导语：科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报谈称基于最新公开的 3 项探讨，苹果仍在积极鼓动空间计较和 Vision Pro 头显。

IT 之家  5 月 12 日音讯，科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报谈称基于最新公开的 3 项探讨，苹果仍在积极鼓动空间计较和 Vision Pro 头显。

IT 之家 4 月征引 MacRumors 媒体报谈，苹果公司里面已舍弃研发新款 Vision Pro，团队要点转向 Siri 和 AI 智能眼镜。

但从最新公示的探筹商文来看，苹果公司并未撤消 Vision Pro 头显状貌，本轮公开了 3 项探讨，诀别触及多模态大模子空间推理评测、好意思式手语视频标注，以及 3D 头部重建。

其中最平直的一项，是苹果在机器学习博客发布的《From Where Things Are to What They ’ re For：Benchmarking Spatial-Functional Intelligence for Multimodal LLMs》。

这篇论文提议 SFI-Bench，用来测试多模态大模子是否既看懂空间布局，也证据物体"能作念什么"。原文提到，这套视频基准包含 134 段室内视频扫描，并整理出 1555 谈大师标注问题。

SFI-Bench 不单问模子"这是什么、在何处"，还会追问"它怎样用、出了故障怎样办"。举例，模子可能需要从柜子里找出同品牌数目最多的一组瓶子，证据洗衣机现时门径如何取消，2026世界杯赛事竞猜中国官网约略判断电视遥控器的用途。比拟只测空间识别的旧轮番，这更接近正常家庭场景，也更像夙昔空间助手需要不休的真正任务。

苹果公司的东谈主工智能探讨东谈主员测试了智能体（LLM）对周围全国的证据智商。图源：苹果公司

测试效果证据，Google Gemini 3.1 Pro 总分最高，OpenAI GPT-5.4-High 排行第二，Gemini-3.1-Flash-Lite 排行第三。

但论文也点出共同短板：险些通盘模子齐不擅长"带条款的全局计数"，而况在空间系念、功能学问整合，以及把目下画面和外部学问连起来这几件事上仍有较着限度。

手语论文《Bootstrapping Sign Language Annotations with Sign Language Models》尝试用 AI 自动生成候选标注，减少数百小时手工标注老本。

苹果公司的探讨东谈主员探索了使用东谈主工智能进行好意思国手语（ASL）标注的可能性。图源：苹果公司

原文称，团队设立了近 500 条东谈主工英笔墨词到术语标注，并推广到擢升 300 小时 ASL STEM Wiki 和 7.5 小时 FLEURS-ASL 数据。其手指拼写模子在 FSBoard 上达到 6.7％ CER，在 ASL Citizen 数据集上达到 74％ top-1 准确率。

第三项探讨《Large-Scale High-Quality 3D Gaussian Head Reconstruction from Multi-View Captures》则聚焦 3D 头像重建。

苹果公司的东谈主工智能探讨东谈主员探索了如何诈欺 LLM（层级建模）时期，从多角度拍摄的图像中创建 3D 头部模子。图源：苹果公司。

苹果提议 HeadsUp 轮番，可从大规模多录像头采迫临重建高质料 3D Gaussian 头部模子。测试使用了一个擢升 10000 名受试者的里面数据集，规模比现存多视角东谈主头数据集高一个数目级。这可能和 Vision Pro 的 Persona，或 visionOS 中更当然的东谈主脸捕捉与表情渲染关系。

苹果公司群众营销高等副总裁格雷格 · 乔斯维亚克（Greg Joswiak）此前示意，Vision Pro 展示了数字全国与物理全邦交融的夙昔样子，这种交融具有势必性。当被问及具体时期表时，他坦言无法瞻望"空间计较"何时能成为主流，但顺服这一见地弗成逆转。

参考

（著述为作家孤苦不雅点2026世界杯赛事竞猜中国官网，不代表艾瑞网态度）