9月9日至11日，由中国国际光电博览会（CIOE中国光博会）和深圳国际VR/AR博览会（SIVA）联合主办，深圳协伴展览有限公司、深圳市增强现实技术应用协会、追焦XR协办的SIVA 2026（2026深圳国际VR/AR博览会）在深圳（宝安）国际会展中心重磅启幕。作为AR/VR领域全产业链核心盛会，今年主要议题涵盖空间计算、光学、AI&AR眼镜产业、沉浸大空间的四场论峰会与闭门会、SIVA Awards颁奖典礼也同步举行。
在9 月 9 日下午举办的全球空间计算产业发展论坛上，⼩派科技首席战略官孔华威以“Beyond VR”为主题发表了演讲。
全球空间计算产业于 2026 年迎来新的发展阶段，单眼 4K、手势交互、轻薄分体式形态成为新的发展趋势，终端售价格降低的同时，产品体验大幅提升。另一方面，以轻量化眼镜形态为主的空间计算设备开始走向市场，系统、内容生态、应用场景、AI 融合稳步发展。2026年空间计算产业与物理AI、世界模型等加速融合发展，带来全新的景象。
孔华威从小派多年来“高端XR头显”的产品定位讲起，介绍XR在显示、空间感知、手势识别及同步传输方面的积累。他将这些能力放到具身智能需求中重新审视，讨论机器人数采如何为XR带来新的应用机会。
围绕数据质量、时空对齐与采集成本，孔华威分享小派探索第一视角采集、利用用户设备计算资源的创新思路，并进一步讨论视觉、动作与触觉的双向交互。他将XR看作“世界模型跟现实生活之间的一个界面”，希望在保持原有产品优势的同时，拓展与具身智能结合的空间。
以下为演讲实录（有删减）：
我（张江科投）在2019年就投资了小派科技，过了很多年，今年开始准备IPO了。这个时候很多投资人问，为什么还在做XR？早就应该转去做AI了。一家头部的机器人公司说要投我们，顺势而为，Pimax转到了、不如说撞上了刚才大家都在说的具身智能。所以我的题目叫"Beyond VR"。
小派在国内销量不多，主要在国外销售，而且卖得比较贵，2300多美元一台，用户基本都是极客。小派是Kickstarter上起家的，当时（2018年）募集的资金比后来被meta收购的Oculus还多一倍。这是它的发展历程。目前我们70%以上的设备都在美国和欧洲销售，用户主要是玩DCS、微软飞行模拟器这类游戏的玩家。
就像遭遇当年"元宇宙"，现在遭遇到了具身智能，这对我们来说是一个机会。小派科技本身的定位，就像刚才张总说到的，一般是按照高FOV、高PPD的逻辑，从显示角度做到极致。你看它主要的显示参数，包括FOV的上下、左右，都在这方面做得比较领先。从这个角度看，我们跟其他VR/XR设备有一定不同，我们主要往游戏方向走，不像原先以观影为主的被动体验。Vision Pro基本上都是以观看为核心。
PimaxI主要是为密集交互服务的，比如刚才讲的DCS战斗游戏、飞行模拟游戏这一类。所以这个时候对显示参数的要求会更高。这就是我们之前在VR/XR领域的整体定位。今年这个会议给我们颁了一个奖，获奖的设备叫Dream Air，这款设备主要在国外销售比较多，也是在游戏领域用得比较多。
这里是我们原来的一些主要参数。刚才张航总也说到，好像来的不是一拨人。大家可以看一下，XR领域这么多年一直在各种"卷"参数，要轻、要FOV高、刷新率怎么样。刷新率是很重要的概念，比如90Hz是防晕的最低线，而不是最高线，还有更高的。屏幕、显示怎么样，各种各样的参数，XR领域之前比较多的PK说法。这些是我们工作的基础，但不见得具身智能一定要顺着这个思路走。
刚才说到，在具身智能这个领域里，我们pimax有很好的基础和机会。原来在很多领域的数采领域玩的，，没想到XR领域里有这些技术积累。所以这也是刚才说的“碰上的”，我有时候觉得很多机会都是碰上的。你看这里以前的积累，包括刚才讲到的很多显示技术。这些原来在XR领域特别重要的技术，在具身智能里可能不一定作为特别核心的卖点了。但空间光学和空间感知，可能是具身智能数采领域里特别重要的两个点。
这包括实时的AI视觉，比如现在裸手交互，会计算21个关节的抓取状态。这就是原来在游戏领域本来就需要的手势识别，包括环境理解。一会儿有个小视频可以看，我们有一个叫Simulation Chair的东西，模拟座椅、模拟舱，要把你现实生活中所有的物理场景，以及除身体以外的其他参数都加进去。
XR领域做得比较多的，还有空间感知，刚才讲到的SLAM技术，包括眼动追踪。现在很多AR眼镜，包括一些做防近视的AR眼镜，都需要眼动追踪。眼动追踪原来也是为了让大家在玩游戏时有更好的体验。
那么眼动追踪在具身智能里有什么用？现在把这个问题交给具身智能领域，。这两天在具身智能公司讨论，眼动能不能进一步跟机器人智能结合。机器人原来的摄像头没有眼动这个说法。现在具身智能比XR还“卷”，而XR在某种意义上已经“卷”出了很高的技术门槛。空间感知、显示这些能力，原来具身智能领域一般不太考虑，这是两个领域交界处的大机会。拿无线传输举例，，
无线传输这个问题，原来在数采领域就存在。比如是用无线传输，还是用光纤直接连？包括以前的Tracker，很多时候用无线传输，但会断连。你想，如果Tracker里的数据本身就会断，那还怎么同步？所以这个问题在小派科技之前做模拟舱的过程中就已经被挑战过了。比如我们开飞机降落在航空母舰上，这个过程中不能断，断一下就肯定撞上去了。所以对用户体验的要求是必须同步、不能掉线。所以有时候尽管有红外数据传输，我们还是建议用户用有线的方式。
刚才PICO张总也提到，很多数采数据需要大量处理。这种处理除了同步处理很重要之外，还有刚才说的裸手识别和3D环境理解。这些理解本身原来在XR领域是干嘛的？XR领域里，你玩游戏的时候需要知道你的手势动作预测是什么样的。我们Pimax卖出去高端设备，就会出现有意思的新市场。
甚至跟PICO也可以合作。我们卖出去的设备，用户基本上都配套使用RTX 5090/4090显卡，到现在为止，我们在国外大概有六万多个节点，每个用户基本都自带4090/5090的设备，所以我们有时候叫PC VR。
往前延申，现在也在考虑是不是能够成为世界模型或其他领域生成的一个节点，这时候就会产生新的商业模式。大家都在讲AI的历史，不用讲60年、70年，直接从2022年开始就能看到，2025年开始出现了数字智能体，2026年开始我们讲具身智能。这条线应该是连续的，核心就是从原来的数字智能体，到现在agent变成了具身智能体，物理智能体。所以你可以把机器人就当一个agent来考虑。
我认为是具身智能本体跟大模型在互相碰撞，而不是单方面的。包括刚才看到的李飞飞、ChatGPT，他们从模型角度"入侵"到具身智能领域；另一方面，尤其是中国的具身智能巨头公司，做好了本体以后，往往从大模型或者说世界模型的角度去冲击。这两个的冲击点在哪里？结合点现在比较共识的是数据，反正两个都要数据。包括大模型本身往前走的3D，以及具身智能要把自己的大脑变得聪明，最后的结果都是数据。这是XR的新机遇。
大家看世界模型，光"世界模型"这四个字就很卷，大家已经看到有很多了。就像当年的大语言模型。现在具身智能、世界模型也卷得很厉害。网上看到，中国上半年具身智能公司只有二十多家，基本上拿到了差不多几百亿的投资。前面几位演讲者提到的英伟达、李飞飞、OpenAI，有很多试用demo，可以感觉确实让人很惊艳。
数采中标注这件事。现在用ChatGPT Astra来标注，精确度非常高，原来用CNN等方法做的标注，精度可能还没有它高。刚才张总讲了XR领域的6个重要优势，但大模型也很厉害，也在推动我们往前走。原先Transformer架构的LLM在数学、3D和空间理解，已经超越了原来的语言概念，也超越了video，甚至有可能超越action。
这个领域里，数据当然是最明显的缺口。现在大家都在提，大模型你做的话，100万小时肯定是不够的，所以有人继续提"我的大脑是1000万小时"。但最近各家公布的信息非常嘈杂，有人说已经有1000万了然后就没下文了。但我们知道的几家头部公司，1000万还是有一定难度的，都在冲击百万级。另外，所谓百万级小时的数据，可用性是多少我们都很难说，按照估计一般按20%来算，而且每个模型不一样。
比较难的遥操和部署，实际上遥操作上面还有一个叫现场调试的环节，现场就得调试。包括智元在南昌的工厂，派上40个人在那边待半个月，主要干的是部署。，这张表，自上而下，部署、遥操、仿真、UMI、Ego两层，再加上互联网video，7层，XR在具身领域嵌入得比较深的话，就可以把这些事情打通，可以合并分层，也不要分那么多层了。
甚至更开放一点，PICO给我们领了个头，往前变成一个平台基础设施，把所有的XR设备都接进来？这也是一个非常好的可能模式。我们特别希望这样，因为我们海外有这么多用户，他们自己有4090/5090显卡，可以接进来，也可以赚钱，不单单玩游戏，边玩游戏边赚钱，这是一个非常好的商业模式。我认为有基础设施宏大想法的人，可以建设一个联盟来干这件事。现在在这个具身智能里，XR变成了叫数采头显，1万、2万，还有整个系统报价5万、10万的，这都是大家的机会。
Pimax最近在做的这些事情， 还有Tracker相关。Tracker方面最大的难度，刚才说的是随着个数的增加，对齐怎么做好，现在都有人直接做芯片，用芯片做硬件对齐，否则光对齐这件事就够你受的。而且如果你以卖数据为主，没对齐的数据可能是100块钱1小时，对齐以后的数据可能是800块钱1小时，现在比较好的数据做到800块钱1小时。但如果只是视觉采集，现在已经降到60到80块钱1小时，已经没得赚了，大概毛利只有8%，据说是8%，我觉得已经很难赚钱了。
当然，数据处理也会对我们这些原来从事XR的人构成挑战。你要非常熟悉AI的数据处理，知道模型在做什么。如果不熟悉模型，又怎么知道什么样的数据才能被它用起来？这一点很重要。
所以现在一个策略是大家都采raw data。所谓raw data就是把所有的数据全部采下来，刚才说连FOV做到360度，全采，身后也采，甚至把每个手上的、还有触觉都采下来，这是一个方式。这个方式基本也是因为大模型，包括具身智能本身的模型还没有稳定收敛，到现在都没收敛，尽管已经有人上市了，但确实还没收敛。所以这个领域里，对小派自己来说，等于说我先守基本盘。
然后在具身智能领域，我们要进入egocentric领域。我们甚至会进入另外一个方向，就是AI眼镜。我看一下在座各位有没有戴眼镜的，好像没有，就我一个，很可惜，不知道为什么这么多人都不戴。上次我参加一个活动，主持人在讨论AI眼镜的时候，五个panel的发言人没一个戴的，让我比较吃惊。比如我这个眼镜，现在是一个采集摄像头，，如果放2到3个摄像头进去，实际上可以采集很多东西，只是涉及隐私等问题。
作为模型的上下文采集跟具身的数据采集是一个道理，所有的raw data，所谓对物理世界场景的采集，最原始的数据是最有用的。那原始数据从哪来？
我们每个人戴的眼镜，可能就是最完整的和最方面的采集终端。尤其是近视的人，已经习惯戴眼镜了，如果每天戴着眼镜还能赚钱，我觉得是个好事。接下来放三个视频，帮大家打开一下思路。
VRchat的数据采集有5个level，手的动作也得采集下来，当然脚、手还有接下来我们在这里面加的。这个视频（模拟椅子）还不错，椅子不贵，整套也就八万多，又撞上了是吧？这个降落，大概总共训练了20个小时才能做到降落到航空母舰上。
这些视频，给大家提供了另外一个思考，XR基本上是把人的所有human data放到虚拟世界去，现在倒过来，把虚拟世界里的振动、包括动作又传到人身上来，这两个是相互的。所以我们自己觉得，眼镜/XR这件事本身，是世界模型跟现实生活之间的一个界面。大家可以从学术上思考，这确实很有意思，变成了你是把自己的体感输到虚拟世界去，还是虚拟世界的感觉传回来，这是两个不同的事情。
最近日本有一家公司做了一个用超声波模拟触觉的设备，在虚拟世界里别人模拟摸的时候，你也能感觉到。如果在第一个VRChat里实施了，会引发更大的体验。在VRChat里，很多二次元玩家玩得比较疯。为具身智能服务以外，再加上我们有很多传感器，包括我们的娱乐的感觉和体验，可以进一步反过来牵引整个具身智能往那个方向走。
这就是我PPT最后一张，来自电影《失控玩家》就是要你皮肤能感知到，你在现实世界中能感知到皮肤，同时也能在虚拟世界中感知到，这就是我刚才提到的两个方向，而中间就是那副眼镜。
在李飞飞的世界模型里，她希望生成所有的感觉。但现在只能生成与镜头camera相关的视觉，什么时候能够生成其他的？现在在具身领域里，已经开始输入触觉了。触觉，等等数据可能是一个新的课题，也许是下一届我们这个会可能会讨论的问题。谢谢大家。