把数字能力带入现场：麦肯锡 2026 年“沉浸式现实技术”研究解读
麦肯锡《Technology Trends Outlook 2026》技术趋势解读系列 · 第 8 篇
摘要
麦肯锡将“沉浸式现实技术”（Immersive-reality technologies）列为第八项技术趋势，涵盖增强现实、虚拟现实、混合现实、触觉反馈，以及 AI 驱动的智能眼镜。报告观察到，行业正从以头显和虚拟环境为中心的体验，进一步转向理解现场情境、辅助现实任务的可穿戴计算。本文分析资本、招聘与采纳信号，区分无显示屏眼镜、提示显示设备和空间交互头显的能力，讨论端侧 AI、硬件约束、企业应用、平台竞争及数据治理。结合设备厂商、标准组织、研究论文和监管原始资料，本文认为，技术价值需要同时通过交互适配、任务可靠性和完整成本验证。智能眼镜出货增长、产品功能发布、培训实验和医疗设备许可分别提供不同层次的证据，不能相互替代。未来一至两年的机会，更可能集中在具体任务和持续使用场景，而全面替代手机或普遍实现企业规模化仍缺乏充分依据。
关键词：沉浸式现实；智能眼镜；增强现实；虚拟现实；空间计算；端侧 AI；工业辅助现实；仿真培训；人机交互；数据治理
一、这一趋势的核心：让数字系统理解工作发生的现场
假设一名维修人员正在检查设备。他需要看清铭牌、确认零件位置、查阅操作步骤，还可能联系远程专家。使用手机可以完成其中不少任务，但频繁拿起、放下设备，或在现场与屏幕之间切换，会增加操作负担。
如果眼镜能够传递第一视角、提供简短提示，并把当前设备与正确的维修资料关联起来，数字系统就可以在工作发生的位置提供帮助。这是假设场景，用于说明这项趋势的价值来源。
麦肯锡认为，沉浸式现实正在围绕实用性重新调整：早期元宇宙热潮推动了 AR、VR 和 MR 的关注度，但硬件限制与清晰用途不足，使广泛消费采用低于预期；当前发展更加关注工作和日常生活中的具体问题。[1，第 74—75 页]
这里仍需保留不同技术的含义。增强现实（AR）通常将数字信息加入现实视野；虚拟现实（VR）主要呈现虚拟环境；混合现实（MR）进一步强调数字内容与现实空间之间的定位和交互。智能眼镜则是一种产品形态，其能力取决于摄像头、音频、显示、计算和软件配置。
把这些技术放在同一趋势中，反映的是交互方式发生变化。部分设备通过沉浸增强理解，部分设备通过免手持和即时提示降低操作成本，还有一些设备主要承担环境感知与音频输出。
报告强调的一项变化，是设备从内容输出系统，发展为 AI 的情境输入系统：用户眼前的物体、周围声音、位置和动作，可以帮助系统理解当前任务，再向用户提供适当的信息。[1，第 74、77 页]
本文据此认为，评价中心需要从画面是否逼真，延伸到信息是否及时、相关、准确，以及是否适合用户当前的动作。三维呈现可以创造价值，但现场任务也可能只需要一句提醒、一张照片或一段专家指导。
这与前几项技术趋势存在联系。多模态模型提供识别和推理能力，专用芯片影响能耗与响应，先进连接支持远程协作，可信系统决定数据和行动能否受到约束。沉浸式现实把这些能力放到人的身体与工作现场，交互设计因此成为系统能力的重要组成部分。
二、资本、招聘与采用：增长集中在部分产品，整体仍需验证
麦肯锡的统计并未呈现全行业同步扩张。资本环境趋于选择性，相关招聘下降，整体企业采纳仍处于实验阶段。
| 指标 | 报告给出的信息 | 适合支持的判断 |
|---|---|---|
| 2022 年股权投资 | 约 150 亿美元 | 元宇宙热潮期间资本活动较强 |
| 2025 年股权投资 | 64 亿美元，较 2024 年小幅回升 | 资金进入有所改善，仍低于 2022 年 |
| 岗位公告变化 | 2024—2025 年下降 12% | 相关招聘继续收缩 |
| 2025 年岗位职能 | 研发 51%、销售与营销 14%、运营 16%、综合管理 9%、其他 10% | 产品研发仍占主要比重 |
| 整体采纳评级 | 2：实验阶段 | 小规模原型和选择性部署较多，广泛扩展有限 |
资料来源：报告第 76、79—80 页；投资单位由原文 billion 换算。
股权投资统计包含相关融资和并购等资本交易，不包含企业资本开支与运营支出；64 亿美元不能解释为全球 XR 行业收入或研发支出。[1，第 3 页]
报告还显示，相比 2022 年，新闻、搜索与专利活动有所提高，研究出版和人才需求则下降。[1，第 76 页] 这些指标说明关注度、创新活动和组织扩张并不总是同步变化。
评分采用相对于所研究趋势的 0—1 标度，不能把某个分值直接解释为市场份额或成熟度百分比。采纳评级也来自专家判断，并非全球企业中有多少比例已经使用该技术的普查结果。[1，第 3 页]
更需要核对的是智能眼镜增长的统计边界。IDC 公布，2026 年第一季度无显示屏智能眼镜出货约 225 万台，同比增长 167%。[2] 因此，这组数字不适合改写为整个 AR、VR、MR 市场都增长了 167%，也不能直接证明空间显示已经成为主流。
出货量还需要与实际使用区分。渠道采购、消费者购买、设备激活、持续佩戴和付费使用，分别对应不同阶段。本文认为，判断商业价值时，持续使用频率与任务完成率会比单季度出货增速更接近产品的长期竞争力。
招聘结构也有类似含义。报告显示，机器学习工程师与测试工程师受到更多重视；3D 技能的人才供需比为 0.8，而机器学习为 4.3。[1，第 79—80 页] 这提示一般算法能力与空间内容、感知和系统可靠性之间，可能存在不同的供需状况。
这些数据主要来自英语国家的岗位与职业资料；技能标签可以重叠，比例也不能相加作为岗位总量。[1，第 3 页] 企业需要结合当地人才情况判断，尤其不能据此认定所有机器学习人才都过剩，或任何具备 3D 经验的人都适合现场系统开发。
三、设备形态正在分化：根据任务选择交互能力
不同设备承担的任务差异，正在变得更加明显。以下按照主要交互能力比较，实际产品可能跨越多个类别。
| 设备形态 | 主要能力 | 更适合的任务 | 需要核实的限制 |
|---|---|---|---|
| 无显示屏 AI 眼镜 | 音频交互，部分型号具备摄像与视觉问答 | 拍摄、语音辅助、翻译、第一视角沟通 | 无法直接提供视觉提示；具体功能可能依赖手机或云端 |
| 带提示显示的智能眼镜 | 在视野中呈现文字、图标或简短信息 | 导航、字幕、通知、任务提示 | 显示信息不等于能够准确定位现实物体 |
| 工业辅助现实设备 | 免手持操作、现场图像、信息显示与远程协作 | 巡检、维修、操作指导 | 需要适配防护装备、噪声、工作制度与设备管理 |
| 具备空间交互的 AR／MR 设备 | 空间定位、三维内容、手眼交互 | 设计评审、空间可视化、特定专业应用 | 定位、遮挡、视场与长时间使用条件 |
| 沉浸式 VR 设备 | 可控虚拟环境、交互与可选触觉反馈 | 仿真训练、游戏、空间演练 | 需要安全活动空间，并验证学习成果能否迁移 |
这张表的意义，在于避免根据“智能眼镜”或“XR”标签推断完整功能。没有显示屏的视觉助手，可能十分有用；能够显示文字的设备，也未必能把提示稳定地固定在某个零件上。
Google 在 2026 年 5 月公布的智能眼镜规划中，明确区分音频眼镜与显示眼镜，并宣布音频产品先行。[3] 这是产品路线的选择，不能将当时公布的计划视为全部型号已经交付。
Meta 的 2025 年末更新则提供了另一类例子：Conversation Focus 通过开放式扬声器增强交谈对象的声音，首批面向美国和加拿大的指定型号早期体验用户推出。[4] 这体现音频辅助的价值，也说明功能可用性需要落实到地区、型号和发布阶段。
本文认为，轻量设备的优势，是有机会以较低的行为改变成本参与日常任务。用户不必每次进入完整虚拟环境，也可以获得帮助。不过，是否愿意佩戴，还取决于外观、处方镜片适配、社会接受度以及可获得的功能。
头显仍有自己的用途。三维设计和仿真训练需要更丰富的视觉与交互，完全沉浸在某些情境中就是价值来源。因而，产品发展的合理路径可能是任务分工逐渐清晰，而各类设备继续共存。
四、AI 改变了什么：把现场感知、任务信息与行动连接起来
4.1 第一视角为系统提供更直接的输入
在传统问答中，用户往往需要先描述环境。可穿戴设备可以提供图像或声音，减少一部分描述负担。维修人员指向铭牌，再询问型号，系统获得的信息可能比一句模糊描述更完整。
但摄像头画面与人的认知并不完全一致。物体可能处于画面之外，文字可能反光或被遮挡，声音也可能来自错误对象。设备拥有更多输入，仍需要判断输入是否足够支持当前回答。
本文建议把一个现场助手理解为几个相互连接的环节：采集任务信息，识别相关对象，调用可靠资料，形成建议，选择呈现方式，并在需要时执行经授权的操作。这是分析框架，实际产品的实现方式会不同。
4.2 本地处理通常是眼镜、手机与云端之间的分工
麦肯锡将实时端侧推理视为重要进展，认为它可以减少网络依赖，提高手势、眼动和其他感知任务的响应。[1，第 74、78 页] 然而，“端侧”需要进一步落实到具体计算位置。
Brilliant Labs、Neuphonic 与 TheStage AI 在 2026 年 3 月的联合公告中，介绍了本地视觉与语音处理路线，其中优化后的语音相关模型可在与眼镜配对的手机上运行。[5] 这支持本地协同架构的方向，尚不能据此断言所有复杂任务都由眼镜独立完成。
对于持续跟踪等时间敏感任务，本地处理具有吸引力；对于复杂查询、跨应用服务或大型知识库，系统可能仍需其他计算资源。企业应核实每项功能在断网、手机断开或云服务不可用时的行为。
4.3 从提示到行动，需要增加验证和权限
当助手只展示一段说明时，主要风险在于信息错误；当它进一步填写工单、发送材料、订购零件或改变设备设置时，错误还会进入业务流程。
假设助手把外观相似的两个零件认错，文本答案可能听起来合理，但订购动作会造成返工。更完整的系统需要把图像识别与资产编号、工单、文档版本和授权范围关联起来。
因此，任务情境不能仅靠画面推断。用户当前角色、设备状态、批准的操作步骤，以及可以调用哪些系统，都会影响建议和行动。对关键操作，本文认为应保留明确的核实点，并允许用户及时中断。
系统还应能表达证据不足。例如，铭牌无法读清时请求重新拍摄，资料存在多个版本时提示选择，环境不适合持续观看时推迟输出。这样的行为有助于减少合理措辞掩盖错误依据的问题。
这也是本文对“情境感知”的核心判断：真正有用的能力，包括识别现场信息，也包括理解自身的信息缺口和行动边界。
五、硬件改进需要与实际佩戴和空间误差一起评价
麦肯锡列出重量、发热、电池、舒适性和耐用性等限制，并认为这些因素仍会影响持续使用。[1，第 74、81 页] 产品参数的改善，是必要进展，但没有一个单项数字可以证明所有用户都适合全天佩戴。
眼镜增加显示、摄像头和计算资源后，会同时面对能量、散热、外观和结构空间的约束。把部分计算放到手机，可以减少眼镜自身负担，也会增加设备配对和维护依赖。
佩戴条件还与用户有关。镜架接触位置、鼻梁负担、处方镜片、防护装备和工作动作，都会影响体验。工业现场的耐用要求，也可能与消费市场追求轻巧的目标形成取舍。
因此，产品标称续航需要结合工作负载测试。待机、间歇拍摄、持续视频、翻译和空间跟踪，对电量的消耗不同。企业更需要知道，一个班次内的有效任务是否可以完成，以及补电、更换和故障处理需要多少时间。
对于空间提示，显示清晰只是一个条件。系统还需要让数字内容出现在正确位置，并在用户移动或物体遮挡时维持可靠的对应关系。
一个几何示例可以说明这一点：假设目标距离为 1 米，仅考虑方向误差，1 度偏差对应约 17 毫米的横向位移。这是计算示例，忽略了深度、校准和其他误差，不代表任何设备的实际性能。
在查看普通通知时，这类偏差可能无关紧要；在指认细小部件时，则可能改变任务结果。所需精度应该由任务决定，不能用消费级视觉问答表现代替专业系统的定位验证。
实时体验同样依赖完整链路。采集、传输、识别、资料查询和显示都可能增加等待。企业试验应观察响应的分布、失败后的恢复，以及用户是否需要反复操作，而不仅是展示一次最快结果。
六、企业应用的价值：分别验证协作、训练和专业导航
6.1 现场协作：降低信息获取负担，同时保证指导可靠
麦肯锡认为，制造、现场服务、物流和工业辅助是较有潜力的应用领域。[1，第 75、78 页] 它们共同的特点，是用户需要操作现实物体，也需要获取外部信息。
RealWear 在 2025 年 10 月推出 Arc 3 与 Ari OS，公布设备重量为 179 克，并强调透视显示、语音操作和 AI 辅助工作流。[6] 这个案例说明企业设备在围绕现场交互改进，但发布本身不构成生产效率或安全收益的独立证明。
本文认为，第一视角远程协作较容易形成可测量价值：现场人员提供图像，专家给出指导，可以观察是否减少往返、缩短排障时间，以及是否提高一次解决率。
不过，专家能否看清关键位置、是否理解完整设备状态、现场人员是否听清指令，都需要验证。摄像头连接成功，并不等于远程指导已经可靠。
如果进一步引入 AI 指导，还要管理资料版本与现场差异。一台设备改装之后，原有说明可能不再完全适用；同型号设备也可能有不同配置。部署需要同时更新工作流和知识资料。
6.2 仿真培训：把学习结果带回现实任务
VR 可以在可控条件下重复危险、昂贵或不易组织的场景。麦肯锡提到，Aena 试验了面向机场消防、维修与引导人员的 VR 和触觉培训。[1，第 78 页] 项目开发方 DeuSens 的资料也描述了不同岗位模块与触觉手套。[7]
这支持项目形式与训练对象的核查。供应商声称的成本、效率与训练质量改善，仍需要客户数据和适当比较才能确认。
评价培训时，应区分体验评价、即时知识、延迟保留和真实操作。学员感到逼真，或在虚拟任务中得分提高，尚不足以证明他们在复杂现场中的表现同步改善。
独立研究提供了不同情境下的证据。一项针对德国 74 名专业屋面工人的研究，其公开摘要报告，VR 严肃游戏与结合问题学习的授课方式，均改善了认知和态度指标，两组差异不显著。[8] 结果的解释范围限于所测指标；本文据此认为，比较对象的教学质量需要纳入技术评价。
2026 年 10 月发表的另一项灭火器训练研究摘要报告，招募 130 人比较 VR、AR 与视频教学，VR 和 AR 组在真实操作及三个月知识保留方面表现更好；三个月参与者随访保留率为 70.77%。[9] 该比例描述随访情况，并非知识正确率。
这两项摘要支持进一步试验的理由，也说明不能给所有 VR 培训设定统一提升系数。本文未取得这些研究的完整细节，不推断未公开的效应量，也不将特定训练结果外推为实际事故率下降。
企业试验应记录教学时间、教练投入、学员经验和中途退出情况，并在现实任务中评价结果。对于必须学习真实手感或组织配合的工作，虚拟练习与现场训练还需要共同设计。
6.3 医疗导航：许可范围决定哪些能力可以使用
麦肯锡引用 Medivis 颅脑导航案例，讨论 AR 将患者影像与手术现场联系起来的价值。[1，第 78 页] 对这类应用，技术想象与具体获准用途必须分别核查。
FDA 的 K231897 公开文件将 Medivis NeuroAlign 描述为与 HoloLens 配合的颅脑立体定向影像引导系统；头戴显示承担辅助显示与跟踪用途。其摘要明确说明不把数据叠加到手术部位，并列出不得在患者解剖结构上覆盖影像的禁忌。[10]
因此，本文不将该许可改写为“已获准直接把影像覆盖在患者手术部位”。不同产品和版本的用途，需要依据各自文件确认；厂商后续宣传也不能替代这些边界。
这一案例更广泛的启示，是专业 XR 的价值需要由整套系统验证。影像、跟踪、显示、配准、操作人员和适用条件共同影响结果，头显只是其中一个组成部分。
获得特定设备许可，也不等于所有后续 AI 功能都受到相同范围的验证。企业评估专业应用时，需要准确识别产品版本、功能用途与证据对应关系，而不能用“AI 加 AR”概括已被证明的能力。
七、平台竞争：持续服务与迁移成本会影响企业选择
麦肯锡认为，竞争正在扩展到操作系统、AI 助手、开发工具、应用商店、设备管理和企业安全。[1，第 78 页] 硬件能力需要通过软件和业务系统，才能形成日常使用价值。
Samsung 在 2025 年 10 月推出 Galaxy XR，称其是 Samsung、Google 与 Qualcomm 合作开发的 Android XR 平台首款产品，并介绍了 OpenXR 等开发支持。[11] 这一案例反映平台协作的方向，不能据此认定应用已在不同硬件间实现无差别运行。
Khronos 在 2024 年发布 OpenXR 1.1，将部分常用扩展纳入核心规范，目标是减少碎片化、简化跨平台 XR 开发。[12] 统一接口有助于降低部分适配负担，但企业系统还有其他依赖。
本文认为，至少应分别评价空间交互、应用数据与业务权限。相同的图形接口，可以帮助复用一部分代码；模型服务、身份体系、专有传感器、工单接口和数据政策，仍可能需要单独适配。
“开放”也需要明确具体含义。支持公开标准、允许多个硬件厂商参与、开放应用开发、提供开源代码，是不同承诺。采购应落实到可用接口、支持期限、升级政策和退出后的数据迁移。
对企业而言，培训素材、三维资产、设备配置和流程集成可能经过多年积累。平台停止支持后，迁移成本未必只是更换硬件，已有内容和业务验证也可能需要重新完成。
本文据此认为，可持续的竞争优势来自连续服务能力：提供可靠任务体验，支持组织管理，维护内容版本，并让客户保留可接受的迁移选择。这些能力有时比单次硬件发布更影响采购决定。
八、第一视角数据与物理 AI：机会取决于质量和治理
8.1 摄像设备可以增加数据，但训练价值来自结构
麦肯锡提出，可穿戴设备可能捕捉现实空间、人的动作与环境响应，为物理 AI 提供数据。[1，第 77 页] 这个方向具有研究价值，不过，视频数量与可用于学习的经验数量并不相等。
Ego-Exo4D 项目把第一视角与第三视角视频、其他传感信息和动作描述结合起来，并进行相机校准与时间同步。[13] 这说明理解熟练动作的数据工程，包含多个相互关联的环节。
本文认为，普通眼镜录像往往只能显示动作的一部分。它未必包含手部施力、工具状态、操作目标和任务成功条件。画面中的某个动作，也可能依赖先前经验或画面外的信息。
如果希望支持机器人或其他物理系统学习，还需要分析人和机器的身体结构差异、可执行动作、任务约束，以及现场反馈。看懂一个人怎样操作，并不自动产生可安全执行的机器控制策略。
因此，潜在的数据优势可能来自明确任务、可靠标注、有效授权和质量管理。经过验证的示范与失败记录，比数量巨大但缺乏任务信息的片段更容易形成研究价值。
8.2 持续感知会改变数据治理的范围
报告把隐私、旁观者同意与社会接受度列为重要不确定性，因为设备可以捕捉图像、声音、位置及其他行为信息。[1，第 81 页] 这类输入经常涉及佩戴者之外的人和空间。
本地处理有助于减少部分外传，但仍需要确认设备实际保存什么、哪些结果会同步，以及谁能访问。即使原始视频没有上传，由它推断出的工作习惯、交谈内容或位置关系，也可能需要管理。
在企业现场，本文建议让采集目的与任务对应。例如，远程检修需要某个设备的局部视图，可以评价是否有必要记录整个班次。若只保存工单证据足以支持业务，就应据此设计记录范围与期限。
员工或旁观者还应能够理解设备何时记录、如何暂停，以及数据用于协作、培训还是绩效评价。目的不清晰，会影响使用意愿和数据质量，也会增加组织内部协调成本。
对跨场所部署，管理方案还需结合当地规则与客户要求。消费产品可购买，并不代表其账户体系、数据流和记录方式满足企业现场需要。
本文认为，数据治理会参与塑造产品形态。任务触发采集、本地处理、可见状态提示和明确的数据用途，有机会提高接受度；连续记录是否值得，则需要由具体价值和可执行的治理能力共同判断。
九、商业验证：把任务收益、完整成本和组织变化放在一起
企业试点宜从一个清晰问题开始，例如维修等待较长、培训难以组织，或现场人员查询资料时频繁中断操作。先确定现有流程的表现，才有依据判断新设备带来了什么变化。
| 评价层次 | 需要观察的指标 | 解释时需要保留的条件 |
|---|---|---|
| 持续使用 | 激活、有效佩戴、主动使用、退出原因 | 试用热情与稳定使用存在差别 |
| 任务结果 | 完成率、一次解决率、错误与返工、等待时间 | 保留任务难度、失败次数和人员经验 |
| 培训成效 | 真实操作、延迟保留、教学与教练投入 | 比较对象应有合理教学质量 |
| 运行可靠性 | 断网表现、识别失败、恢复时间、班次续航 | 评估完整工作过程和较差结果 |
| 财务结果 | 可兑现收益、内容维护、集成、订阅与运维 | 时间折算价值需要与实际预算变化区分 |
本文提出，年度净收益可以按“可兑现任务收益，减去硬件年化、软件服务、内容、集成、运维与培训等成本”估算。收入增长、产能释放、差旅减少或损失降低，应分别解释计算依据，避免重复计入。
一个假设示例可以说明口径差异。设有 100 名员工，每人每天完成 20 次相关任务，每次节省 30 秒，每年工作 220 天，时间价值按每小时 150 元计算，则理论年价值为：
100 × 20 × 30 ÷ 3,600 × 220 × 150 = 550,000 元。
所有参数均为示例假设，并非行业平均值。55 万元是节省时间按所设单价折算的额度，不能自动解释为企业现金支出减少。
如果只有 60% 的时间改善能转化为有用产出，示例收益会变为 33 万元；若年度完整成本为 40 万元，仅按这一收益计算，项目仍有 7 万元缺口。若同时减少差旅或返工，需要另外测量，并检查是否与时间收益重叠。
内容维护尤其容易被低估。设备型号、工艺、资料和场地发生变化后，数字内容可能需要更新；多个工厂和岗位之间也未必能够直接复用。新增场所需要多少配置与验证工作，会影响规模化经济性。
组织安排同样影响效果。远程协作依赖专家可用时间，AI 辅助依赖正确资料，培训依赖合适教学。设备降低一个环节的操作成本后，如果后续审批或资源排队仍然缓慢，最终收益可能有限。
本文认为，值得扩大部署的项目，应在代表性工作条件下持续改善目标指标，并具有可接受的扩展成本。对少数任务有效，也可以形成合理业务；企业不必以全员配备作为成功标准。
十、未来一至两年：四个需要持续观察的方向
以下是基于已核查资料提出的条件性判断，主要观察窗口为 2027—2028 年，不构成市场规模预测。
第一，轻量 AI 眼镜有望继续扩展，但持续使用比初次购买更能说明需求。IDC 的无显示屏设备数据和厂商路线，支持轻量交互受到关注。[2—3] 若翻译、拍摄、协作等用途形成高频价值，增长可能延续；若实际使用主要依赖新鲜感，出货改善未必形成稳定服务收入。
第二，提示显示可能逐步增加，而完整空间显示仍需按任务论证。字幕、导航和流程提醒，可以为较简单显示提供价值。精确空间交互则需要更多感知、计算和验证。本文预计，产品会围绕不同任务寻找平衡，观察指标应包括实际佩戴、错误率与开发维护成本。
第三，企业扩展更可能沿已经验证的流程推进。现场协作、仿真训练和专业可视化拥有明确任务，适合持续试验。[1，第 75、78 页] 如果内容可复用、系统可靠且成本合理，采用可能从单个项目发展到更多场所；如果每个场所都需要大量重建，扩展速度会受到限制。
第四，平台和数据治理会越来越影响采购。更成熟的设备管理、标准接口和数据控制，有助于减少集成负担。[1，第 78、81 页；12] 但平台变化也可能增加专有依赖。本文认为，服务持续性、任务数据权利和迁移能力，将成为评价供应商的重要条件。
需要同时保留报告的总体判断：当前采纳仍然不均衡，部分组织在试验，少数用途逐渐深入，整体并未完成广泛企业部署。[1，第 80 页] 即便个别消费产品高速增长，这一判断也不能直接被出货数据推翻。
结语
沉浸式现实正在提供更多与现场工作相适应的交互方式。它可以帮助人理解三维关系，也可以把原本需要拿起手机、离开现场或等待专家的信息，带到任务发生的位置。
麦肯锡 2026 年报告中值得关注的变化，是行业越来越需要解释这些帮助的实际价值。无显示屏眼镜的增长、空间设备的进步和企业案例，分别指向不同机会。
本文认为，持续商业价值取决于几个相互联系的条件：设备适合用户，输入足以支持任务，输出和行动可靠，数据得到合理管理，完整收益能够覆盖成本。随着这些条件逐步被验证，沉浸式现实有机会成为更多具体工作中的日常工具。
参考资料与口径说明
- McKinsey & Company.Technology Trends Outlook 2026. September 2026，第 3 页及第 74—82 页。本文以用户提供的报告为主来源；页码采用报告印刷页码，PDF 物理页码相应加 2。
- IDC.Smart Glasses Surge: The XR Market Is Rewriting Its Own Rules. 2026-06-15。用于核查 2026 年第一季度无显示屏智能眼镜出货量及同比增幅；未把该类别增长外推为整个 XR 市场表现，也未采用其远期市场预测作为确定结果。https://www.idc.com/resource-center/blog/smart-glasses-surge-the-xr-market-is-rewriting-its-own-rules/
- Google.Intelligent eyewear is coming this fall. 2026-05-19。用于核查音频与显示眼镜的产品区分、公布顺序和手机配对；发布计划不等同于全部产品已经交付。https://blog.google/products-and-platforms/platforms/android/android-xr-io-2026/
- Meta.Updates to Meta AI Glasses: Conversation Focus, Spotify Integration, and More. 2025-12-16，更新于 2026-01-08。用于核查音频辅助功能、首批发布地区和早期体验范围；未将宣布范围视为所有地区的当前可用性。https://about.fb.com/news/2025/12/updates-to-meta-ai-glasses-conversation-focus-spotify-integration/
- Brilliant Labs, Neuphonic & TheStage AI.Smart Glasses, Rebuilt for Privacy: Brilliant Labs, Neuphonic & TheStage AI Move AI Off the Cloud. 2026-03-05，企业通过 Business Wire 发布的原始公告。用于说明本地处理架构与配对手机上的语音推理路线；性能、隐私和交付承诺未被作为独立验证结果。https://www.businesswire.com/news/home/20260305577534/en/Smart-Glasses-Rebuilt-for-Privacy-Brilliant-Labs-Neuphonic-TheStage-AI-Move-AI-Off-the-Cloud
- RealWear.Built for real work, yet effortless to use: The RealWear Arc 3. 2025-10-28。用于核查 Arc 3 与 Ari OS 发布及厂商公布的形态和功能；未采用厂商宣传作为企业收益证据。https://www.realwear.com/blog/realwear-arc-3
- DeuSens.Formación inmersiva en VR para los equipos de Aena. 核查日期：2026-10-05。项目开发方资料，用于核查 Aena 培训对象、模块与触觉设备；页面的收益描述未被认定为独立因果证据。https://deusens.com/es/portfolio/formacion-vr-aena
- Rey-Becerra, E., Barrero, L. H., Ellegast, R., & Kluge, A.VR- or lecture-based training? The role of culture in safety training outcomes. Applied Ergonomics, Volume 130, January 2026, 104626；2025-09-01 在线先行发表。依据公开摘要说明德国专业屋面工人研究的对象、比较方法与情境性结果；本文未阅读全文，不引述未核查的详细效应量。出版页面：https://www.sciencedirect.com/science/article/pii/S0003687025001620 ；PubMed 摘要：https://pubmed.ncbi.nlm.nih.gov/40897061/
- Scorgie, D., Feng, Z., Paes, D., et al.Comparing VR, AR, and video fire safety training: effects on long-term knowledge retention and real-world performance. Virtual Reality, 2026-10-01。依据出版平台公开摘要核查样本、比较对象、结果方向与三个月随访情况；该文晚于麦肯锡报告，作为补充研究，并非原报告已经引用的证据。https://doi.org/10.1007/s10055-026-01512-1
- US Food and Drug Administration.K231897: NeuroAlign software / Medivis NeuroAlign. Decision date: 2025-10-21。用于核查该特定设备的 510(k) 许可、用途及影像覆盖禁忌；不泛化到所有产品、版本或后续 AI 功能。数据库：https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm?ID=K231897 ；公开许可文件及摘要：https://www.accessdata.fda.gov/cdrh_docs/pdf23/K231897.pdf
- Samsung Electronics.Introducing Galaxy XR: Opening New Worlds. 2025-10-22。用于核查 Android XR 平台合作与开发支持；未将平台声明视为普遍企业采用或收益证明。https://news.samsung.com/global/introducing-galaxy-xr-opening-new-worlds
- The Khronos Group.Khronos Releases OpenXR 1.1 to Further Streamline Cross-Platform XR Development. 2024-04-15。用于说明开放 XR 接口降低部分开发碎片化的作用；未声称该版本为核查日最新版本，或可消除全部业务和数据依赖。https://www.khronos.org/news/press/khronos-releases-openxr-1.1-to-further-streamline-cross-platform-xr-development
- Ego-Exo4D Project.Ego-Exo4D. 核查日期：2026-10-05。依据项目原始资料说明多视角、多模态数据、校准、同步和动作描述；未将研究数据集等同于普通消费眼镜录像或已实现的机器人能力。https://ego-exo4d-data.org/
统计与分析边界：活动评分采用相对标度；股权投资不包含企业资本和运营支出；岗位数据主要来自英语国家；技能标签可重叠；采纳评级来自专家判断。产品发布、出货统计、供应商案例、独立实验和设备许可具有不同的证据范围。正文中的技术分工表、任务框架、几何与成本示例、治理建议和未来判断为作者分析，假设参数不代表实际设备性能、企业经营数据或行业平均值。研究结果保留其对象、比较条件、观察指标和公开信息限制。
