底大一级压死人，这个老法师口中的「金科玉律」，在智能手机上似乎已经失效。
▲ 不同「相机」所搭载不同尺寸的传感器尺寸. 图片来自：henrys.com
智能手机摄像头的「底」虽然逐步变大，但仍然没能迈过一英寸的门槛，也就是说在物理参数上手机仍然不及入门定位的黑卡。
▲ 索尼 RX100 黑卡 vs 小米 11 Ultra. 图片来自：dpreview
即使是在发布会上与索尼黑卡过招，主打「影像」的小米 11 Ultra，主摄三星 GN2 1/1.12 英寸的物理尺寸也与 1 英寸还有些许差距。
而小米 12 上那枚与索尼定制的 IMX707 尺寸也不过是 1/1.28 英寸，同期的 iQOO 9 Pro 主摄 GN5 尺寸为 1/1.57 英寸，真我 GT2 Pro 主摄 IMX766 尺寸为 1/1.56 英寸。
▲ 采用 IMX766 主摄的真我 GT2 Pro.
这么一看，以 CMOS 物理尺寸为标准，第一波骁龙 8 Gen1 的新机里，小米 12、12 Pro 依旧是那个最喜欢堆料的产品。CMOS 尺寸的大小也不再是衡量手机影像系统的主要标准。
这么说来，似乎「超大底」主摄像头的追求已经成为了过去式。
底大一级压死人指的是什么？或者说，大底到底能带来什么优势？
简单来说， 更大的传感器会获得更纯净的照片，更好的暗光性能，以及更好的「虚化」。
小尺寸传感器想要获得相同的结果，需要以更低的 ISO、更长的快门时间以及更大的光圈。
▲「大」有大的烦恼，「小」有小的优势. 图片来自：dpreview
以成像的结果来说，大尺寸传感器有着碾压级别的优势，但也付出了代价。
为了容纳更大的传感器尺寸，相机和镜头的体积也成倍增长。为了让光线均匀的铺满在传感器上，复杂的光学设计会让镜头的重量成倍的提升。并且随之提升的还有成本，也就是金钱。
▲ 全画幅系统与 M43 系统体积的直观对比. 图片来自：wildernessshots
而小尺寸传感器就恰好相反，体积、重量、成本也随之降低。
不严谨的说，传感器尺寸与成像质量成正比，也与体积重量和价格成正比。
他们之间总会有个「甜点」位，于相机系统中，全画幅是，而在智能手机上，各个厂商努力达到的一英寸或许会是。
直到「计算摄影」的出现。
「计算摄影」的破局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 进行光电转化，再由图像传感器还原为图像。
以上述过程来看，手机没有任何赢过相机的可能性，除非「剑走偏锋」。
相对于相机强工具属性，智能手机其实更偏向「结果」，普罗大众用手机更多的是随手记录，很少去进行后期润色，注重的是「一锤子买卖」。
▲ iPhone 13 Pro vs Pixel 6 Pro. 图片来自：cnet
随着手机 SoC 中 AI 算力的崛起，手机拍照从简单的 HDR、夜景多帧合成，逐步发展到现在实时 HDR、大光圈模拟，以及复杂的「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，智能手机成像的过程也不再传统，而是加入了许多「计算」的成分。
以往用相机拍摄时，往往需要提前对拍摄项目进行计划和取舍，也催生了阳光十六法则等一些古典经验。
而智能手机生来就需是「万金油」，任何场景、主体、光线都需要应对自如。传统的采集、处理和还原的记录过程并不适合手机的影像系统，经过一遍 AI 的计算调教再输出，更符合手机用户们想要的结果。
随着计算摄影渐渐成为主流，摄像头的硬件规格也不再是唯一影像力的衡量标准。影像力逐步成为一种综合实力的展现，既包括更优秀的硬件，也要有更好的 AI 算法。
SoC 中更强大的 ISP 和 AI 性能也与 CMOS、镜头一同影响着手机的影像力。
自研芯片的崛起无论是苹果的 A 系芯片，还是高通的 8 系芯片，近来的更新迭代中，相对于 CPU、GPU 性能的跬步提升，无论是核心数还是晶体管数，神经计算引擎却有着几倍甚至十几倍的提升。
▲ 每秒可执行运算 15.8 万亿次 AI 计算的 A15. 图片来自：Apple
而这些提升被运用在产品的各方各面，基于机器深度学习的计算摄影便是其中一大项。
纵使 SoC 上的 AI 算力已经大幅提升，但它依然是个通用方案，不同平台间的图像个性化呈现以及计算摄影效果的表现差异不大。
对于现在不断追求差异化的手机厂商来说，这远远不够，于是手机中为了影像差异化而设置的「额外」芯片已经十分常见。
▲ 内置 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，以及即将在 Find X5 系列上出现的马里亚纳 X 芯片，都是为了在影像上有着自己的特色。
记得在体验 vivo X70 Pro 时，独特的影调以及极强的暗光性能给我留下了深刻的印象。并且在对图像进行逐帧「计算」时，额外芯片的能效比要更胜一些，还有省电的功效。
▲ 寄予厚望的 OPPO 自研 NPU 马里亚纳 X. 图片来自：OPPO
OPPO 的马里亚纳 X 芯片解决的也是对图像更强的算力和高能效比。
随着芯片算力的提升，算法的完善，以手机影像最终的效果来说，计算摄影、机器深度学习、AI 算法会为普通用户带来较为明显的变化。
▲ 内置一英寸图像传感器的索尼 Xperia Pro-I. 图片来自：Petapixel
而从 1/2.8 英寸提升到 1/1.12 英寸，甚至提升到 1 英寸，在手机拍摄的很多场景中，不仔细对比，很难察觉到变化。
倘若换个参照系的话，采用相同规格的镜头同一场景下，全画幅相机和 APS-C 画幅相机所得的照片对于普通人来说也很难一眼分辨出区别。
所谓的「摄影最重要就是后面那个头」大概也是如此的意思。
独立、自研的 ISP 芯片（或者图像 NPU），或者说计算摄影解决的就是「后面那个头」的问题。
在这个 AI 大行其道的当下，传统的硬件规格更接近一道菜的「原材料」，而计算摄影更像是会做五大菜系的厨师，会根据时令、心情进行烹饪。重要性不言而喻。
都想掌握核心科技去年，搭载 M1 Pro、M1 Max 自研芯片的新 MacBook Pro 正式亮相，Google Pixel 6 Pro 也搭载了「自研」的 Tensor 芯片，而 vivo V1、澎湃 P1、马里亚纳 X 也让 vivo、小米、OPPO 初涉造芯。
▲ Google Tensor.
「造芯」运动已经成为 2021 年内消费电子业的主旋律。
苹果的 M 系芯片以高能效比闻名，并且与硬件有着很好的契合，与其他产品构成了生态壁垒。而 Pixel 6 Pro 的 Tensor 也与 Android 12 有着一定程度上的关联，但还未构成壁垒。
▲ Google 所定制的 Tensor，结合 Android 12，让 Pixel 6 系列成为「最聪明的 Pixel 手机」.
再到国产厂商们的定制 ISP、NPU，芯片虽小，但足以为影像带来一定的优势，甚至也不排除最后形成品牌们的壁垒。
从摄像头出现在手机上开始，它的发展与传统影像厂商如出一辙，更大的底、更高的像素、更大的光圈一直是主旋律，为此不惜摄像头凸起，占去机内相当的空间。
▲ 搭载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，边际效应愈发明显，成像效果的提升也不再显著。
直到「计算摄影」以及自研 ISP 芯片的出现，彻底扭转了手机影像的发展方向，由算法、机器学习引导的计算摄影正成为主战场。
▲ 小米 11 Ultra、Leitz Phone 1、iPhone 12 Pro Max. 图片来自：XDA
有着更大体积、成本的大底传感器已经不再是手机厂商们的首选，反而更青睐于对传感器的「调教」，也就是基于成熟硬件的算法优化，和运用独立图像芯片（ISP、NPU）打造独特的影像壁垒上来。
可以预见的是，在物理光学规律没有被打破的情况下，未来几年在新机发布时，影像的重点会围绕 AI 计算、机器学习、独特影调、极速对焦等「计算」上来，传感器的尺寸、型号会越来越式微。
,
