渲染与系统：低延迟图形管线与端云协同
AR 的体验很“敏感”：同样是 30ms 的延迟，在手机上可能还能接受，在头戴显示里就会明显“飘”和“晕”。因此渲染与系统的目标不是追求峰值，而是追求稳定与可预测。
1. 延迟预算：把链路拆开才能优化
端到端延迟通常包含：
- 追踪延迟：传感器采样 → VIO/SLAM → 位姿输出
- 渲染延迟：场景更新 → GPU 渲染 → 合成
- 显示延迟：扫描出光 → 入眼
当你无法把全部延迟压到极低时，工程上更重要的是：降低抖动。稳定的 40ms 往往比抖动的 25–60ms 更舒服。
2. 预测与校正：用数学抵消不可避免的物理延迟
常见手段包括姿态预测、时间扭曲（time warp）与重投影。核心思想是：在最后一刻用最新位姿修正画面，从而减少“跟不上头动”的感受。
3. 画质与功耗：把“可调参数”做成策略
AR 眼镜的功耗与热是硬约束。系统必须支持动态策略：
- 动态分辨率 / 动态渲染比例
- 刷新率阶梯（例如 60/90/120 的切换）
- 视野中心高质量、边缘低质量（foveated）
- 算法帧率分级：跟踪优先，识别/分割可降级
关键是让降级“看起来合理”：例如先降清晰度再降帧率，避免明显卡顿。
4. 端云协同：不是把所有算力搬上云
云端适合做重计算与内容分发，但 AR 的关键链路（跟踪与显示）必须在端侧闭环。更合理的分工是：
- 端侧：跟踪、渲染、关键交互，保证低延迟与可用性。
- 云侧：大模型推理、资产生成、日志分析、内容管理与更新。
网络不稳定时，端侧应能在功能上优雅降级，而不是直接“不可用”。
5. 工具链：可观测性决定迭代速度
要把 AR 做稳，必须能观测：帧时间、跟踪质量、温度功耗、网络 RTT、丢包与编码码率。没有这些数据，团队只能靠“感觉调参”。
一句话总结：AR 系统优化的关键是“稳定闭环”。把可调项变成策略、把关键指标变成可观测，才能持续迭代。