AI时代XR设计实战指南两个经典案例经验深度解析

首页

AI教程

热心网友

转载

2026-05-20

XR设计这个领域，发展至今已远非昔日可比。回想六年前初入行时，我们手头的工具和现在相比，简直不可同日而语。如今，适合XR设计的专用工具和功能日渐丰富，网络上的相关推荐也层出不穷。

实战总结！XR设计师需要掌握的工具合集来了！

不过，在罗列具体工具之前，或许我们可以先退一步，聊聊XR设计本身这些年发生了哪些根本性的变化。理解了这些，再去挑选和使用工具，或许会更有方向。

一、AI 驱动下的 XR 体验设计

1. 小 XR

提到XR，你脑海中首先浮现的是什么画面？

下面这张图汇集了一些比较典型的XR界面，看看是否和你想象的一致？

这里有手机上的AR，也有各种眼镜形态的设备，包括行业早期的标杆Hololens，以及去年掀起热潮的Apple Vision Pro。这大致构成了我们最初对XR的理解：一种穿戴在头上或拿在手中的、能叠加数字信息的设备。

基于这样的认知，团队在2017年推出了业界首款基于安卓的光学AR眼镜，随后又迭代了第二代产品。然而，一个问题始终萦绕：XR的可能性，就止步于此了吗？

2. 转变的契机

时间拉回2002年，一份报告首次提出了“扩展现实”（Extended Reality, XR）这个概念，将AR、VR、MR都囊括其中。但二十多年过去了，技术环境早已天翻地覆。

ChatGPT的横空出世、长达三年的疫情催化，都深刻改变了外部环境。与此同时，团队的工作重心也从狭义的XR设备，逐步拓展至“元宇宙”这个更宏大的概念下进行技术探索。

当一切都在变化时，XR的定义是否也需要刷新？现有的AR、VR、MR概念，是否足以完全涵盖XR的全部内涵？

在思考这个问题时，李善友教授提出的“一思维”中有一个词颇具启发性：击穿。

任何一个普通或狭义的概念，你击穿它后，都会得到一个新的世界。

如果我们尝试“击穿”XR这个提了二十多年的概念，得到的会是什么？当下的答案是：一种新的关系。

3. 大 XR

如果将XR理解为数字世界与物理实体之间的一种“关系”，那么从用户可感知的界面来看，我们手机上几乎所有的应用，其实都在以某种形式映射着这种虚拟与现实的关系。

区别只在于，这种关系以不同的、可被感知的方式呈现出来。

回想暗夜文郎和保罗在上世纪八十年代论文中画的那条从“现实环境”到“虚拟环境”的连续谱，它本质上也是在定义一种“混合”关系。物理与虚拟之间的配比，正是我们需要求解的那个“X”。

这个“X”拥有多元的表现形式：手机上的AR导航、各类AR眼镜、Apple Vision Pro的空间界面，乃至如今常见的数字孪生大屏，都是这种虚实关系在不同维度的展现。

大约三年前，团队开始探索“元宇宙”方向。但“元宇宙”与“AR/VR”不同，它并非指代某项具体技术，而是一个融合了多种技术的未来愿景。

真正的元宇宙时代，如同移动互联网时代一样，并非一蹴而就，而是需要经历几个关键的发展阶段。

其中有两件事至关重要：

第一，是网络基础设施的升级。从5G迈向6G，是处理未来海量多维信息的基石。这里的“多维”，不仅指数据从二维（图片、视频）升级为三维（模型、动画）所带来的计算量暴增，更包括了视觉之外的声音、触觉乃至嗅觉信息的同步传输与处理。

第二，则是AI提供的核心驱动力。构建如此庞大的虚拟世界，仅靠人力创作（PGC）甚至用户创作（UGC）是远远不够的，尤其在追求高质量内容时。AIGC的出现，首次让非人类创造内容成为可能，这为构建元宇宙提供了至关重要的生产力工具。

正是在AI的驱动下，我们得以用新的认知，找到了在迈向未来智能时代时一个坚实的落脚点。

二、电力能源行业智能系统

这是一个面向电力能源行业巡检业务的解决方案。巡检是电力运维中频率高、强度大的任务，我们的目标是通过智能化手段为其提质增效。

方案的核心思路是：构建现场三维模型，实现物理世界的数字映射；联动机器人、无人机、声纹采集器等设备，实现多模态信息感知与融合，做到虚实联动；最后，基于视觉大模型技术，提升设备缺陷与隐患的自动识别率。

从业务层面看，主要功能可归纳为四点：业务编排、实时监控、结果分析与报告生成。

如今这套标准方案形态，最初也只是从一个简单的AR应用演变而来。在这个过程中，体验设计面临的最大挑战可以概括为一句话：从设计一个独立应用，到设计一套完整的行业解决方案。

具体挑战与应对策略包括：

电力行业知识壁垒：单一应用所需的业务知识，远不足以支撑一套完整解决方案。解决方法并无捷径：理论结合实践。不仅仅是用户调研，更要尝试“成为用户”，哪怕只有一天，沉浸式体验其工作流程。
硬件终端类型激增：除了用于显示的终端，还需对接各类物联网设备。应对策略是“适配+联合”：适配必要的机型，联合产业链上的合作伙伴。
信息处理复杂度飙升：各类硬件终端传回的海量数据，需要根据不同的业务环节进行筛选和呈现。一个有效的方法是：用绘制交互设计文档的思路，去“扮演”这些数据，设想它们在特定业务场景的认知框架下，该如何智能地出现在各个界面节点上。
业务规范限制繁多：国有企业长期形成的规章制度、集团与地方在业务习惯上的差异，都是现实约束。我们的做法是“过检+定制”：先通过其内部严格的合规性检测，成为认可的供应商，再基于具体项目需求进行定制化开发。

然而，以上种种挑战，更多是我们在交付过程中需要克服的“过程难题”。从最终客户——一线巡检人员的视角来看，他们面临的用户体验挑战其实高度聚焦：“不好用”和“不敢用”。

这六个字直接来自客户的内部会议记录。“不好用”指向的是易用性问题，而“不敢用”则触及了更深层的“人机信任”问题。

通常我们设计B端产品，会遵循“先可用，再易用，最后附加情感价值”的路径。但在某些真实的业务场景下，这个顺序可能需要调整。有时，为了建立最初的信任，你或许从一开始就需要提供足够的“情绪价值”或安全感。

三、智能制造 AR 维修应用

这是一个相对轻量级的解决方案。为了在设备售后服务领域保持竞争力，我们利用XR技术赋能服务业务，旨在提升服务品质、丰富服务类型，同时优化成本。

落到最终的用户体验上，我们主要面临两个核心挑战：提高识别的准确率与降低操作的复杂度。

① 提高识别准度：这听起来像是算法工程师的职责。诚然，技术有其客观限制，单纯从算法层面突破可能耗时费力。此时，设计或许能提供更高效的解决思路。我们的做法是利用人类注意力的特点，通过高饱和色、动态效果、图形匹配提示等视觉手段，自然而然地引导用户满足识别所需的条件（如对准、距离、光线），从而变相提升系统的识别成功率。

② 降低操作难度：如何改变人们认为“拆装笔记本电脑很复杂”的固有印象，让他们愿意动手尝试？我们选择的方法是：自己先去拆一遍。亲身经历并记录下作为“新手用户”的每一步困惑、每一次犹豫，再将这份真实的体验反哺到设计中，拆解每一个界面和交互细节。同理心虽常被提及，但真正实践起来，往往需要这般“躬身入局”。套用一句流行语：先质疑（这个需求的合理性），再理解（这个需求的场景），最后成为他（这个用户）。

四、总结与展望

回顾全文，一个核心理念，两个实践案例。

第一部分关于XR体验，希望传递的关键词是：“从小XR到大XR”。著名产品人梁宁曾指出，很多时候限制产品设计的并非技能，而是认知。当我们尝试“击穿”一个固有概念，往往能发现一片新天地。当XR被理解为数字与实体关系的表现形式时，我们便在元宇宙的版图中找到了新的机遇和落脚点。

第二部分的电力能源案例，核心在于理解客户的直白反馈：“不好用”和“不敢用”。这恰恰对应了用户体验的两个核心维度：易用性与人机信任。我们通常将情感化设计置于最后，但现实中，信任往往是接受度的前提。就像与人交往，如果你信任对方，便更愿意包容其偶尔的“不好用”。因此，做创新产品时，各岗位虽面临不同的专业挑战，但用户的诉求始终统一：让它好用，让他敢用。这是相辅相成的一体两面。

第三部分的制造维修案例，提炼出的关键词是“提高”与“降低”。无论是To B还是To G的解决方案，无论技术是否成熟，我们的使命始终是提高某些效率或价值，同时降低某些门槛或成本。技术的不成熟，并不必然导致糟糕的体验。此路不通时，换个角度或许就能柳暗花明。

最后，想分享一点感想。在技术创新的一线待久了，有时会因为离得太近而“滤镜破碎”。比如，为了提升算法精度，我们做过枯燥的数据标注；因为一时拿不到真实数据集，我们用“P图”来模拟训练。行业内甚至有一句玩笑：“人工智能，先人工，后智能。”我们见证了太多因商业、成本、优先级带来的限制与妥协，以至于有时会习惯性地将创新过程中的“不美好”视为常态，甚至无意中将这种状态传递给了用户。

但当我们抽身出来，回望科技创新的初衷，所有的努力不都是为了在最终的使用层面，带来比当下更美好、更人性化的体验吗？

让我们从日常的坑洼与焦灼中暂时跳出，从过于执着的“专业性”里稍稍松绑，重新去聆听科技本该带来的那份“美好”。并将这份美好，以用户可理解、可感知的方式传递出去，共同创造一个更值得期待的未来。这，或许才是创新最根本的意义。