解读

在国内 Unity 项目面试中，这道题表面问“差异”，实则考察三点：

1. 是否真做过 跨平台 AR 上线项目（很多简历写“熟悉 AR”，但只调过 Demo）；
2. 能否把 跟踪原理 翻译成 性能与体验风险，让策划、美术、测试都能听懂；
3. 是否具备 运行时降级 与 兼容策略 的落地经验，因为国内主流渠道 iOS/Android 并存，且机型碎片化极重。
   回答时先给一句话结论，再按“硬件依赖→算法差异→数据格式→Unity 层表现→项目经验”递进，最后给出可量化的优化指标，就能体现资深度。

知识点

1. 硬件触发点：ARKit 仅 A9 及以上芯片 + iOS 11，ARCore 需 Android 7.0 且通过 Google 认证列表，华为从 2020 年起不再预装 GMS，需接入华为 AR Engine 做桥接。
2. 坐标系：ARKit 使用 右手坐标系，重力方向 -Y；ARCore 使用 左手坐标系，重力方向 -Y；Unity 插件层已做对齐，但 CPU 端获取的 Pose 矩阵 仍需注意行列顺序差异。
3. 跟踪模式：
   • ARKit 1.5+ 支持 垂直平面+2D 图像+3D 物体 跟踪，ARKit 3.5+ 加入 LiDAR 深度，在 iPhone 12 Pro 以上实现 Scene Reconstruction；
   • ARCore 从 1.29 开始支持 Streetscape Geometry，但 国内网络无法下载 Google 地图缓存，导致室外 VPS 几乎不可用。
4. 精度与漂移：
   • ARKit 的 VIO 把 IMU 采样率提升到 1000 Hz，视觉帧 60 fps，漂移误差 1% 以内（行走 10 m 约 10 cm）；
   • ARCore 在 高通 7 系以下机型 因 IMU 驱动锁频，漂移可达 3%–5%，且 无 LiDAR 辅助，弱纹理环境（白墙、夜空）5 秒即丢。
5. 数据回调：
   • ARKit 的 ARCamera.trackingState 枚举含 limited(LowFeature)，可直接映射到 UI 提示；
   • ARCore 的 TrackingState.Paused 与 LostTracking 分开回调，需自己计时 200 ms 做防抖，否则会出现“瞬移”假阳性。
6. 性能热点：
   • ARKit 的 CPU 占用 在 iPhone 13 上约 12%，内存 60 MB；
   • ARCore 在小米 10 上 CPU 18%、内存 90 MB，且 Camera Image 每帧回调 YUV_420_888，若直接转 RGBA 会 额外吃 30 MB，必须 Shader 直接采样 YUV 或 ReuseTexture2D。
7. 热更新合规：国内版号审查要求 AR 功能不能依赖 Google 服务，因此 ARCore 需 静态打包 libarcore_sdk.so，不能动态下载，否则会被工信部检测为 “违规外链”。

答案

一句话结论：ARKit 依靠苹果软硬一体实现更低漂移与垂直面支持，ARCore 靠多厂商适配与深度 API 提供更大场景，但国内落地需额外解决 GMS 缺失与碎片化问题。

分点阐述：

1. 硬件门槛：ARKit 仅 A9 以上 iPhone/iPad，覆盖率 96% 以上；ARCore 需 Google 认证，国内存量机型仅 40% 通过，华为需接 AR Engine 桥接。
2. 跟踪算法：二者都走 VIO，但 ARKit IMU 1000 Hz 融合 + LiDAR 深度（Pro 系列），漂移 <1%；ARCore 在低端机 IMU 降频，漂移 3–5%，且 无深度相机，夜间或白墙易丢。
3. 平面与锚点：ARKit 原生支持垂直平面与2D 图像跟踪，精度 1 cm；ARCore 1.29 才支持垂直面，检测延迟 300–500 ms，且 图像库上限 1000 张，内存占用线性增长。
4. 数据格式：ARKit 的 ARWorldMap 可序列化，iCloud 分享即可多人共享坐标；ARCore Cloud Anchor 需 Google 服务器，国内延迟 200 ms+，且需 VPN，因此线上项目普遍 降级为本地锚点 + 手动对齐。
5. Unity 层表现：
   • ARFoundation 已统一接口，但 ARCore 的 Camera 纹理 默认 YUV_420_888，GPU 直接采样需 GL_OES_EGL_image_external_essl3 扩展，部分 Mali-G52 不支持，必须 回退到 CPU 转码，帧率掉 10 fps；
   • ARKit 的 HDRLightEstimation 在 iPhone 12 以上 曝光范围 0–10000 nit，可直接驱动 PBR；ARCore 的 ColorCorrection 仅 3 阶多项式，夜景色温偏差 1000 K，需 后期 LUT 校准。
6. 性能优化实战：
   • iOS 端 ARWorldMap 本地化 时，关闭 MeshCollider，用 SpatialMapping 的 Plane 代替，CPU 从 25% 降到 12%；
   • Android 端 小米 8 上 ARCore 60 fps 导致 发热降频，强制 30 fps + GPU 分辨率 720p 后，机身温度降 7 ℃，跟踪稳定性提升 20%。
7. 合规与发布：国内上架 华为应用市场 时，APK 内不能包含 Google 服务相关 so，因此 ARCore 需剥离 libgms.so，用华为 AR Engine 重新封装，包体积增加 5 MB，但 审核通过率 100%。

拓展思考

1. 如果项目要求 室外 100 m 大场景 AR 导航，ARKit 的 GeoAnchor 与 ARCore 的 VPS 在国内都不可用，如何自建替代方案？
   思路：用 高精度 GPS（RTK 差分）+ 视觉重定位 组合，GPS 提供 10 cm 级初始位姿，本地 SLAM 地图分段加载，用 5G 边缘服务器下发特征点云，Unity 端只保留 50 m 半径的局部地图，内存控制在 120 MB。
2. 当 iPhone 15 Pro 的 LiDAR 深度 与 Android 的 ToF 深度 分辨率差异 10 倍时，如何写一套 Shader 统一做遮挡渲染？
   思路：在 URP RendererFeature 里 双路径：iOS 端 直接采样 ARKit 提供的 SceneDepth 纹理（640×480），Android 端 ToF 仅 240×180，先双边滤波上采样到 480×360，再用 Vignette mask 剔除边缘噪声，Shader 里用同一套 _CameraDepthTexture 即可。
3. 面试反问环节，可以问面试官：“贵项目 AR 模块的日活机型 TOP10 中，华为占比多少？是否已接入 AR Engine 桥接？” 既体现你对国内生态的敏感，也能把话题引到你做过的 ARCore-Huawei 双端兼容框架，进一步展示落地经验。