苹果上个月更新了 Vision Pro，核心升级是 M5 芯片。官方说法是“为 AI 精心构建”，我们拿到开发者预览版跑了跑，看看实际体验有什么变化。
延迟低了，终于“跟手”了
初代设备跑 7B 多模态大模型，手势到画面反馈要 200 多毫秒，操作总感觉慢半拍。M5 版把这个延迟压到了 50 毫秒以内，点按、拖拽终于跟上手速了。关键原因是 M5 的神经网络引擎提速，摄像头、LiDAR 和麦克风的数据流现在能全部在本地实时处理，不用再等云端。
能同时“听、看、摸”了
M5 让设备能同时理解多路输入。比如你一边用手指敲虚拟键盘，它一边读你眼前纸质文件的文字，同时还能听你语音指令。这种多模态理解能力催生了几个实际用途：
一个是本地生成 3D 模型。开发者现在有个新 API，给段文字或几张照片，几秒钟就能生成可交互的粗略模型，全程在设备内完成。这靠的是 GPU 和神经网络引擎的硬件级协同。
另一个是空间感知变稳了。融合激光雷达和摄像头的深度数据后，虚拟物体“钉”在真实墙壁上时，不会像以前那样走路就漂移。对需要做空间 UI 原型测试的团队来说，这种稳定性是刚需。
硬伤还在
性能上去了，但三个老问题没消失。第一，续航还是短。苹果没公布具体续航时间，我们实测发现，连续做本地 3D 生成这类 AI 任务，电量比看普通视频少撑 30%。重度用的话，两小时左右就得找插头。
第二，贵。Vision Pro 定价没变，加上开发可能需要的额外工具费用，中小团队试错成本很高。
第三，生态没跟上。芯片动力是足了，但成熟的开发工具、好用的 AI 应用、清晰的盈利模式都还在路上。目前 visionOS 26 上的 AI 应用大多还是演示性质。
所以，M5 能喂饱空间 AI 吗？
它把最关键的本地算力瓶颈解决了，让实时多模态 AI 和复杂 3D 任务在眼镜里第一次跑得动。这是硬件上的重要一步。
但最终能不能跑出好应用，得看续航、成本和生态这三座山怎么翻。对开发团队来说，现在可以进场研究和做原型，但真要大规模投入，还得再等等。
