 的 AR 眼镜只是眼镜。Vision Pro 8 年后要回答的也是同一个问题。
Palmer Luckey 在车库攒出来的 Rift DK1 用手机屏 + 镜头 + 陀螺仪攒出第一台"能跑 60Hz 立体"的消费级原型。Kickstarter 众筹 250 万美元。它把"消费 VR 的可行性"从理论变成可演示。这件事的关键不是参数,是它把"消费头显"重新拉回到 1995 年 Virtuality 失败的同一格,硬件成本却降了 100 倍。
任天堂 + Niantic 把 AR 放到 5 亿台手机上,Pokémon GO 在 7 个月内带来 10 亿美元营收。它把 AR 从"实验室"推到"日常生活"——但这并不是说 AR 的体验有什么突破,而是 GPS + 手机摄像头的组合终于把"AR 体验"做成了"零门槛、零设备"。这告诉我们:把已有通道的成本再降一个数量级,比发明新通道更有力。
Meta(前 Oculus)推出 Quest 1,单芯片 6DoF Inside-out 头手追踪 + 一台设备 399 美元。这是阶梯上最关键的一级台阶——它把"PC VR + 多个传感器"的全套体验装进 470 克的无线头显。从此"无线一体机"成为消费 VR 的事实标准。
Vision Pro 把"高分辨率 Micro-OLED + 眼动追踪 + VST 透视"集成到一台设备里。它把光谱上的 MR 段正式拉到消费视野里——尽管它 3500 美元的定价让大众化还要等下一代。但它把"空间计算"这个词推到了所有竞品的发布会幻灯片上,定义了未来 5 年的"参考头显形态"。
把上面 8 个节点放在一起看,会发现一条清晰的"阶梯"——每一步都把某个数字往下降一个数量级:
| 时间 | 关键参数 | 主流设备的值 |
|---|---|---|
| 1962 | 多通道集成 | 5 个感觉通道 + 1 台 25 万美元街机 |
| 1968 | 头动跟踪 | 机械臂吊装 + 帧率 30Hz |
| 1980 | 工业级 | VCASS 5 公斤 + 4 万美元 |
| 1995 | 商业化 | Virtuality 25 公斤机柜 + 276×372 像素 |
| 2012 | 消费复兴 | DK1 380 克 + 640×800 像素 + 60Hz |
| 2019 | 无线化 | Quest 1 470 克 + 1440×1600 × 2 + 90Hz |
| 2023 | 透视 MR | Vision Pro 600 克 + 4K×2 Micro-OLED + 眼动 |
把"重量 × 价格"画出来,就是一条指数下降的曲线。这条曲线解释了为什么每隔几年就有一波"XR 复兴"——上一波没走通,不是因为技术不行,而是因为成本/重量的曲线还没到那个临界点。
很多人把 Vision Pro 当成 XR 的"iPhone 时刻"。但拿 2007 年初代 iPhone 对比,会发现 iPhone 把"手机"从功能机彻底重定义了——Vision Pro 没有做到这件事。它把"头戴计算设备"重新定义了一步,但没有把"AR 眼镜"做到普通人能戴出门的程度。阶梯还在抬升,下一级台阶可能需要:
每一条都是工程问题,而不是科学问题。
我们用 Unity 做一个最小项目:在 AR 平面识别上放一张时间线卡片,每张卡片是一个关键年份的设备模型(你可以用占位 Cube + 文字代替 3D 模型)。这段代码会跟着你走 30 秒,演示 XR 历史的内容形态:
// 在 AR 平面识别上搭一条从 1962 到 2023 的"阶梯"时间线 void PlaceTimelineCard(DetectedPlane plane, int year, string title) { var card = GameObject.CreatePrimitive(PrimitiveType.Cube); card.transform.position = plane.Center + Vector3.up * 0.1f * year; card.transform.localScale = new Vector3(0.4f, 0.05f, 0.1f * year.ToString().Length); var text = card.AddComponent<TextMesh>(); text.text = $"{year} - {title}"; text.characterSize = 0.05f; text.anchor = TextAnchor.MiddleCenter; }
戴头显走过去时,每张卡片会随着你的视线切换缩放。这就是用 Unity 拼"XR 演化史"的最简形态——比做 PPT 更能让观众把阶梯"走一遍"。
把 60 多年的关键节点画成一条时间线——每次抬升都标出它把哪个数字往下降了。

下一节我们用三把尺子去度量任何一段 XR 体验——这就是把阶梯"量化"的工具。