安彩高科拟增资子公司建设年产3000吨高纯石英半导体玻璃项目
06-06
归根结底，一层就压死人。
法师称之为的这条“黄金法则”似乎在智能手机上不再有效。
▲ 不同的“相机”配备不同的传感器尺寸。
图片来自：henrys.com 虽然智能手机摄像头的“底部”逐渐变大，但仍然没有迈过一英寸的门槛。
也就是说，就物理参数而言，该手机还是不如入门级黑卡。
▲ 索尼 RX 黑卡 vs 小米 11 Ultra。
图片来自：dpreview 尽管在发布会上与索尼黑卡展开竞争，但主打“影像”的小米11 Ultra却拥有一颗三星GN2 1/1.12英寸主摄，物理尺寸为1英寸。
仍有轻微差距。
索尼为小米12定制的IMX尺寸仅为1/1.28英寸。
同期iQOO 9 Pro的主摄GN5尺寸为1/1.57英寸，Realme GT2 Pro的主摄IMX尺寸为1/1.56英寸。
▲ Realme GT2 Pro 配备 IMX 主摄像头。
如此看来，基于CMOS物理尺寸，在第一波骁龙8 Gen1新机中，小米12和12 Pro依然是最受欢迎的产品。
CMOS的尺寸不再是衡量手机成像系统的主要标准。
如此看来，追求“超大底”主摄似乎已经成为过去式了。
在底层压死一个人是什么意思？换句话说，大底能带来什么优势呢？简而言之，更大的传感器将带来更纯净的照片、更好的低光性能和更好的“散景”。
使用更小的传感器获得相同的结果需要更低的 ISO、更长的快门时间和更大的光圈。
▲“大”有大烦恼，“小”有小好处。
图片来自：dpreview 在成像效果上，大尺寸传感器拥有压倒性的优势，但也付出了代价。
为了适应更大的传感器尺寸，相机和镜头的尺寸也呈指数级增长。
为了将光线均匀地散布在传感器上，复杂的光学设计将使镜头的重量增加一倍。
随之而来的是成本，也就是金钱。
▲ 全画幅系统与M43系统体积直观对比。
图片来自：荒野拍摄。
小尺寸传感器则恰恰相反，体积、重量、成本也有所降低。
粗略地说，传感器尺寸与图像质量、体积、重量和价格成正比。
他们之间总会有一个“甜蜜点”。
在相机系统中是全画幅，在智能手机中可能是各个厂商努力实现的一英寸。
直到“计算摄影”的出现。
“计算摄影”的突破无论是相机还是智能手机，成像原理无非就是镜头控制光线进入CMOS，CMOS进行光电转换，然后图像传感器还原图像。
从上述过程来看，手机没有可能打败相机，除非“走错了路”。
相比相机强大的工具属性，智能手机其实更注重“结果”。
大众使用手机更多是为了随意记录事情，很少进行后期处理打磨。
他们专注于“一次性交易”。
▲ iPhone 13 Pro 与 Pixel 6 Pro。
图片来自：cnet 随着手机SoC中AI算力的崛起，手机摄影逐渐从简单的HDR、夜景多帧合成发展到实时HDR、大光圈模拟、复杂的“夜景”模式。
通过AI算力的大幅提升以及不同图像算法的精细化匹配，智能手机成像过程不再是传统的，而是融合了很多“计算”组件。
以前用相机拍摄时，往往需要提前对拍摄项目进行规划和选择，这也催生了“十六阳光法则”等一些经典经验。
智能手机天生就是“台湾香膏”，需要能够应对任何场景、主体、光线。
传统的采集、处理、修复的记录流程并不适合手机影像系统。
经过AI计算训练然后输出，更符合手机用户想要的结果。
随着计算摄影逐渐成为主流，相机硬件规格不再是衡量成像能力的唯一标准。
成像能力逐渐成为综合实力的体现，包括更好的硬件和更好的AI算法。
SoC中更强大的ISP和AI性能也与CMOS和镜头一起影响手机的成像能力。
自研芯片崛起。
无论是苹果的A系列芯片还是高通的8系列芯片，在最近的迭代中，相比CPU和GPU性能的一步步提升，无论是核心数量还是晶体管数量，神经计算发动机有几个优点。
数倍甚至十倍以上的提升。
▲ A15 每秒可执行 15.8 万亿次 AI 计算。
图片来自：苹果。
这些改进应用于产品的各个方面，基于机器深度学习的计算摄影就是其中之一。
即使SoC上的AI算力得到了大幅提升，但仍属于通用解决方案，不同平台之间在图像个性化呈现和计算摄影效果方面的表现差异不大。
对于不断追求差异化的手机厂商来说，这还远远不够，因此在手机中安装用于图像差异化的“额外”芯片变得非常普遍。
▲ vivo X70 Pro+内置vivo V1自研ISP。
比如小米MIX FOLD上的Thermal C1、vivo X70系列上的V1，以及Find X5系列上将会出现的Mariana X芯片，都是为了拥有更好的成像自身特性而设计的。
记得体验vivo X70 Pro+时，独特的色调和强劲的弱光表现给我留下了深刻的印象。
而且在逐帧“计算”图像时，附加芯片的能效比更好，还具有节省电量的效果。
▲ OPPO 对自研 NPU Mariana X 寄予厚望。
图片来自：OPPO OPPO 的 Mariana X 芯片还解决了图像运算能力更强、能效高的问题。
随着芯片算力的提升和算法的完善，计算摄影、机器深度学习、AI算法将在手机图像的最终效果上给普通用户带来更明显的改变。
▲ 内置一英寸图像传感器的索尼 Xperia Pro-I。
图片来自：Petapixel。
不过，它已经从1/2.8英寸升级到1/1.12英寸，甚至升级到1英寸。
手机拍摄的很多场景，不仔细对比是很难比较的。
感知变化。
如果换个参照系，普通人很难一眼看出全画幅相机和APS-C画幅相机在同一场景下使用相同规格镜头拍摄的照片的区别。
所谓“摄影最重要的是后面的头像”大概就是这个意思。
独立自主研发的ISP芯片（或称图像NPU），或称计算摄影，解决了“头在后”的问题。
在这个AI如此盛行的时代，传统的硬件规格更接近一道菜的“原材料”，而计算摄影则更像是一个能烹调五大菜系的厨师，根据季节和心情烹饪。
其重要性不言而喻。
每个人都想掌握核心技术。
去年，搭载M1 Pro和M1 Max自研芯片的新款MacBook Pro正式亮相。
谷歌Pixel 6 Pro也搭载了“自研”的Tensor芯片，vivo V1、The Paper P1、Mariana X也搭载了“自研”的Tensor芯片。
让vivo、小米、OPPO首次涉足核心制造。
▲ 谷歌张量。
“造芯”运动成为今年消费电子行业的主旋律。
苹果的M系列芯片以高能效着称，并且与硬件集成良好，与其他产品形成了生态屏障。
Pixel 6 Pro的Tensor也与Android 12有一定的关联，但尚未形成屏障。
▲ 谷歌定制的 Tensor 与 Android 12 相结合，让 Pixel 6 系列成为“最智能的 Pixel 手机”。
再到国内厂商定制的ISP和NPU，芯片虽小，但足以给成像带来一定的优势，甚至不排除最终对品牌商形成壁垒。
自从相机出现在手机上以来，它的发展就和传统影像厂商如出一辙。
更大的基数、更高的像素、更大的光圈一直是主旋律。
为此，摄像头不惜突出，占据了机器相当大的空间。
▲ 配备一英寸图像传感器的Leitz Phone 1。
图片来自：leica 但随着越来越接近上限，边际效应越来越明显，成像效果的提升不再显着。
直到“计算摄影”和自研ISP芯片的出现，手机成像的发展方向才被彻底逆转。
以算法和机器学习为指导的计算摄影正在成为主战场。
▲ 小米 11 Ultra、徕卡 1、iPhone 12 Pro Max。
图片来自：XDA 尺寸更大、成本更高的外底传感器不再是手机厂商的首选。
相反，他们更感兴趣的是“调校”传感器，并且基于成熟硬件的算法优化以及使用独立图像芯片（ISP、NPU）来创建独特的图像屏障。
可以预见，只要不打破物理光学定律，未来几年新手机发布时，成像的重点将围绕“计算”，如AI计算、机器学习、独特色调以及极其快速对焦。
传感器的尺寸和型号将变得越来越小。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-17
06-06
06-08
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态