在过去的十年里，增强现实（AR）开发者的工具箱里塞满了平面检测、图像识别和基于手机陀螺仪的简单叠加。诚然，这些技术让Pokémon GO和大规模营销滤镜成为了可能，但它们更像是在真实世界这块画布上贴了一张透明贴纸，并未真正触及空间本身。我们被“虚拟物体悬浮在空气里”这种视觉奇观所迷惑，却忽略了AR的本质——它应当是一种对物理空间的全新解读方式，而非简单的视觉秀场。当我们将AR开发的参照系从“显示技术”切换到“空间计算”时，现有的范式便显得陈旧且充满局限，这正是我们这一代开发者必须重新审视的起点。
要理解这种范式转变，不妨对比两条深度不同的技术路线。传统SLAM（同步定位与建图）追求在未知环境中实时恢复相机位姿和稀疏特征点，它为当前大多数移动AR提供了稳健的几何锚定，但代价是高昂的计算开销和相对脆弱的环境依赖——一旦遭遇无纹理的白墙或剧烈光照变化，跟踪便随之崩溃。另一边，近年兴起的基于视觉的语义定位（如与大规模三维地图数据库匹配）则试图让AR“认路”，它基于预建地图和视觉指纹，能够在城市级尺度下获得实时位姿，但其地图构建成本与隐私风险也让众多中小团队望而却步。两条路线的对比深刻地揭示了一个真理：我们一直在“定位”设备，而不是“理解”空间。当AR开发被工具链的精度指标绑定时，我们就失去了对“空间到底是什么”这一核心问题的直觉。
我在此想提出一个可能稍显另类的观点：AR开发的下一个突破点，既不是更小更快的SLAM芯片，也不是光波导显示镜片的量产，而是将“空间”视为一个动态的、具备语义参与的计算媒介。换句话说，AR的核心价值不在“增强物体的可见性”，而在“增强空间的可用性”。我们可以想象一个简单的任务：在真实沙发上放置虚拟抱枕。传统的AR引擎会识别平面，物理引擎赋予重力，然后抱枕落下——这只是对物理法则的拙劣模仿。而空间计算时代的AR开发，应当让系统理解“沙发”是一个“可以坐的、属于社交区域的、柔软且具有凹面的组合体”，然后虚拟抱枕在与沙发的交互中自动调整材质、形变和光影，甚至根据室内其他元素（如照明、视线角度）重新诠释自身的存在。这要求开发者不再只是调用API，而是要构建空间语义模型，将视觉数据、惯性数据、环境声音、深度信息融合为一种“空间对话”。
从现实开发的横向对比来看，移动端AR（如ARKit、ARCore）与空间计算头显（如Vision Pro）之间的鸿沟也在验证上述观点。移动端AR受限于单摄像头和视场角，本质上仍是“窥视”一个增强的小窗口，开发者必须将用户注意力限制在屏幕上，空间信息被压缩为平面锚点。但头显设备提供了双目视觉、环境感知阵列和手势识别，用户以第一人称姿态沉浸在空间计算中。然而，大多数现有AR内容却依然是“屏幕内的行为逻辑”，例如拖动虚拟窗口、点击按钮——这相当于用鼠标键盘的思路去操作一台体感机器，显然错位了。正确的独立路径是，开发转向“空间叙事”：虚拟物体不应以独立悬浮实体的形式存在，而应成为环境的一部分，通过改变环境的物理属性和感知规则来引导用户。比如，一扇虚拟门在用户靠近时自动向内打开，其开合角度和速度取决于用户的身体姿态和房间的空间留白，这才是真正的空间计算。
面向未来，AR开发者需要主动跳出当前的舒适区，去拥抱三项被低估的技术：一是实时神经辐射场（NeRF）与3D高斯溅射，它们让真实空间具备可重建、可编辑的语义密度，而非仅靠点云或网格；二是边缘计算与空间数据分发协议，让轻量化设备可以共享高精度空间图谱，从而形成跨设备的空间一致性；三是情感计算与多模态交互，空间不只是几何，更是情绪与社交的载体，AR世界应当能理解用户的紧张或放松，并动态调整信息呈现的密度与节奏。这些方向并不宏大且遥远，而是将每一个虚拟钉子钉入真实墙面的基础物理与心理张力。当我们意识到AR开发从来不是图形学附庸，而是一种与真实环境共同演化的设计思维时，那些关于精度、延迟乃至商业模式的问题都会迎刃而解——因为空间本身就是最丰富的API。而今天，正是开发者们觉醒并重写规则的时刻。
