Vision Pro交互设计，苹果的阳谋

文/VR陀螺 元桥

距离苹果发布新品已过半月左右，但库克登场说出的那句话“正如iPhone带我们进入移动计算时代，Apple Vision Pro将带我们进入空间计算时代”，仍让人感到兴奋。

兴奋的不仅仅是我们或将迎来的新时代，更有这款产品的交互设计对当下头戴设备的影响。在Vision Pro发布半个月的时间中，可以看到诸多体验过Vision Pro的博主都对这款产品的交互设计表示甚为惊喜；VR陀螺近期也与诸多业内人士展开深度交流，能感受到大家对于苹果的交互设计也都一致表示震感。

毕竟Vision Pro摆脱了「手柄」外部操控器，用户仅通过眼睛、手、语音便可与设备进行交互，并且眼动、手势与语音之间是打通的，是一整套的交互方式。

毫无疑问，苹果在重新定义MR交互方式的标准，而从每个技术上来看，Vision Pro又是苹果多年来布局的一个体现。

 从初代iPhone，看Vision Pro的交互设计 

乔布斯是一位为产品设计而疯狂的人，在每一个步骤上，他都会推进删除与简化，小到一颗螺丝钉的布局都要经过几个回合的筛选；由此，苹果一直都以其精湛的硬件与软件的设计、极简的风格而闻名全球。

在设计苹果系列产品时，乔布斯曾说“我们的设计思想就是「极致的简约」，我们管理公司、设计产品、广告宣传的理念就是一句话——让我们做得简单一点，真正的简单。”

2007年第一代iPhone发布，乔布斯在演讲中说道：

“今天我们要推出三款同级别的革命性产品。首先是一台带触控的宽屏iPod，其次是一部革命性的手机，还有一款具有突破性意义的互联网通信设备。所以，是三样东西：一台带触控的宽屏iPod，一部革命性的手机，一款具有突破性意义的互联网通信设备。一台iPod，一部手机，一款网络通信器……你们明白我在说什么吗？这不是三台独立的设备，这是一台设备，我们叫它iPhone”。

苹果为了初代iPhone的到来，研发了2年多的时间。就在乔布斯登台之前，他还召集了其团队，告诉他们要记住那一刻，也就是iPhone问世之前的那一刻。因为，下一刻，一切都会改变。

确实，第一代iPhone的设计，多点触摸功能的屏幕彻底改变了传统手机按键式操作，打开了智能手机世界的大门，并且在后续机型中引入的App Store，让手机成为了真正的移动智能终端，主导了当时的黑莓、摩托罗拉等智能手机。

与第一代iPhone同年发布的黑莓Curve 8310，因为实体键盘挤占了空间，所以屏幕只有2.5英寸

再回看Vision Pro的交互方式就如同iPhone的多点触摸功能设计，摒弃了多余的工具，更加贴近人体的自然习惯，让人类自己成为自然的交互工具，更重要的是Vision Pro让头戴设备充满了「科幻的魅力」。据称，Vision Pro的交互简单到用户只需要1分钟就能适应甚至零成本的学习，界面极度丝滑，窗口就像真实世界中的运动轨迹一样。

视线扫过时的细腻动画效果，图源：苹果

在Vison Pro发布之后，扎克伯格曾对苹果头显发表了自己的看法，他认为「苹果Vision Pro并没有实现Meta未探索技术领域的任何重大突破」。其实不仅扎克伯格这么看，业界几乎也认为Vison Pro并没有带来创新。但能够看出Vision Pro并不重在发明，它的每个点都让人惊喜，亦是一种创新。在技术上来看，Vision Pro几乎颠覆了第三次人机交互的创新，对于人机交互的发展来说，迈出了极大的一步。

《时代》杂志作家格罗斯曼在iPhone发布之后，曾一针见血的指出“iPhone并没有真正发明许多新的功能，而是让这些功能实用很多。这很重要，如果工具不顺手，我们往往会觉得自己太傻；如果工具太糟，我们也会觉得自己很逊；而如果有人改进了工具，我们就会觉得体验很好，自己也很完美。”

格罗斯曼直接从人文的视角解释了为什么苹果的产品能够大受欢迎，头戴设备一直都未被大众所接受，交互环节的「麻烦」便占据了其中一个原因。乔布斯也曾在一次采访中谈到的一个故事，“一个6岁小男孩在未接触过iPad的情况下，仅凭直觉就可以用手指在屏幕上滑动，启动应用程序并玩游戏。”

如果头戴设备的交互能够简单到如此地步，还会很难推进大众市场？相信在两三年之后，将会见证Vision Pro能否成为下一代空间计算平台以及能否打开大众市场。

 手眼语三种交互，一套系统，重新定义MR交互范式 

其实，苹果每一次新品发布都会伴随交互方式的革新，如Mac的鼠标、iPhone的多触点功能、iPad的Apple Pencil再到如今的Vision Pro的眼球、手势与语音。可以说，正是因为有了每一次的交互革新，使用设备的潜能才真正被挖掘出来。

正如2005年乔布斯对微软一款平板电脑的评论“因为配有一支手写笔，这款产品就废了。”后来微软的平板电脑也确实被苹果颠覆了，不难看出好的交互设计对于用户而言多么重要。

一般人类是通过最基础的五官：眼（视觉）耳（听觉）鼻（嗅觉）舌（味觉）身（触觉）去感知世界。科技企业一直都在不断尝试模拟人类感知世界的五官，从而产生了各种各样的终端产品，只是一直仍未看到一款产品可以真正解决人机交互上存在的缺陷。Vision Pro的到来，极大满足了人们对人机交互的想象。为了能够很好理解Vision Pro的交互设计，以下将从眼动、手势与语音三方面进行拆解。

眼动追踪

眼动追踪一直都是AR/VR产业有待攻破的一大技术难题，近两年在很多新发布的AR/VR设备中已经可以看到，越来越多的产品搭载了眼动追踪技术，但整体体验上并不是很流畅，甚至有的都没有发挥这一技术的能力。

一方面，眼动追踪的交互方式与手柄的配合十分不完美，用户很难真正把手柄和眼动追踪联合起来运用。如果说叠加一项技术但又不能发挥这项技术的能力，那么就会让人觉得这项技术只有酷炫。另一面，眼动追踪对精准度的要求极高，如果技术不能做到及时捕捉眼睛的视线，就会导致定位不准，体验感极差。

眼动追踪技术研究的三大方向是眼球的注视点看向哪里、何时看、看多久，从而去捕捉用户情绪。在AR/VR设备中，眼动追踪的系统包含了近红外光源、高分辨率摄像头、以及图像处理相关的算法，三者缺一不可。

因此，能够真正把眼动追踪发挥好，底层技术很重要。近期陀螺君写了一篇《从Vision Pro一窥眼动追踪交互的巨大潜力》分析了苹果的眼动追踪技术，可点击详阅。

目前，大多数AR/VR设备采用的都是单芯片，在算法与图像处理方面的表现力匮乏。乔布斯就曾评价过英特尔的芯片设计，直指该芯片的图像处理方面太慢，应该有款芯片专门用来处理图像。

多年来，终于在Vision Pro这款产品看到了协处理芯片的设计。Vision Pro搭载M2与R1芯片，其中R1芯片为苹果全新设计，专为头显处理摄像头、传感器的数据传输（包括12个摄像头、5个传感器和6个麦克风的输入）。

据苹果表示：传输速率仅需12毫秒便可将内容同步到Vision Pro的屏幕上，几乎没有延迟，甚至可以达到比眨眼的时间快8倍，对比一下Meta的Quest 3就能够直观的感受到Vision Pro的装置是有多「豪」了。

Vision Pro与Quest3部分参数对比

为了能进一步提升注视点的准确性，苹果还为Vision Pro搭配了精心设计的UI，可以很好的辅助眼球追踪的功能。

从目前Vision Pro的参数与体验者的评价来看，Vision Pro在技术上完全做到了快与准，甚至都未看到有相关视线定位不准或视线抖动的情况。同时，其眼动追踪也做到了非常自然，用户的眼睛注视图标然后双指捏合，即可打开新的应用，眼睛在菜单栏停留一段时间会自动弹出二级菜单.......

眼动追踪虽并非苹果首创，但苹果却是首家将其作为核心交互方式的公司。不可否认，Vision Pro的到来打开了眼动追踪交互的潜力，更创新了眼睛+手势+语音的整套打法。

裸手交互

在AR/VR刚兴起时，业内就几乎确认了裸手交互是未来AR/VR的发展趋势，只是要想做好手势交互的确认度，是一项极大的技术难题。

也正由于技术的受限，裸手交互这一方式就一直都未被完整的发挥出来。手部是我们日常生活中交互信息的一个很重要环节，除了嘴巴之外，手部是最常用的信息输出肢体。

回看PC时代，即便最初会出现各种交互方式，最终都会落到鼠标、键盘，与手部相关的标准交互上。而发展下一代计算产品，手部交互仍很重要。在技术上未有突破的情况下，手柄是VR设备最好的交互方式，相较于裸手交互，手柄的准确度可以达到100%，尤其体现在玩游戏的过程中，所以现在大多数VR设备都采用手柄的交互方式。

此次苹果放弃了手柄这一外部操控器的交互方式，将裸手交互真正发挥了出来，展现了与市场上其他玩家完全不同的策略。也可以说，苹果意图用最便捷的交互方式打开轻度场景的应用，将产品更进一步地推向大众消费市场。

由于Vision Pro配备了四颗用于手势识别的摄像头，可以检测腰部以下的手势，用户还可以把手放在膝盖上进行操作，甚是轻松自如。

使用Vision Pro，双手可以自然搭在双腿上

除此之外，Vision Pro中的摄像头还能够非常精确地追踪眼睛视线，眼睛的位置是一个关键因素，可用于确定你想用手势进行互动的对象。例如，查看应用程序图标或虚拟元素会将其作为目标并高亮显示，然后你可以执行手势；或者想要打开的App，配合手部微小的动作就能完成操作。

还值得一提的是，Vision Pro已经可以实现虚拟键盘打字的方式。据了解，虚拟打字目前在触感上还未达到理想的状态，但苹果内部已经在着手优化了。

苹果实现虚拟键盘输入

在人机交互层面，苹果确实考虑到了用户体验的方方面面，苹果几乎将裸手交互发挥到了目前技术的极致，甚至让交互方式从科幻走入了现实，也让空间计算平台的发展前进了一大步。

智能语音

在ChatGPT未发布之前，人工智能技术的发展已经把语音交互提高到了可用的水平，而在ChatGPT发布之后，智能语音已经成为十分自然的事情了。

在我们日常生活中，智能设备的出现越发普遍，用户对语音的交互也更为熟悉。例如在智能家居中，天猫精灵、小度、苹果的Home再到智能手表与智能座舱，音频的实时交互几乎串联了我们所有生活的场景。

与此同时，淘宝、微信等APP的应用对语音输入的支持，都让智能的语音交互迸发出了旺盛的生命力。而作为下一代计算产品的AR/VR，语音交互必然也会成为其标配。而且实时互动语音技术也能让头戴设备的形态、用户体验产生质的飞跃。

苹果也将智能语音搭载进了头戴设备中，还可配合眼睛与手势进行交互。据称，在Vision Pro中你可以通过语音呼叫Siri，打开和关闭 App或者页面。VR陀螺近期也写了一篇文章，详细分析了Vision Pro中的AI应用，可以点击详阅《深剖Apple Vision Pro中暗藏的“AI”》。

Vision Pro中呼唤Siri

还值得一提的是，为了不使用户和周围的人隔绝，苹果还开发了一个名为Eyesight的反透视功能，这也是Vision Pro的一大基础交互设计。当有人在你附近时，设备看上去会是透明的，即让用户能够看到身边的人；而当你完全沉浸时，屏幕会暗下去，旁边的人也会明白此刻的你注意不到他们。

从目前各个方面信息来看，苹果完全创新了人机交互的方式，定义了头戴设备「眼睛+手势+语音」这一整套的交互标准，更为重要的是苹果将这套交互方式也找到了合理的应用场景，落在办公、视频、家居与观影上等轻度场景上，解决了交互方式与场景结合的难题。

Vision Pro的到来对头戴设备的影响就像初代iPhone的到来对手机市场的颠覆一般，或许并不会有初代iPhone那么受欢迎，但人机交互界面是时候该迎来下一场的发展了。

 新一代空间计算产品，苹果正在重构AR/VR 

库克将Vision Pro称为下一代空间计算产品，并不是AR/VR，不同于市面上完全追求沉浸感的VR产品，Vision Pro追求的是虚拟与现实的融合，让用户可以在体验沉浸感的同时也不会与外界隔离。

WWDC 2023大会期间，陆川与苹果副总裁展开了一番对话，其中特别令人印象深刻的是苹果副总裁对Vision Pro到来总结的三点，他说：

“第一，我们已经感觉到，一个科技划时代的时刻就要到来了。与其让别人来颠覆我们苹果，不如我们自己来。能颠覆苹果的，只有我们自己。”

“第二，我们感谢过去开发出的所有全系列苹果产品，因为它们挣回的这些钱。我们可以不计成本的去投入开发一个划时代的产品。我们干了六七年，就等今天。”

“第三，也要感谢其他的苹果产品，在这些产品的开发过程中。我们才能积累起足够强大的技术，最后把所有的科技，集成在Vision Pro这一个产品上。”

从他的回答中，能够看出苹果对新一代产品的重视程度，以及也解释了为什么这件事苹果可以做成。第一，苹果足够的有钱，2022年账面现金流就已过千亿；第二，苹果的技术累计足够的强，Vision Pro完全体现了这一点。

VR陀螺曾统计过，苹果从2010年左右就开始陆续收购或投资了多家面部识别、眼动追踪、空间定位、手势识别、动作捕捉等AR/VR相关的企业。

最终这些收购的企业技术都落在了Vision Pro上，例如苹果内部一直都认为头戴设备用控制器操控是个很「恼人的工具」，由此收购的多家面部追踪公司以及多个传感器公司，用多个传感器实时追踪人眼和手势让操作做到了更简单。

可以说是目前为止，Vision Pro是真正一款面向大众消费者的MR产品，你可以用它看电影、工作、娱乐、学习、联系家人/朋友等。

如何打通大众消费者，一直都是AR/VR努力的方向，但无奈多年来，无论是从硬件设计上还是场景应用上，AR/VR都未能吸引大众消费者的兴趣，这也是业内为什么会一直都觉得AR/VR缺杀手级应用的原因。

但使用的不便捷也是让诸多用户避而远之的一大因素，苹果到来或将会真正转变这一点。虽然从目前来看Vision Pro在价格与性能仍还有很多进步的空间，但Vision Pro确实让人感知到空间计算时代正在到来，站在虚拟与现实的融合发展上，Vision Pro标志了一个技术的新开端。

未来，随着苹果MR产品不断迭代，或许将会替代掉电脑、iPad与手机，实现万屏归一。

       原文标题 : Vision Pro交互设计，苹果的阳谋