导语：科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报说念称基于最新公开的 3 项商议，苹果仍在积极推动空间筹画和 Vision Pro 头显。

IT 之家  5 月 12 日音信，科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报说念称基于最新公开的 3 项商议，苹果仍在积极推动空间筹画和 Vision Pro 头显。

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

但从最新公示的商论说文来看，苹果公司并未肃清 Vision Pro 头显步地，本轮公开了 3 项商议，区别波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。

其中最径直的一项，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，Z6尊龙凯时中国官方网站也清爽物体"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 说念巨匠标注问题。

SFI-Bench 不单问模子"这是什么、在那里"，还会追问"它奈何用、出了故障奈何办"。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，清爽洗衣机现时门径若何取消，2026世界杯比赛买输赢中国官网大致判断电视遥控器的用途。比拟只测空间识别的旧规范，这更接近相通家庭场景，也更像曩昔空间助手需要处置的着实任务。

苹果公司的东说念主工智能商议东说念主员测试了智能体（LLM）对周围全国的清爽技艺。图源：苹果公司

测试效用表示，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：真的所有模子王人不擅长"带要求的全局计数"，而且在空间追想、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显著适度。

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资本。

苹果公司的商议东说念主员探索了使用东说念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，团队建筑了近 500 条东说念主工英笔墨词到术语标注，并推广到跨越 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。

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

苹果公司的东说念主工智能商议东说念主员探索了若何运用 LLM（层级建模）本领，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 规范，可从大领域多录像头网罗结重建高质料 3D Gaussian 头部模子。测试使用了一个跨越 10000 名受试者的里面数据集，领域比现存多视角东说念主头数据集高一个数目级。这可能和 Vision Pro 的 Persona，或 visionOS 中更当然的东说念主脸捕捉与心情渲染干系。

苹果公司大家营销高档副总裁格雷格 · 乔斯维亚克（Greg Joswiak）此前默示，Vision Pro 展示了数字全国与物理全国会通的曩昔形态，这种会通具有势必性。当被问及具体时间表时，他坦言无法掂量"空间筹画"何时能成为主流，但肯定这一见地不成逆转。

参考

（著动作作家独处不雅点2026世界杯比赛买输赢中国官网，不代表艾瑞网态度）