底大一級壓死人，這個老法師口中的「金科玉律」，在智慧手機上似乎已經失效。
▲ 不同「相機」所搭載不同尺寸的感測器尺寸. 圖片來自：henrys.com
智慧手機攝像頭的「底」雖然逐步變大，但仍然沒能邁過一英寸的門檻，也就是說在物理引數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
即使是在釋出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 上那枚與索尼定製的 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。
▲ 採用 IMX766 主攝的真我 GT2 Pro.
這麼一看，以 CMOS 物理尺寸為標準，第一波驍龍 8 Gen1 的新機裡，小米 12、12 Pro 依舊是那個最喜歡堆料的產品。CMOS 尺寸的大小也不再是衡量手機影像系統的主要標準。
這麼說來，似乎「超大底」主攝像頭的追求已經成為了過去式。
底大一級壓死人指的是什麼？
或者說，大底到底能帶來什麼優勢？
簡單來說， 更大的感測器會獲得更純淨的照片，更好的暗光效能，以及更好的「虛化」。
小尺寸感測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」有小的優勢. 圖片來自：dpreview
以成像的結果來說，大尺寸感測器有著碾壓級別的優勢，但也付出了代價。
為了容納更大的感測器尺寸，相機和鏡頭的體積也成倍增長。為了讓光線均勻的鋪滿在感測器上，複雜的光學設計會讓鏡頭的重量成倍的提升。並且隨之提升的還有成本，也就是金錢。
▲ 全畫幅系統與 M43 系統體積的直觀對比. 圖片來自：wildernessshots
而小尺寸感測器就恰好相反，體積、重量、成本也隨之降低。
不嚴謹的說，感測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，於相機系統中，全畫幅是，而在智慧手機上，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。
「計算攝影」的破局
無論是相機還是智慧手機，成像原理無非就是鏡頭控制光線進入 CMOS，CMOS 進行光電轉化，再由影象感測器還原為影象。
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」。
相對於相機強工具屬性，智慧手機其實更偏向「結果」，普羅大眾用手機更多的是隨手記錄，很少去進行後期潤色，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，逐步發展到現在實時 HDR、大光圈模擬，以及複雜的「夜景」模式。
透過 AI 算力的大幅提升，以及不同影象演算法的精細化匹配，智慧手機成像的過程也不再傳統，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專案進行計劃和取捨，也催生了陽光十六法則等一些古典經驗。
而智慧手機生來就需是「萬金油」，任何場景、主體、光線都需要應對自如。傳統的採集、處理和還原的記錄過程並不適合手機的影像系統，經過一遍 AI 的計算調教再輸出，更符合手機使用者們想要的結果。
隨著計算攝影漸漸成為主流，攝像頭的硬體規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，既包括更優秀的硬體，也要有更好的 AI 演算法。
SoC 中更強大的 ISP 和 AI 效能也與 CMOS、鏡頭一同影響著手機的影像力。
自研晶片的崛起
無論是蘋果的 A 系晶片，還是高通的 8 系晶片，近來的更新迭代中，相對於 CPU、GPU 效能的跬步提升，無論是核心數還是電晶體數，神經計算引擎卻有著幾倍甚至十幾倍的提升。
▲ 每秒可執行運算 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品的各方各面，基於機器深度學習的計算攝影便是其中一大項。
縱使 SoC 上的 AI 算力已經大幅提升，但它依然是個通用方案，不同平臺間的影象個性化呈現以及計算攝影效果的表現差異不大。
對於現在不斷追求差異化的手機廠商來說，這遠遠不夠，於是手機中為了影像差異化而設定的「額外」晶片已經十分常見。
▲ 內建 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 系列上出現的馬里亞納 X 晶片，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效能給我留下了深刻的印象。並且在對影象進行逐幀「計算」時，額外晶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 晶片解決的也是對影象更強的算力和高能效比。
隨著晶片算力的提升，演算法的完善，以手機影像最終的效果來說，計算攝影、機器深度學習、AI 演算法會為普通使用者帶來較為明顯的變化。
▲ 內建一英寸影象感測器的索尼 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，採用相同規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於普通人來說也很難一眼分辨出區別。
所謂的「攝影最重要就是後面那個頭」大概也是如此的意思。
獨立、自研的 ISP 晶片（或者影象 NPU），或者說計算攝影解決的就是「後面那個頭」的問題。
在這個 AI 大行其道的當下，傳統的硬體規格更接近一道菜的「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 自研晶片的新 MacBook Pro 正式亮相，Google Pixel 6 Pro 也搭載了「自研」的 Tensor 晶片，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」運動已經成為 2021 年內消費電子業的主旋律。
蘋果的 M 系晶片以高能效比聞名，並且與硬體有著很好的契合，與其他產品構成了生態壁壘。而 Pixel 6 Pro 的 Tensor 也與 Android 12 有著一定程度上的關聯，但還未構成壁壘。
▲ Google 所定製的 Tensor，結合 Android 12，讓 Pixel 6 系列成為「最聰明的 Pixel 手機」.
再到國產廠商們的定製 ISP、NPU，晶片雖小，但足以為影像帶來一定的優勢，甚至也不排除最後形成品牌們的壁壘。
從攝像頭出現在手機上開始，它的發展與傳統影像廠商如出一轍，更大的底、更高的畫素、更大的光圈一直是主旋律，為此不惜攝像頭凸起，佔去機內相當的空間。
▲ 搭載一英寸影象感測器的 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 晶片的出現，徹底扭轉了手機影像的發展方向，由演算法、機器學習引導的計算攝影正成為主戰場。
▲ 小米 11 Ultra、Leitz Phone 1、iPhone 12 Pro Max. 圖片來自：XDA
有著更大體積、成本的大底感測器已經不再是手機廠商們的首選，反而更青睞於對感測器的「調教」，也就是基於成熟硬體的演算法最佳化，和運用獨立影象晶片（ISP、NPU）打造獨特的影像壁壘上來。
可以預見的是，在物理光學規律沒有被打破的情況下，未來幾年在新機發布時，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，感測器的尺寸、型號會越來越式微。
