一、被“叠加”绑架的AR开发
当前AR开发的主流叙事，几乎被“叠加”这一隐喻牢牢锁死——在摄像头画面之上叠加模型、标注、按钮，用SLAM确定地面，用光估计附着阴影，然后宣称“虚实融合”。这种范式在技术实现上无疑卓有成效，但其认知预设却极其可疑：它将现实视为一个被动静态的底片，虚拟只是浮于其上的滤镜。于是我们看到大量AR应用沦为“3D贴纸”或“悬浮信息看板”，用户的新鲜感在三十秒内耗尽，然后卸载。
更严重的是，这种叠加思维导致了开发的路径依赖：追踪精度不够就换更好的传感器，渲染延迟高就优化Shader，却从未质问——当虚拟物体“稳稳贴”在桌面上时，它是否真正进入了用户的本体感受？一台虚拟台灯投射的阴影，与周围真实光场毫无交互，用户一眼便知它是“假的”。叠加范式追求的“真实感”，本质上只是视觉上的以假乱真，而非感知层面的生态融合。
独立观点：AR开发的第一个歧途，是把“看见虚拟”当成了终点。我们需要翻转视角——AR的价值不在于让你看见什么不存在的东西，而在于它能否改变你“感知现实”的方式。就像望远镜不是往天空上叠加图像，而是扩展了人的视网膜能力。AR的真正潜力，是成为一副认知矫正镜，让原本不可见的信息维度（时间、热量、力、关系）以低摩擦的方式涌入感知通道，而非在视觉皮层上堆砌装饰物。
二、两种范式：视觉优先 vs 感知优先
让我们对AR开发进行深度对比，划分出两种截然不同的范式。第一种是“视觉优先范式”（Visual-First），以计算机视觉和图形学为核心，目标函数是“虚拟物体在屏幕坐标系中的稳定性”和“渲染逼真度”。它的代表技术是高精度SLAM、光场渲染、遮挡处理。这种范式擅长创造“令人惊叹的瞬间”，但系统设计一旦脱离手工调试的标定场景，在真实世界的混乱光照、动态遮挡、个体差异面前迅速崩溃。
第二种是“感知优先范式”(Perception-First)，它重新定义了AR的输入与输出：输入不再是单目或RGB-D图像，而是深度传感、IMU、生物信号、环境语义的联合流；输出不再是屏幕上的像素，而是对用户注意力、认知负荷和行动决策的引导。例如，一台AR维修辅助系统，视觉优先范式会高亮指示一颗螺丝的位置和旋转方向，但感知优先范式会通过边缘光晕的呼吸节奏和隐藏于余光中的坐标箭头，让用户的肌肉记忆自动接管动作，而无需有意识阅读图标。
这一对比揭示了关键分歧——视觉优先范式把用户当作“观察者”，感知优先范式把用户当作“行动者”。前者追求“看起来像真的”，后者追求“用起来感觉自然”。一个极具讽刺的行业现象是：几乎所有主流AR开发者都在为“视觉真实”献祭效率与交互成本，而真正深入到工业维护、医疗手术、教育认知的AR落地案例，恰恰都是感知优先的胜出——它们看起来不炫酷，却能让操作失误率下降60%，学习曲线缩短一半。
三、空间智能的误区：从“追踪世界”到“共谋意义”
眼下的AR开发新贵——空间智能（Spatial Intelligence）——同样掉入了量化陷阱。许多团队拼命抬高地图重建精度、语义分割的mIoU分数，仿佛把一个房间重建为带标签的3D网格，就能孕育出自然交互。这忽略了一个基础事实：人类对空间的感知并不是三维几何的，而是由“可供性”(Affordance) 组成的生态场。我们感知到“椅子”不是因为它有四个腿和一个平面，而是因为它在我们的运动经验中提供了“可坐”的可能性。
因此，AR开发中的空间理解不应止步于分类出“桌面”、“地面”、“墙面”，而要进入关系层的推理：这个桌面能否承受一个重物的压力？这个地面与用户脚底的摩擦系数如何？这面墙在社交语境中是否应被当作隐私边界？当前所有主流空间感知框架都没有回答这些问题，因为它们将空间视为静态的物理容器，而人类的空间经验是动态的、关系性的、由行动意图不断重构的。
独立观点：真正的空间智能不是“语义分割+目标检测”的叠加，而是对行动可能性的实时概率计算。AR系统需要放弃构建一份“绝对真实”的地图，转而维护一张“假设性行动收益图”——某个区域适合站立，某条路径适合凝视，某个物体适合抓握。这类似于大脑的运动皮层不是存储环境表象，而是编码运动指令的概率分布。AR开发的突破点，在于将环境从“知识库”转变为“建议器”的算法革命，而不是继续堆叠更精细的网格。
四、交互重置：反透视未来与感官宽容度
当被问及AR交互时，行业默认的回答是“自然手势+眼动追踪+语音”。但这种“多模态交互”往往被硬生生拼凑在一起，没有考虑人类感官带宽的容量隔离。实际上，人在执行一个精细动作时（例如穿针），视觉通道已经被占用，若此时AR系统强迫眼球去确认一个弹窗，便会造成瞬间的认知短路。因此，感知优先范式提出“感官宽容度”原则：系统必须知道哪个通道当前空闲，并动态迁移信息输出。
一个被忽视但极具潜力的设计方向是“反透视显示”——故意不将虚拟信息置于物理空间的锚点上，而是放在浅景深的浮动图层中，利用人眼的余光区和周边视力感知。研究证明，人们对视野边缘的运动和闪烁比对屏幕中央的高分辨率图像敏感得多。AR系统若利用这一特性，可以将关键状态转移为“边界光提示”，让用户在完全不必转动眼球的情况下获取信息，这是传统“全息投影”式交互完全欠缺的。
更进一步，AR开发应放弃“单用户独享”的假设。目前绝大部分AR交互是个人化的，但现实中的协作往往需要共享注意力与互证边界。例如，在联合装配操作中，甲看到的部件和乙看到的部件若存在偏差，哪怕仅差几毫米，也会引发灾难。开发者的责任，是提供一套“共识握手”机制——两个用户的AR系统通过边缘通信交换各自的感知置信度，并将分歧显性化为视觉抖动或颜色变化，从而在交互层消除歧义。这才是AR社交属性的真正入口，而非今天已沦为噱头的多人AR游戏。
五、未来路径：设计认知脚手架，而非绘制数字窗帘
基于上述分析，我为下一阶段的AR开发提出三条具体的实践路径。第一，将开发链路从“图像→几何→语义”重构为“意图→姿态→行动使能”。系统预先建模用户的行为意图空间（例如：写作、搬运、交流），然后选择最节省认知载荷的呈现方式，而不是对物理环境做无差别的全量理解。这意味着AR SDK需要提供行为意图接口，让应用层直接读取用户的肌电、瞳孔扩张和脑电慢波，从而以毫秒级预判行动目标。
第二，采用“概率性空间表示”，替代绝对化的三维地图。系统存储的不是“物体A在坐标(x,y,z)”，而是“在人类常规行动路径上，存在一个可供性物体，其置信度分布呈高斯形状”。这种表示天然支持不确定性传播，并且在传感器漂移时不会产生视觉跳变，因为系统本身就容忍模糊。开发者需要将渲染管线中的“后处理稳定性修复”替换为“预测性编码框架”，让虚拟对象随环境变化而“生长”或“溶解”，而非生硬地出现和消失。
第三，建立AR交互的“感知伦理”评测标准。现在业界对AR体验的评估仍以帧率、跟踪误差等硬指标为主，彻底忽视了“注意力盗取”和“行动惯性干扰”等软性伤害。我们认为，一个合格的AR系统必须能在特定时刻主动降低信噪比——关掉不必要的提示、缩小视觉标志的显著性，甚至完全消失在感知背景中。这需要一种新的开发哲学：虚拟信息不是用来吸引注意力的，而是用来解放注意力的。当AR不再强迫你“看这里”，而是让你更专注地“看世界”，它才真正从视觉玩具进化为感官义体。
AR开发者们，请停止制作更逼真的数字窗帘。去设计让现实可触摸的认知脚手架吧。