Vision Pro 3的AI眼动追踪固件更新推送一周后，XR开发者社区最热的帖子标题是“还是能感觉到拖影”。多位开发者用高速相机实测，从眼球移动到光标响应的端到端延迟中位数约78ms，比Vision Pro 2的88ms只压下来10ms，距离人眼感知不到拖影的20-30ms门槛仍然很远。
这不是苹果一家的问题。2026年上半年发布的几款高端空间计算头显，眼动追踪延迟普遍卡在60-100ms区间。行业已经把摄像头采样率推到240Hz、LED红外光源增加到16颗，但延迟依然关不掉。问题不在传感器，在AI推理链路。
端侧NPU被三个任务同时抢
Vision Pro 3搭载的M5芯片新增了专用NPU模块，理论INT8算力达到45 TOPS。但眼动追踪并不是这颗NPU的唯一任务。同一时刻，NPU还要处理三件事：虹膜识别持续验证身份、6路SLAM视觉重定位、以及前置摄像头的手势分割。
据7invensun对Vision Pro眼球追踪技术的拆解，苹果的注视点预测模型需要在每帧图像到达后4ms内完成瞳孔中心定位、角膜反射点提取和注视向量解算三步。问题是，当SLAM线程因用户快速转头触发重定位时，NPU调度器会把优先级让给SLAM——因为定位丢失会导致整个空间坐标系漂移，比光标慢半拍更致命。
结果是眼动推理队列被间歇性插入高优先级任务，单帧处理时间从目标3.2ms抖动到6-8ms。这个抖动直接叠加到渲染管线上。
注视点渲染的“提前量”算不准
空间计算设备为了节省GPU算力，只在用户注视点周围约15度视角内做全分辨率渲染，外围区域分辨率阶梯下降。这个机制叫Foveated Rendering。但它的前提是：渲染开始前必须拿到准确的注视点坐标。
Vision Pro 3的渲染管线设计是：NPU在帧开始后2.5ms内交出注视点预测坐标，GPU用这个坐标决定本帧的渲染精度分布。一旦NPU延迟超过阈值，GPU有两种选择：用上一帧的旧坐标继续渲染，或者等待新坐标但错过垂直同步窗口。
前一种情况，用户眼球已经移动但渲染精度还在旧位置，余光区域出现可感知的模糊-清晰过渡带错位。后一种情况直接掉帧。开发者社区反馈的“拖影感”大部分是第一种——眼球动了，画面没跟上，视觉残留与渲染错位叠加。
苹果在固件更新里引入了一个卡尔曼滤波器来预测眼球运动轨迹，试图提前补偿。但眼球的扫视运动速度可达每秒500度，且运动模式在扫视与注视之间切换时加速度变化剧烈，线性预测模型在切换点必然超调。这就是为什么用户在快速扫视后停顿的那一下，光标经常“冲过头再弹回来”。
模型量化砍掉的精度在边缘场景漏出来
为了把眼动追踪模型塞进端侧4ms推理窗口，苹果对模型做了INT8量化。注视点预测网络从原始FP32精度压缩到INT8，推理速度提升约3倍，但精度损失在大多数场景下被控制在0.5度视角以内。
问题出在边缘场景。戴眼镜的用户在红外光源反射时会产生双重角膜反射点，INT8量化后的模型区分主次反射点的准确率从FP32的99.2%下降到97.6%。1.6个百分点的差距听起来不大，但在每天数万次注视交互中，意味着上百次光标落点偏移超过1度。
更麻烦的是低瞳孔对比度场景。深色虹膜用户在环境光较暗时，瞳孔边界与虹膜的灰度差只有3-5个量化等级，INT8模型的边缘检测精度不足以稳定锁定瞳孔中心。Reddit上Vision Pro用户讨论区里，深色虹膜用户报告的“光标抖动”比例明显更高。
苹果的工程选择是把校准环节做得极重。首次佩戴时强制做眼球校准，且每摘下一次再戴上都会触发快速重校准。这个设计把大部分用户的基础精度拉到了可用线以上，但校准只能修正静态偏差，动态场景下量化模型的能力边界仍然存在。
三条路径都在推进，但没有一条能单独解决问题
端侧NPU调度方面，苹果在visionOS 3.1里新增了实时线程预留机制，允许眼动追踪线程锁定NPU的一个计算簇不被抢占。但代价是SLAM和手势识别可用的NPU资源减少约18%，在高速运动场景下定位精度有所下降。这是一个零和博弈。
渲染管线方面，行业在探索“异步注视点渲染”——GPU不等NPU的结果，先以均匀中等精度开始渲染，NPU坐标到达后再对注视区域做超分辨率补强。Meta在Quest 4的开发者版本里测试了这个方案，但补强阶段的额外GPU负载让功耗增加了约1.2W，对续航本已紧张的设备是雪上加霜。正如VRARWorld所指出，Vision Pro系列的续航一直卡在2小时左右，任何额外功耗都是敏感项。
模型架构方面，苹果正在测试混合精度方案：瞳孔定位用INT8保持速度，注视向量解算用FP16保住精度。但两个精度域的拼接引入了额外的格式转换开销，目前实测推理时间反而增加了0.8ms。
天花板不在硬件，在物理与算法的交叉点
Vision Pro 3的眼动追踪硬件已经接近物理极限——240Hz采样、16颗红外LED、定制ASIC做前端信号处理。再往上堆传感器规格，收益递减。真正的瓶颈是：端侧AI必须在功耗、热量、多任务共享NPU的现实约束下，在4ms内完成一个精度要求极高的生物特征推理。
这和《2026年端侧AI开始算细账，Arm守住了什么》里写的困境如出一辙——芯片要同时核算功耗、散热与适配成本，不是峰值算力够大就能解决问题。眼动追踪的延迟关不掉，是因为它同时踩中了端侧AI的三个工程痛点：实时调度冲突、量化精度损失、以及物理运动预测的数学极限。
对XR开发者来说，这意味着短期内不要指望固件更新能根治延迟。应用层可以做的是：避免在UI里设计需要快速连续扫视后精确点击的交互模式；在注视点切换时增加40-60ms的动画过渡来掩盖延迟；对深色虹膜用户提供额外的校准微调选项。
苹果在眼动追踪上定义的交互标准确实把行业拉到了新高度，但AI推理的端侧天花板，目前就卡在65-90ms这道墙上。翻过这道墙，需要的不只是更强的NPU，而是调度架构、渲染管线与模型压缩三个维度的协同重构。
