把大象裝進冰箱，需要幾步？

小時候它是邏輯簡單的幽默：三步，打開冰箱、塞進去、關上門。

可等到我們真正開始理解世界，才知道這類看似“只需三步”的事，往往藏著數(shù)十甚至數(shù)百個必須被解決的細節(jié)。

空間計算也是一樣。

在外界看來，世界的下一場科技革命似乎只需要一個答案：跟電影里那樣到處都是虛擬信息+現(xiàn)實世界。

但在真正的工程世界里，任何一個目標背后，都意味著漫長的技術鏈路：芯片架構、光學模組、傳感器融合、操作系統(tǒng)、內容生態(tài)……每一個環(huán)節(jié)都可能成為阻斷行業(yè)前進的瓶頸。

過去幾年，XR行業(yè)像在兩條軌道上同時奔跑：一邊是頭顯廠商在消費市場的試探，另一邊是算法和算力被迫借用通用芯片，在功耗、體積和延遲的物理邊界前止步。行業(yè)缺乏真正意義上的“底座”。

而在“同愿同行，創(chuàng)芯共贏”2025空間計算大會上，萬有引力給出了它認為的答案——一整套從芯片、模組到引擎與生態(tài)的完整體系。

這是中國第一次提出體系化的空間計算技術棧，讓行業(yè)第一次有可能真正把“大象”裝進去。

而它的出發(fā)點是三顆芯片。

三顆芯片，構建空間計算的新版圖

萬有引力此次發(fā)布的三顆芯片——極智G-X100、極眸G-VX100和極顏G-EB100——并不是簡單的三款產品，而是一套圍繞空間計算未來形態(tài)所建立的“能力矩陣”。它們分別對準MR、AI眼鏡、機器人/智能駕艙三個方向，首次讓空間計算的底層能力具備清晰的分工與跨平臺遷移能力。

第一顆芯片，極智G-X100，解決的是MR的“物理極限問題”。

過去十年XR的體驗天花板并不在內容，而在芯片。傳統(tǒng)VR/AR設備的視覺算法依賴CPU/GPU，延遲、功耗、體積之間的矛盾始終無法被突破。

G-X100將這一矛盾徹底前置處理——采用5nm制程、Chiplet異構封裝，并將VST端到端延遲壓到9ms（行業(yè)最佳），顯著提升虛實融合質量。

在實際體驗上，它第一次讓百克級MR設備具有了工程可行性，讓“墨鏡式MR”從概念走向現(xiàn)實。更關鍵的是它的算法結構，VST管線采用硬件固化實現(xiàn)極低功耗，而SLAM、手眼交互等模塊保持靈活，支持持續(xù)迭代甚至搭載大模型。這代表MR設備的底層能力第一次擁有了“可升級”的結構，而不是一次性固化的工程方案。

第二顆芯片，極眸G-VX100，瞄準的是正在加速成型的AI眼鏡賽道。

今日的AI眼鏡仍停留在“輕功能”階段：鏡腿粗、續(xù)航短、感知弱，更像智能耳機的延伸。極眸G-VX100在工程上給出的答復更激進。采用4.2mm超窄封裝、1600萬像素攝像頭、空間視頻拍攝、眼動&手勢追蹤，再加上全球首創(chuàng)的MMA多模態(tài)喚醒機制，讓設備在非必要狀態(tài)幾乎不耗電。

它的目的非常明確，就是要讓AI眼鏡從“時尚配件”變成真正的智能終端。

極眸G-VX100提供了成為“個人環(huán)境層設備”所需的幾乎全部基礎感知能力，讓眼鏡能夠實時采集視覺場景、理解用戶意圖、構建連續(xù)的空間認知。它是AI眼鏡邁向主流的第一塊真正意義上的核心芯片。

第三顆芯片，極顏G-EB100，則把空間計算的邊界從XR拓展到機器人、智能駕艙領域。

極顏G-EB100的出現(xiàn)，讓“渲染+重建”第一次具備跨行業(yè)的抽象能力：它既支持MR的反向透視渲染，也能驅動機器人實時重建3D Avatar模型、生成靈動臉，并在復雜場景中實現(xiàn)高逼真視覺反饋和友好的人機交互界面。

換句話說，它能讓同一套視覺和交互能力在頭顯、機器人、智能駕艙系統(tǒng)中遷移復用，從而推動整個行業(yè)從單設備創(chuàng)新走向跨場景融合。

XR行業(yè)十年的瓶頸，正在被“極域”打開

如果說三顆芯片解決的是設備所需要的能力從哪里來的問題，那么“極域”要回答的則是另一件更難也更本質的事——這些能力如何真正落地，成為規(guī)�；a品？

十年來，XR的技術敘事不斷循環(huán)：新的光學方案、新的交互方式、更強的渲染能力……但在工程世界里，真正阻礙XR落地的從來不是單點突破，而是整條鏈路的“不連續(xù)”。

從芯片到軟件再到量產，這一整條鏈路在任何行業(yè)里，都是一條必須閉環(huán)的產品鏈路。但在XR領域，這些鏈條卻相對更“獨立”。芯片廠提供芯片，硬件廠商自己拼接算法，很多時候看到的設備更像是“拼好機”，能用是能用，但總歸差點意思。

“極域”試圖做的，就是把這一條長鏈重新封裝為一個五層能力體系：芯片層、設備平臺層、空間引擎層、SDK層、生態(tài)集成層。

在這五層中，最具產業(yè)意義的是設備平臺層。XR行業(yè)公認最困難的工程環(huán)節(jié)，包括多傳感器標定、光學聯(lián)合標定、SLAM管線構建、系統(tǒng)集成等等，都被萬有引力封裝進X100-M1模組，并配套PC MR工程化平臺。

在這個基礎上，一臺XR設備從立項到工程可交付，不再是兩年，而是半年�？梢哉f直接成倍提高了行業(yè)的工程效率。效率提高的同時成本降低，讓更多中小規(guī)模的團隊也能加入其中。

同時，“極域”在空間引擎層所做的抽象，也讓XR的技術邊界第一次出現(xiàn)跨行業(yè)延展的可能性。

SLAM、Tracking、多傳感器融合本是XR、機器人、車載系統(tǒng)各自獨立的體系，但在“極域”框架中，這些能力不再屬于某一類設備，而成為一種可以被不同形態(tài)硬件復用的底座。

一個為MR構建的空間理解能力，可以直接遷移到機器人上；一個車載場景下的空間交互邏輯，也能天然兼容MR頭顯。可以說，空間計算擺脫“設備屬性”，成為一種“平臺能力”。

為了讓這種能力真正被開發(fā)者使用，“極域”的SDK進一步消解行業(yè)長期存在的生態(tài)碎片化。過去一個XR應用需要分別適配Android、Windows、不同的芯片架構與工具鏈，如今可以在同一套跨系統(tǒng)框架下“一次開發(fā)、多端部署”。這讓內容生態(tài)第一次具備擴張到規(guī)模市場的基礎，也讓XR不再是只有大型廠商才能負擔的賽道。

當這五層結構合在一起，“極域”呈現(xiàn)的是一套可以快速調用、快速試錯、快速量產的技術基座。就像谷歌安卓為智能手機帶來的一切一樣，在空間計算時代，“極域”正試圖承擔同樣的角色。

三顆芯片組成了能力體系，“極域”構成了路徑。前者解決“能不能做”，后者解決“能不能落地、能不能規(guī)模化做”。

從技術突破到產業(yè)系統(tǒng)，這可能是XR行業(yè)十年來最接近“真正拐點”的一次嘗試。

結語

當我們把這場發(fā)布會放回更大的產業(yè)背景中，會發(fā)現(xiàn)它所引發(fā)的變化早已超出“一家公司的技術突破”。

MR設備的延遲、重量和渲染能力正迎來真正意義上的代際躍遷；AI眼鏡也因為擁有了專用的感知芯片而朝著獨立終端的方向駛去……行業(yè)的第一輪洗牌可能比所有人預期得更早到來。

而更深層的影響來自空間計算能力本身的外溢——機器人遠程操控、車載空間交互、工業(yè)可視化，這些原本各自獨立、自研體系的行業(yè)，正在向共同的底層能力收攏。

這正是“極域”與三顆芯片同時出現(xiàn)的意義所在，它們所回答的問題已經不只是XR設備該如何發(fā)展，而是：空間計算的底座應該是什么形態(tài)？它是否可以跨設備、跨行業(yè)、跨生態(tài)，成為一種通用能力？

如果答案只是一顆更強的芯片、一臺更輕的設備或一個更好用的SDK，這場發(fā)布會不會掀起太大的波瀾。但當?shù)鬃恢厮転閺乃懔Φ侥＝M，從引擎到工具鏈，再到生態(tài)的全鏈路體系時，產業(yè)的競爭邏輯也隨之轉變。

距離真正的產業(yè)爆發(fā)還有多遠？萬有引力并沒有給出全部答案，卻提供了一條可能跑得通的路徑。而在技術變革的漫長道路上，有時候路徑本身，就已經是一個足夠重要的開始。