在增强现实（AR）中管理本地设备和云之间的数据处理，需要平衡性能、延迟和计算需求。 核心方法是将密集型任务卸载到云端，同时将时间敏感型操作保留在本地。 例如，诸如 SLAM（同步定位与地图构建）或对象跟踪等实时任务在设备上处理，以最大限度地减少延迟，而复杂的渲染、AI 模型推理或大规模数据存储则在云中处理。 这种划分确保了流畅的用户交互，同时利用云的可扩展性进行繁重的计算。
开发人员使用 ARCore 或 ARKit 等框架来优化这种划分，这些框架处理本地传感器数据（摄像头，IMU）和基本的场景理解。 例如，AR 导航应用程序可能会在本地处理实时摄像头提要以覆盖方向箭头，但将历史交通数据发送到云端以进行路线优化。 数据同步通过 API（例如，REST 或 WebSocket）进行管理，以仅传输必要的信息，例如压缩点云或用户交互。 边缘计算也可以在此处发挥作用——更靠近用户的中间服务器可减少延迟，从而实现多人 AR 体验等任务，在这种体验中，玩家的位置需要接近实时的更新，但持久的世界状态会集中存储。
安全性和带宽限制进一步影响了这种平衡。 来自 AR 可穿戴设备的安全数据（如生物特征信息）可能会保留在设备上，而非关键数据（例如，3D 资产元数据）会被加密并发送到云端。 开发人员通常使用混合架构：本地数据库缓存经常访问的云数据（例如，预加载的 AR 模型），而差异更新可确保最小的数据传输。 例如，AR 维护应用程序可能会在本地存储设备手册，但仅在有连接时才从云端提取更新的维修协议。 Unity 的 AR Foundation 或 AWS Sumerian 等云服务等工具提供了内置的工作流程来管理这些交互，从而使开发人员可以专注于逻辑而不是基础设施。