底大一級壓死人，這個老法師口中的「金科玉律」，在智能手機上似乎已經(jīng)失效。▲不同「相機」所搭載不同尺寸的傳感器尺寸.圖片來自：henrys.com智能手機攝像頭的「底」雖然逐步變大，但仍然沒能邁過一英寸的門檻，也就是說在物理參數(shù)上手機仍然不及

底大一級壓死人，這個老法師口中的「金科玉律」，在智能手機上似乎已經(jīng)失效。

▲ 不同「相機」所搭載不同尺寸的傳感器尺寸. 圖片來自：henrys.com

智能手機攝像頭的「底」雖然逐步變大，但仍然沒能邁過一英寸的門檻，也就是說在物理參數(shù)上手機仍然不及入門定位的黑卡。

▲ 索尼 RX100 黑卡 vs 小米 11 Ultra. 圖片來自：dpreview

即使是在發(fā)布會上與索尼黑卡過招，主打「影像」的小米 11 Ultra，主攝三星 GN2 1/1.12 英寸的物理尺寸也與 1 英寸還有些許差距。

而小米 12 上那枚與索尼定制的 IMX707 尺寸也不過是 1/1.28 英寸，同期的 iQOO 9 Pro 主攝 GN5 尺寸為 1/1.57 英寸，真我 GT2 Pro 主攝 IMX766 尺寸為 1/1.56 英寸。

▲ 采用 IMX766 主攝的真我 GT2 Pro.

這么一看，以 CMOS 物理尺寸為標準，第一波驍龍 8 Gen1 的新機里，小米 12、12 Pro 依舊是那個最喜歡堆料的產(chǎn)品。CMOS 尺寸的大小也不再是衡量手機影像系統(tǒng)的主要標準。

這么說來，似乎「超大底」主攝像頭的追求已經(jīng)成為了過去式。

底大一級壓死人指的是什么？

或者說，大底到底能帶來什么優(yōu)勢？

簡單來說， 更大的傳感器會獲得更純凈的照片，更好的暗光性能，以及更好的「虛化」。

小尺寸傳感器想要獲得相同的結果，需要以更低的 ISO、更長的快門時間以及更大的光圈。

▲「大」有大的煩惱，「小」有小的優(yōu)勢. 圖片來自：dpreview

以成像的結果來說，大尺寸傳感器有著碾壓級別的優(yōu)勢，但也付出了代價。

為了容納更大的傳感器尺寸，相機和鏡頭的體積也成倍增長。為了讓光線均勻的鋪滿在傳感器上，復雜的光學設計會讓鏡頭的重量成倍的提升。并且隨之提升的還有成本，也就是金錢。

▲ 全畫幅系統(tǒng)與 M43 系統(tǒng)體積的直觀對比. 圖片來自：wildernessshots

而小尺寸傳感器就恰好相反，體積、重量、成本也隨之降低。

不嚴謹?shù)恼f，傳感器尺寸與成像質量成正比，也與體積重量和價格成正比。

他們之間總會有個「甜點」位，于相機系統(tǒng)中，全畫幅是，而在智能手機上，各個廠商努力達到的一英寸或許會是。

直到「計算攝影」的出現(xiàn)。

「計算攝影」的破局

無論是相機還是智能手機，成像原理無非就是鏡頭控制光線進入 CMOS，CMOS 進行光電轉化，再由圖像傳感器還原為圖像。

以上述過程來看，手機沒有任何贏過相機的可能性，除非「劍走偏鋒」。

相對于相機強工具屬性，智能手機其實更偏向「結果」，普羅大眾用手機更多的是隨手記錄，很少去進行后期潤色，注重的是「一錘子買賣」。

▲ iPhone 13 Pro vs Pixel 6 Pro. 圖片來自：cnet

隨著手機 SoC 中 AI 算力的崛起，手機拍照從簡單的 HDR、夜景多幀合成，逐步發(fā)展到現(xiàn)在實時 HDR、大光圈模擬，以及復雜的「夜景」模式。

通過 AI 算力的大幅提升，以及不同圖像算法的精細化匹配，智能手機成像的過程也不再傳統(tǒng)，而是加入了許多「計算」的成分。

以往用相機拍攝時，往往需要提前對拍攝項目進行計劃和取舍，也催生了陽光十六法則等一些古典經(jīng)驗。

而智能手機生來就需是「萬金油」，任何場景、主體、光線都需要應對自如。傳統(tǒng)的采集、處理和還原的記錄過程并不適合手機的影像系統(tǒng)，經(jīng)過一遍 AI 的計算調教再輸出，更符合手機用戶們想要的結果。

隨著計算攝影漸漸成為主流，攝像頭的硬件規(guī)格也不再是唯一影像力的衡量標準。影像力逐步成為一種綜合實力的展現(xiàn)，既包括更優(yōu)秀的硬件，也要有更好的 AI 算法。

SoC 中更強大的 ISP 和 AI 性能也與 CMOS、鏡頭一同影響著手機的影像力。

自研芯片的崛起

無論是蘋果的 A 系芯片，還是高通的 8 系芯片，近來的更新迭代中，相對于 CPU、GPU 性能的跬步提升，無論是核心數(shù)還是晶體管數(shù)，神經(jīng)計算引擎卻有著幾倍甚至十幾倍的提升。

▲ 每秒可執(zhí)行運算 15.8 萬億次 AI 計算的 A15. 圖片來自：Apple

而這些提升被運用在產(chǎn)品的各方各面，基于機器深度學習的計算攝影便是其中一大項。

縱使 SoC 上的 AI 算力已經(jīng)大幅提升，但它依然是個通用方案，不同平臺間的圖像個性化呈現(xiàn)以及計算攝影效果的表現(xiàn)差異不大。

對于現(xiàn)在不斷追求差異化的手機廠商來說，這遠遠不夠，于是手機中為了影像差異化而設置的「額外」芯片已經(jīng)十分常見。

▲ 內置 vivo V1 自研 ISP 的 vivo X70 Pro+.

如小米 MIX FOLD 上的澎湃 C1、vivo X70 系列中的 V1，以及即將在 Find X5 系列上出現(xiàn)的馬里亞納 X 芯片，都是為了在影像上有著自己的特色。

記得在體驗 vivo X70 Pro+ 時，獨特的影調以及極強的暗光性能給我留下了深刻的印象。并且在對圖像進行逐幀「計算」時，額外芯片的能效比要更勝一些，還有省電的功效。

▲ 寄予厚望的 OPPO 自研 NPU 馬里亞納 X. 圖片來自：OPPO

OPPO 的馬里亞納 X 芯片解決的也是對圖像更強的算力和高能效比。

隨著芯片算力的提升，算法的完善，以手機影像最終的效果來說，計算攝影、機器深度學習、AI 算法會為普通用戶帶來較為明顯的變化。

▲ 內置一英寸圖像傳感器的索尼 Xperia Pro-I. 圖片來自：Petapixel

而從 1/2.8 英寸提升到 1/1.12 英寸，甚至提升到 1 英寸，在手機拍攝的很多場景中，不仔細對比，很難察覺到變化。

倘若換個參照系的話，采用相同規(guī)格的鏡頭同一場景下，全畫幅相機和 APS-C 畫幅相機所得的照片對于普通人來說也很難一眼分辨出區(qū)別。

所謂的「攝影最重要就是后面那個頭」大概也是如此的意思。

獨立、自研的 ISP 芯片（或者圖像 NPU），或者說計算攝影解決的就是「后面那個頭」的問題。

在這個 AI 大行其道的當下，傳統(tǒng)的硬件規(guī)格更接近一道菜的「原材料」，而計算攝影更像是會做五大菜系的廚師，會根據(jù)時令、心情進行烹飪。重要性不言而喻。

都想掌握核心科技

去年，搭載 M1 Pro、M1 Max 自研芯片的新 MacBook Pro 正式亮相，Google Pixel 6 Pro 也搭載了「自研」的 Tensor 芯片，而 vivo V1、澎湃 P1、馬里亞納 X 也讓 vivo、小米、OPPO 初涉造芯。

▲ Google Tensor.

「造芯」運動已經(jīng)成為 2021 年內消費電子業(yè)的主旋律。

蘋果的 M 系芯片以高能效比聞名，并且與硬件有著很好的契合，與其他產(chǎn)品構成了生態(tài)壁壘。而 Pixel 6 Pro 的 Tensor 也與 Android 12 有著一定程度上的關聯(lián)，但還未構成壁壘。

▲ Google 所定制的 Tensor，結合 Android 12，讓 Pixel 6 系列成為「最聰明的 Pixel 手機」.

再到國產(chǎn)廠商們的定制 ISP、NPU，芯片雖小，但足以為影像帶來一定的優(yōu)勢，甚至也不排除最后形成品牌們的壁壘。

從攝像頭出現(xiàn)在手機上開始，它的發(fā)展與傳統(tǒng)影像廠商如出一轍，更大的底、更高的像素、更大的光圈一直是主旋律，為此不惜攝像頭凸起，占去機內相當?shù)目臻g。

▲ 搭載一英寸圖像傳感器的 Leitz Phone 1 . 圖片來自：leica

但隨著越來越接近上限，邊際效應愈發(fā)明顯，成像效果的提升也不再顯著。

直到「計算攝影」以及自研 ISP 芯片的出現(xiàn)，徹底扭轉了手機影像的發(fā)展方向，由算法、機器學習引導的計算攝影正成為主戰(zhàn)場。

▲ 小米 11 Ultra、Leitz Phone 1、iPhone 12 Pro Max. 圖片來自：XDA

有著更大體積、成本的大底傳感器已經(jīng)不再是手機廠商們的首選，反而更青睞于對傳感器的「調教」，也就是基于成熟硬件的算法優(yōu)化，和運用獨立圖像芯片（ISP、NPU）打造獨特的影像壁壘上來。

可以預見的是，在物理光學規(guī)律沒有被打破的情況下，未來幾年在新機發(fā)布時，影像的重點會圍繞 AI 計算、機器學習、獨特影調、極速對焦等「計算」上來，傳感器的尺寸、型號會越來越式微。