，也有可能是他提供的参考数据和资料太少的缘故——模型的能力是推演，而不是创造，它要做一件事儿，是需要数据支撑的。

而他能提供的数据，都是现实中已经存在的——

无非就是动作和手势之类的隔空操作，比如华为的抓手截屏，Vision Pro的集中手指交互手势，以及一些眨眼翻页之类的东西。

Vision Pro还有眼球追踪配合手势的一系列操作