很少有 MacBook Neo 评价两极化这么夸张的苹果产品。

有人说它性能完全不够，靠 logo 骗预算不够的小白；有人却说它是近年来苹果最务实的诚意之作。

剥离掉对跑分性能和极致的生产力上限的执念，你会发现，已经很久没有一款科技产品，剔除冗余的性能溢价，也不做不切实际的承诺。你不应该买它，除非你真的需要。

在 MacBook Neo 的身上，有一种真正的「极简主义科技」意味，因为它回应了用户真实需求，也没有人为阉割来制造所谓的极简感。

今天爱范儿这篇专栏文章，想要探讨真正的「极简主义科技」究竟是什么。

我在 Reddit 上看到了很多帖子，描述想象中的极简主义科技生活：主力机是 Light Phone 3 代，这台「笨手机」(dumb phone) 售价 699 美元；一台 iPod Classic 用来听歌；一台十年前的数码相机用来拍照；当有灵感需要记录的时候，他会从自己的「离线包」里掏出手账本……以此类推。

每一个智能手机具备且经常使用的功能，都被分散到一台单独的设备或道具上。日常出街的家伙事，足足三斤重。

帖主给这种状态起了个名字：Inconvenient Maximalism，不方便的极繁主义。

对了，这个「离线包」(analog bag) 也是前段时间洋抖 (TikTok) 上爆红的最新趋势，成千上万的视频，巨大的流量。它指的是一个装满「离线物品」的包：胶片机/CCD、随身听、有线耳机、毛线针和线团、手账本与纸质书……大意是说，当你出门时完全可以把手机扔下，用这包东西打发时间。

我很喜欢的一个「反消费主义者」YouTube 博主 Levi Hildebrand，是这么评价「离线包」的：

手机能做一百件事。所以你不带手机就需要一百样东西来替代它，结果就是你的包包越装越重。

然而更讽刺的是，这些博主明明带着手机，背着包包到处跑，几十个场景机位来回切换，拍出视频……就是为了发到网上，再忽悠他们用自己的返佣链接下单去买这些 CCD、随身听、耳机、毛线针、手账本？

如今的消费主义，已经堕落到这种程度了？为什么这些热衷于「极简主义科技」「数字排毒」的人，如此抽象？

数字排毒，活成了自己的笑话

每当某种注意力收割工具令人厌倦了、过时了，马上就会有新东西，以反抗者、革命者的姿态出现，承诺将你解脱出来……

不消时日，这个新东西就会马上演化成下一轮的收割工具，往复循环。

今天，这个新东西就是「数字排毒」的概念，以及打着这个概念旗号，企图笼络人心的极简主义科技产品们。

2017 年，第一代 Light Phone 上市，只能打电话；2019 年，Light Phone 二代加入了短信、音乐播放器和闹钟。去年，乘上了「笨手机」春风的 Light Phone 三代终于发布，售价 699 美元。

海外媒体是这么评价 Light Phone 三代的：「极简主义被拉伸到令人沮丧的程度」，「一台越来越像智能机的傻瓜手机」。也不能怪他们：AMOLED 屏幕、摄像头、NFC 支付、指纹解锁……只看参数表的话，你很容易以为这就是一台智能机。

从开始到现在，Light Phone 已然进入了两难。如果卖点是「少」，就必须砍功能。但功能少了，用户反而不敢买单；把功能加回来，尺度很微妙。

除了产品设计之外，Light Phone 还面临商业模式的问题。

它最初是从众筹平台上起飞的，但公司随后不得不拿了风投的钱。谈投资的时候可能聊的是「数字排毒」的趋势，投后要看的却是销量、增长、财务……本质上，这套逻辑和极简主义/反消费主义「希望用户少用产品」的美好愿景是完全错位的。

结果就是为了卖货，这台「笨手机」高也不成低也不就，离它最初承诺的东西越来越远，却越来越像它本来要取代的东西……

消费主义的本质，是不断创造新的欲望来消化过剩的产能，而注意力经济是创造消费欲望的最有效手段之一。

哥大法学院的吴修铭教授认为，教授注意力经济也已有百年多的历史。从 19 世纪的廉价报纸 (penny press)，到 20 世纪的广播电视，再到今天的短视频、小游戏、短剧，其实注意力经济从来没有变过：用免费内容交换人的时间，再把这些时间通过各种方式（广告、数据等）变现。

哈佛商学院荣休教授苏珊娜·祖博夫在《监控资本主义时代》一书中提出了一个新的概念：「行为剩余」（behavioral surplus），指的是科技公司从用户行为里提取数据，例如你点击了什么、在哪里停留了多久、在哪里犹豫了，然后把它们转化为「行为预测产品」，打包卖给广告商。

但为了让预测更准确，平台需要主动去「塑造」用户行为——无限算法流、消息红点、间歇性的点赞通知，都会服务这个目的。

前几年曾经有个社交产品 BeReal 爆火，每天随机弹出通知，用户必须在两分钟内打开应用拍照并分享，没时间准备，也不给修图滤镜，鼓励展现未修饰的日常样貌，消除社交产品的使用焦虑。

2024 年，以高频成瘾的垃圾手游闻名的法国公司 Voodoo，斥资 5 亿欧元收购了 BeReal。

一款以「反注意力收割」为卖点的产品，反倒被注意力收割机吞并了。这大概就是活成了自己的笑话、屠龙者终成恶龙、逻辑闭环了吧……

这些科技产品的设计理念，本质上和老虎机没什么区别。让人上瘾最有效的方式不是每次都给奖励，而是随机给。你不知道这次下拉会看到什么，正是这个不确定性让你停不下来。

互联网是通讯工具，是知识系统……它可以是很多东西。但大部分时候，它实际上是一台重新引导、无情收割一切注意力的机器。它侵蚀的不只是你的时间，是你的掌握自己注意力的自主性。

买一台「笨手机」，解决不了结构性问题

乔治城大学计算机教授卡尔·纽波特是「数字极简主义」这一概念最重要的推广者。2019 年他出版了《数字极简主义：在喧嚣世界中选择专注的生活》一书，认为电子邮件、聊天、短视频等等助长了「过度活跃的蜂群思维」(the hyperactive hive mind)。

纽波特认为，智能手机应该像一把瑞士军刀，大体上有通话、地图、相机、音乐这些核心功能就够了——这个愿望有点不切实际，他自己也清楚。

于是他转而提倡一种「非暴力」式的戒网方法：在你的手机上关闭非紧急通知，删除社交软件，手机调成单色模式，给自己设定一个数字宵禁的时间。从他的角度，把手机放在家里不带出门，已经是最极端的排毒行为了。

你可以看出来，纽波特的方案本来是零成本的。他从来没说过，你应该花数千块钱购置任何额外的设备。在他的方法论当中，甚至没有「数字排毒产品」这个品类的存在。

然而冥冥之中，提出了数字排毒概念的纽波特，反而成了另一群人，将之商品化的共谋：

• 首先，有人带着真诚的初衷发现了一个真实问题，触碰到了更多人内心深处某种真实的渴望；
• 接着，另一群人看到了营销机会，开始兜售一套你必须拥有的东西，来证明你属于这场运动。
• 结果是，这群人接管、掌握、统治、最终定义了整个运动，直到它的信仰破灭。

类似的剧本一再上演。

1986 年，意大利的第一家麦当劳，在罗马的西班牙广场开业。作家 Carlo Petrini 召集了一群同事朋友去抗议，而这次抗议后来演化成了慢食运动 (Slow Food)。

这场运动的立场，既回归传统又标新立异：反对工业化快餐对饮食的侵蚀，在农民和消费者之间建立更直接的连接。

然而现如今，「农场到餐桌」(farm to table) 早已成了高端食品的标签，慢食运动最初所代表的理念，早已被消费主义完全消化，逐渐退化成了高档餐厅和有机超市溢价的理由。

十多年前，源自于佛教等宗教里的正念/灵修/内观，成为了社交网络上最 in 的潮流之一。然而当这种非主流爱好演变为潮流之后，也成了新的商业收割机。一群科技创业者趁势而上，开发出了市场规模高达数十亿美元的正念产业。

学者 Ronald Purser 在 2019 年出了一本书，书名就叫《麦正念》(McMindfulness，一个很有趣的双关)，批评「正念」早已变成让打工人在高压环境里更好适应的减压技术。正念产业们忽略了真正的问题在于结构性的工作压力，却把责任塞还给了个人，让用户去管理自己的内心。

热潮过后，行业两大巨头 Headspace、Calm 的下载量纷纷暴跌（-74%、-61%）。

和「农场到餐桌」「正念」等概念一样，数字排毒也正经历概念破产的加速期。

数字排毒产品许诺的是：用一次性的消费行为，解决一个持续性的行为问题。但如果你看过各种电影电视剧里强制戒酒、戒毒之后的复饮、复吸情节，应该知道这种强硬限制的反效果有多强。

2025 年《BMC Medicine》刊登了一项为期三周的手机使用干预试验，要求上百名参与者每天使用时间不超过两小时。干预期间，测试组的平均屏幕时间从每天 285 分钟降至 129 分钟，压力和睡眠质量也同步改善。

然而 6 周后回访数据显示，他们的屏幕时间又反弹回了 226 分钟，心理健康睡眠指标也降回去了。又过了一周，反弹情况已经和测试的对照组基线水平无异。

强制、短期的「戒网」，是没有效果的。

为什么这种限制注定会失败？上世纪 60 年代，心理学家 Jack Brehm 提出「心理抗拒理论」：当一个人感知到自己的自由选择被外部力量限制时，他会产生强烈的动机来恢复这种自由。

约束越强硬，被禁止的行为就越有吸引力。这解释了为什么很多「笨手机」用户最终把那台手机放进了抽屉，然后换回了 iPhone 和安卓机。

数字排毒产品赖以存在的心理前提，可能本身就是错的。

用消费，反抗消费

回到文章开头提到的「离线包」案例。

如果你去刷相关话题的视频，会发现这些博主，各种书哐哐往家买，却没几个真的去博物馆借书的；这群人的视频里一定有个漂漂亮亮的手账本，里面到底记了啥你是不太可能看到的。

用户在博主们的影响下，花了成百上千块钱，买了各种各样的产品。然而，却形成了「意识到问题了」「在行动了」，就等于题被解决了的错觉。

这种行为其实很像中世纪西方大受欢迎的「赎罪券」。信徒不用改变自己的行为，甚至不需要告解和悔改，只需要支付金钱就能获得「罪已得赦」的心理确认。钱花出去，药到病除，非常方便。

这种现象在行为经济学上叫做「道德许可效应」。当人们完成了一件感觉道德的事情之后，更容易在其他方面放纵自己。比如购买 Patagonia 等环保品牌，很容易让你误以为自己真为地球环保做了多大贡献——其实从个体角度，你的不仅助长了消费主义，甚至制造了更多的垃圾。

我们为什么执迷于用消费行为来反抗消费主义，却以为自己还挺聪明？其实，这里面有人格方面的深层原因。

人是注意力动物。无论是手机，还是离线包里装的各种各样的东西，其存在目的都是牵制住人的注意力，帮我们杀掉时间。如果没有这些东西占据注意力，我们会变得极度无聊。

究其根本，在人人都有智能手机、人人都随时在线的时代，我们已经不知道一个人不刷手机该怎么呆着了。如果注意力充裕却没有地方可放，我们甚至会恐慌。所以我们需要一种「干扰」。

而这些数字排毒产品，其实是在利用你的不安全感，来赚你的钱。他们真的解决了什么痛点吗？恐怕没有。

不只是数字排毒产品，所有的消费陷阱，都是同一套底层逻辑。

如果你要用消费行为来反抗消费主义，恐怕只有资本最后成为赢家。

真正有用的方法，免费但无聊

2024 年，斯坦福大学社交媒体实验室让 80 多名学生用「笨手机」替代智能手机使用一周，初步发现受试者的头脑更清晰，更专注，更活在当下。

但进一步调研发现，主要归因并不是「笨手机」，而是那些报名参加了这项研究的学生，原本就有「数字排毒」的动机。

其实真正有效的方法是完全免费的，只是有点无聊。

豆瓣上有个「数字极简主义者」小组，有 3.3 万成员，我们分析总结了里面的很多帖子，发现最主流和有效的方法，就是少用、不用手机。

比如和家人约定晚饭时间不看手机，比如睡前把手机放到卧室，用真的闹钟来定闹铃；非要用的话，可以巧用，比如把社媒 App 移到手机的第三屏，增加「找到它」的摩擦成本；使用的时候大量点击与兴趣无关的内容，故意污染平台「千人千面」的推荐算法。

是的，实现数字排毒，不需要购买任何新的产品，你唯一需要支付的成本，不应该是金钱，而是心智。但你可以一点一点来，比如先从躺到床上就不再用手机开始。

究其根本，你要承受戒断反应，学会与无聊做朋友。

在注意力高度碎片化的今天，其实「无聊」是件很好的事。如果你能领悟无聊的意义，开始享受无聊，进而换种方式利用无聊的时间，「数字排毒」才能真正开始。

无论如何，都不要再买赎罪券了，那都是骗子发明出来骗傻子的。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

即将发布的 OPPO Find X9 Ultra，换掉了全部七颗镜头——主摄、广角、两颗长焦、丹霞色彩镜头、前置、增距镜……

没有一颗是祖传的。

OPPO 成立二十多年，极少有一代产品把影像硬件全部推翻重做。罗俊说：

这种革命式升级，好像真的没做过。

罗俊是 OPPO 影像算法总监，主导了从 Find X6 Pro 到 Find X9 Ultra 四代产品中的影像算法方向，还有那个已经成为 OPPO 影像标志的「大师模式」。

在 Find X9 Ultra 发布前夕，爱范儿采访了罗俊。我们聊了全新设计的「大师模式」、聊了还没上市的新手机，也聊了 OPPO 影像的过去、现在和未来。

我们试图找到一个答案：什么是计算摄影的「真实感」？

大师模式，用算法对抗算法

「大师模式」是什么？

简单来说，它是 OPPO 相机里独立于普通拍照模式的一套影像管线。

普通模式追求的是明亮、讨喜、一拍就好看——系统会自动拉高亮度、增强色彩饱和、做较强的锐化和降噪处理。这些操作让照片第一眼很抓人，但代价是：照片看起来，总是多了一些略显特意的「精良」。

这就是今天手机影像行业最普遍的争议：「算法味」。

算法味不是某一家厂商的问题，而是整个计算摄影发展到今天的结构性副产品。

当手机用越来越重的算法，去弥补小机身的物理局限时——多帧合成、AI 降噪、HDR 堆栈、超分辨率重建——每一次处理都在往照片里添加计算的痕迹：暗部被提亮，高光被压制，噪声被涂抹成油画质感，锐化制造出更多的「细节」。

结果就是，拍什么都好看，但拍什么都少了点纯粹。

「大师模式」走的是另一条路。

它用更克制的色调映射、更自然的锐化策略、更接近光学相机的影调逻辑来处理画面。该暗的地方留下暗部，有噪点的地方保留颗粒，不追求每一张都「亮白美」，转而追求照片的真实质感。

手机行业有一条不成文的规律：一个功能如果连续两代争议不断，第三代大概率就会被砍掉。

「大师模式」曾完美符合这个画像。

Find X7 Ultra 时代，用户对它的评价两极分明。喜欢的人说它「相机味」「高级感」；不喜欢的人说它「画面暗」「不锐利」，我甚至还遇到过，把大师模式的照片发给朋友看，对方第一反应是：你这张是不是拍糊了？

但大师模式活了下来。

从专业用户的小众工具，变成了连大学生都会主动选择的拍照模式。

更值得琢磨的是，用户喜欢大师模式，理由几乎一致——没有算法味。

事实上，大师模式跑的恰恰是整个影像系统里最先进、计算量最大的算法管线。

这种反差感，正是当下 OPPO 影像的缩影，也是过去十年，罗俊对计算摄影的全部理解。

传统影像的大师，做了大师模式

罗俊是影像算法专业出身，校招就进了索尼。

2000 年代初，日本影像行业就是世界影像行业的天花板。他做过 Handycam 录像机，做过 Alpha 单反，也经历了 NEX 微单系列从零到一的过程。

但真正让他看到行业拐点的，是索尼黑卡 RX100。

当时日元卖二十多万，一般的卡片机一台五六万日元。它一搞出来就卖一万多（人民币），但确实挺革新的。

索尼把一英寸底和蔡司镜头塞进上衣口袋大小的机身。这是影像小型化浪潮的发端。今天回头看，黑卡和后来的手机影像走的是同一条路：在极其有限的物理空间里，把画质做到极致。

只不过，手机走得更远。

在索尼的十几年，罗俊做的所有影像算法都跑在 ASIC 专用芯片上。一颗芯片两年一代，覆盖多条产品线，追求稳定可靠。

但他慢慢觉察到一个根本性的错位：

算法的迭代是很快的，但 ASIC 两年一代。整个算力和架构跟计算摄影、跟 AI 的研究思路有点不匹配——它太慢了。

后来他看到了 NPU——一种专门用来处理神经网络计算的处理单元。算法可以跑在软件层，迭代速度陡然提升。

但 NPU 最好的载体不在相机，而在手机。

2017 年初，罗俊在 MWC 上见到了 OPPO 展示的潜望式长焦技术演示——10 倍混合变焦，在当时的手机行业里没有人做过。他一眼认定这家公司有潜力，决定加入 OPPO。

有意思的是，十年后的今天，他主导的 Find X9 Ultra 搭载了一颗更好用的 10 倍光学长焦，但这是后话。

这段从传统影像到手机影像的迁移，决定了他做大师模式的底层逻辑。很多人觉得大师模式「没有算法味，像相机直出」，罗俊听到这种评价觉得有意思：

其实专业相机也有算法，ISP pipeline 还挺重的，全是用芯片实现的。只不过效果跟我们大师模式很类似，用户的参照系就变成了——我用手机的算法，也能得到一个像相机的效果。

在他看来，「相机没有算法」本身就是一种错觉。相机的算法只是固化在芯片里，用户看不见而已。

大师模式的设计起点，正是从这个认知长出来的。目标从来不是「去掉算法」，而是让算法像专业相机的 ISP 一样——做了很多事，但你浑然不觉。

OPPO 内部的说法叫「用计算去计算」 。

罗俊说，如果你的目标是「让算法不可见」，那你就不能去追某个单一参数的提升。你需要一套系统性的标准，来定义什么叫「好」。

他用四个字总结这套标准：真实还原。

三年，重构 OPPO 影像

2021 年底，罗俊从日本调回国内，全面主导 OPPO 影像算法的迭代方向。

对所有手机厂商来说，影像算法全面转向自研，都是个长期高投入，但短期低收益的决策。

但为了让影像——而非仅仅美颜——成为OPPO 旗舰手机的核心竞争力，罗俊重组起了一支数百人的影像算法团队。

「真实还原」是个相对务虚的概念：什么样的影像称得上真实，又该用什么手段去还原？

罗俊把它拆解成三个具体的维度——光影、细节和色彩。 他心里有个三年计划，希望用三代产品来重构 OPPO 影像。

Find X6 Pro 是在罗俊这个理念下，堪称转折点的一款影像手机，当时首先解决的是光影问题。

OPPO 影像认知总监程卓在接受爱范儿采访时曾说过，Find X6 系列的目标，是建立「正确的影调关系」——将扭曲的光影曲线拨乱反正。

这一代 Find 搭载了当时行业唯一的大底长焦——1/1.56 英寸 CMOS、等效 70mm 镜头，并配合全新的超光影图像引擎。

这套系统第一次让手机有能力在像素级别标定亮度信息，计算被摄物体、光线和环境之间的光影关系。罗俊说：

亮而不耀，暗而不黑，这就是我们对光影的基本要求。

罗俊还将一个面向专业用户、可以充分发挥手机影像能力的模式引入到 OPPO 的影像系统当中，他们将其命名为「哈苏专业模式」——这就是「大师模式」的雏形。

紧接着，罗俊团队要解决的是细节。

Find X7 Ultra 带来了行业首个双潜望四主摄影像系统，加入了支持 6 倍光学变焦的长焦镜头。

焦段的增加不只是「拍得更远」。在罗俊的理解里，它有更本质的意义：

有更多焦段，就有更多的参考系。你能用不同的视角记录世界，系统能还原的信息就更完整。

参考系——这是罗俊理解「真实还原」的核心概念。

真实不是一个绝对的客观标准，它依赖于你拿什么去做参照。取景框是一种参考系，人眼所见是另一种，用户脑子里想象的「好照片」又是一种。

焦段越多、细节越多，系统捕获的参考信息就越完整，离用户心里的「真实」就越近。

Find X7 Ultra 还进一步提升了光影的质感，尤其是中间调。

日常照片里最大量的明暗信息集中在中间调区域——不是最亮也不是最暗的过渡地带。中间调如果粗糙，照片就缺少实感。

也是在这一代影像系统里，OPPO 正式推出了「大师模式」。在罗俊看来，大师模式并非专属于摄影师，而是把调教相机的权力交回到用户手里——就像相机的拨杆和旋钮那样。

但第一代的大师模式的泛化能力有限，场景兼容性不够，导致用户评价褒贬不一，喜欢的人非常喜欢，玩不明白的也大有人在。

对罗俊来说，技术上的问题总归能解决，但怎么把理念坚持下来、传递出去，是一个巨大的挑战：

大师模式能坚持下来，也许就是因为我们没有妥协。

光影和细节都有了，色彩是最后一块短板。

计算摄影高度依赖统计学，在复杂光线下，白平衡不准、肤色偏移、环境色失真，是统计方法的固有局限。

Find X8 Ultra 加入了一颗新镜头——丹霞原彩镜头，专门做分区色温感知。它能识别画面中不同区域的色温分布，分辨自然光和人造光源，对肤色和环境色分别做独立还原。

色彩链路说到底做两件事，白平衡和色彩映射。白平衡是统计方法，有些场景就是算不准。有了丹霞之后，因为它是绝对信息量，在干扰色场景下就有机会把偏差修回来。

丹霞的作用并非让颜色更好看，而是给色彩计算管线提供一个物理锚点——一个不依赖统计猜测的客观参照基准。

你看，又是参考系。

到 Find X8 Ultra，还有一个不容易被注意到的技术整合完成了：大师模式和照片模式在 RAW 域的处理算法实现了统一。

两个模式出来的 RAW 片是一样的，差异只在后端——照片模式走更明亮讨喜的色调映射，大师模式走更克制的光影层次和锐化策略。

这意味着，「大师模式」不再是一个独立的功能分支，它的底层能力已经成为整个影像系统的内核。

在罗俊看来，到了 Find X8 Ultra 这一代，终于实现了他最初的设想——光影、细节、色彩，三个维度第一次集合为完全体。

于是，全新的 OPPO 影像品牌「凝光影像（LUMO）」 诞生了。

罗俊团队对好影像的评判标准，在历经三代产品迭代后也逐步成形——其中一个基准，就是照片的「连续性」：

专业相机拍的照片也有噪点，但它的噪声、它的颗粒是连续的，看起来很舒服。我宁愿放出一些连续的噪声，也不要让画面清晰一块、模糊一块。

这些标准并不是在某一代产品研发过程中突然冒出来的，它们源自罗俊骨子里传统影像的基因——信噪比、连续性、色彩映射——只不过换了个载体，从相机到手机，从传统光学到计算摄影。

随着新的影像算法系统逐步成型，罗俊也面临一个新的局面：软件侧能做的，做得差不多了。算法迭代的边际收益在递减。

接下来怎么办？

Find X9 Ultra：十年回声

答案是再来一遍。

罗俊把手机影像的发展分为三个阶段：

第一阶段从 2015 年前后开始，核心是器件小型化——把大 sensor 塞进手机，从 1/3 英寸一路堆到一英寸；

第二阶段从 2021 年前后开始，AI 和计算摄影的算法能力上来了，不追求一英寸大底也能通过算法补强，得到画质不错的照片；

第三阶段则是现在：

你不是靠器件，不是只靠算法就可以。它一定是软硬结合、端到端的创新，才有机会把效果再往前推。

Find X9 Ultra 就是第三阶段的产物——为此，OPPO的影像团队不惜换了全部的七个镜头——

主摄从 5000 万像素一英寸换成 2 亿像素 1/1.2 英寸，广角从 1/2.5 英寸升级到 1/1.95 英寸，第一颗长焦镜头换成了更大底的传感器，而第二颗长焦镜头从 6 倍光学拓展到 10 倍光学，丹霞色彩还原镜头升级，前置从 3200 万升到 5000 万，连增距镜都从 200 换到了 300。

其中设计难度最高的，无疑是那颗 10 倍光变的长焦镜头。

罗俊向爱范儿展示了 Find X9 Ultra 的10 倍长焦镜头——1/2.8 英寸传感器搭配 230mm 的镜组，但整个模组只有 29 毫米长，其中棱镜的长度，约等于半个小拇指。

更妙的是，这块棱镜并不是一体成型的，而是由三块棱镜拼接在一起，还在中间封了一层空气用来消除杂光。这个工艺在产业链里没有先例——没有人把棱镜切成三块再粘，也没有人在棱镜中间封过空气层，当然也没有人搭建过这样的产线。

于是，一切都要从头做起。

罗俊把这颗 10 倍长焦定位为「口袋增距镜」——OPPO Find X9 Pro 的增距镜长十几厘米，而 X9 Ultra 的「内置增距镜」只有 29 毫米，但成像的素质并无二致。

正因如此，你在 OPPO Find X9 Ultra 里，能找到 14mm-230mm 的所有主流焦段，这就是相机经典的「大三元」配置。

2016 年，罗俊在 MWC 上被 OPPO 的十倍潜望长焦技术演示打动，决定加入。十年后，他和他的团队在手机里嵌入了一颗迄今为止最好 10 倍光学长焦——对罗俊来说，这是一声跨越十年的回响。

有了 10 倍长焦之后，大师模式的创作空间一下子就打开了：视频可以用 10 倍、20 倍拍，人像模式也新增了 10 倍焦段，这是罗俊三年前没想到的：

以前可能都没考虑过用 10 倍拍这些东西，突然发现素材空间又变大了，这个感觉还挺有意思。

新一代的大师模式也变得更易用、更好分享了。

罗俊说，他私心最喜欢的就是这个「配方分享」功能，用户在大师模式里调好拍摄参数、拍出照片，配方就已经被嵌在照片水印里了。

别人看到这张照片，用 ColorOS 的一键闪记功能，就能快速导入同样的配方一键出片——对喜欢打卡的小红书姐妹，可真是太友好了。

而这个功能成立的前提，恰恰是前三代把大师模式的底层管线做到了足够稳定。如果管线不成熟，配方分享出去换个场景就失效了。

好的计算摄影，就是让你忘掉计算摄影

采访快结束时，我们聊到了一个稍微务虚的问题：什么叫计算摄影的「真实」？

罗俊的回答就两句话：

一个叫所见即所得，一个叫所得即所想。

所见即所得是基础——取景框里看到什么拍出来就是什么。但他认为真正重要的是后半句：用户脑子里对一张好照片是有预期的，影像系统的工作就是尽可能贴近那个预期。

你拍一张照片的时候，是有想象一张照片效果的。不管是你看到的还是你想的，这时候是脑子在后期。

你按下快门之前，脑子里已经有了一个画面。那个画面就是你的参考系。

这让我想起，之前去悉尼旅游时的经历。那时，我专程去一个有名的打卡机位，但遇到阴雨天，人很多，拍完之后，我也对照片不太满意。

于是，我想到用豆包修图——我加了夕照，去掉了人影，修完，我觉得这就是我想要的，但，这还算摄影吗？

罗俊告诉我：

它一定是摄影。但你脑子里想的画面和你眼睛看到的之间，到底有多少比例是记录的，有多少是生成的？这个比例在不同工具、不同场景下是变化的。我们做影像系统的价值，就是把真实记录的那部分做到极致。要不然的话，咱们都靠豆包就完事儿了。

从大师模式，到重构 OPPO 影像，再到 Find X9 Ultra——在罗俊看来，这一切从来都指向同一个目标：

把脑子里想的那张照片，和手机拍出来的那张照片之间的距离，缩到最短。

真实还原，还原的不仅是现实本身，更是心里的参考系。

罗俊说，在未来，影像交互对于用户而言必须简洁——用户拿起来就拍，不再纠结，因为系统已经理解了你想要什么。

我想那时候，真实还原的理念，就已经渗透到整个 OPPO 凝光影像系统的脉络里了。

好的计算摄影，就是让你忘掉计算摄影。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

1975 年的冬天，柯达应用电子研究中心的工程师 Steven Sasson，在实验室里拼凑出了一台古怪机器。

它重达 8 磅、仅 1 万像素，按下快门后，需听着沉闷的机器运转声等待漫长的 23 秒，才能将一张黑白照片写入到飞利浦卡式磁带里。

面对极低的像素和数据存储速度，Steven Sasson 认为这玩意还需要 15 到 20 年才能真正和胶卷竞争。

之后二十年，影像行业沧海桑田。影像载体加速数字化，并在二十一世纪的头一个十年，终于如 Steven Sasson 所愿，终结了胶卷时代。但那时，相机依旧属于「家庭重资产」，人类还没法随心所欲地拍照，更遑论视频创作。

直到移动影像时代来临。

刚刚发布的 vivo X300 Ultra，搭载第五代骁龙 8 至尊版，抛出了一个令人侧目的规格：全焦段 4K 120 帧 10-bit Log 视频。

此时回头看去，才发现人类用五十年的时间，建造了一条数字大运河，并让每个人都能行船其上。

底层扩容，鲸吞光影

这条运河里奔涌的河水，本质上就是海量的「密集影像信号」。

这个听起来颇为学术、有些距离的词，实际与每个举起手机按快门的人息息相关——

回想一下早年的智能手机，你一定对这样的画面不陌生：高光死白、暗部死黑、色彩断层、帧数不高，还伴随着挥之不去的噪点。

视觉上的灾难，本质上都是因为底层图像信号处理器（也就是我们更熟悉的 ISP）「咽不下」庞大的信号。

那时的手机只有 8-bit 的量化精度。一旦环境光比超过传感器的承载极限，高光区域的电平就会发生不可逆溢出，变成一片死白；而信号的暗部，则会被 ISP 粗暴地抹平成一团带有噪点的死黑。并且物理级的信息丢失，任何后期软件都无力回天。

这个痛点，比我们想象中更持久。

厂商曾试图用增大传感器面积换取更大的动态范围解决这个问题。但时至今日，在极度受限的机身内部，单纯堆叠物理尺寸的路径已逼近极限，后端 ISP 变得愈发重要。

过去很长一段时间，受限于物理规格，手机的算力中枢停留在 14-bit 双 ISP 阶段，随着传感器捕捉的信息愈发庞大，ISP 的数据管道必须随之拓宽。

从 2020 年骁龙 888 引入 14-bit 三 ISP 以应对并发数据，到后来 Spectra ISP 迭代至 18-bit，移动平台将影像数据的处理带宽扩容了 4096 倍。如今，为了承载更密集的影像信号，vivo X300 Ultra 搭载的第五代骁龙 8 至尊版 Qualcomm Spectra ISP 顺理成章地迈入了 20-bit AI 三 ISP 时代。

别小看这区区 2-bit。在数字底层，这个单位的任何变化都呈指数级海啸：单通道色彩的量化层级从 26 万平稳过渡到了 104 万级，为底层数据提供了 4 倍的动态范围余量。

依托这层宽裕的物理基底，vivo 与高通在底层影像管线上，完成了深度的联合调优。

结果也很生猛：X300 Ultra 实现了全焦段 14EV 的动态范围覆盖。

这股庞大的数据余量，被悉数灌注进了两个极其考验底层的专业规格中——Log 格式，与杜比视界。

在 Log 模式下，20-bit AI 三 ISP 负责将传感器捕捉到的线性信号，实时映射为对数曲线。由于底层采样精度的提升，手机保留了更丰富的原始信息，从而在后期调色时能有效抑制色阶断层，扩展了后期处理的边界；而在杜比视界标准下，算力则体现为对动态元数据（Dynamic Metadata）的封装精度。它能够更准确地对准每一帧的亮度与对比度信息，使高光与暗部的 HDR 层次得到如实呈现。

落实到实际体验上，效果也很明显——我们带着 X300 Ultra 去拍摄了一场「热带极光」，凭借 Log 格式极其优秀的动态范围与宽容度，我们在夜半时分记录到离岛的渔船照亮了天际。

经过后期还原后，渐变的天空过渡自然柔和，没有出现色彩断层，噪点抑制表现堪称优秀。

至此，原本属于影视工业的宽容度规格被集成进移动芯片，在底层凿出一条数字运河的航道。普通人也就能随时随地、以手机拍摄出更高规格且具备后期空间的视频，进而有了更多的创作可能。

多摄并发，变焦丝滑

解决了单颗镜头的明暗宽容度，只是完成了静态画面的重构。

但视频的核心在于叙事的连贯性，这就引出了移动影像长久以来的另一个痛点：变焦卡顿。

在拍摄视频时，我们常需要推拉镜头来切换视角。但滑动变焦环时，画面往往会伴随一阵不易察觉的跳动，色彩和白平衡也会发生突兀的偏转。

影像的叙事感，就这样被硬件的迟钝瞬间撕裂。

症结在于手机内部的镜头各自为战。它们素质各异且受控于独立时钟，传统 ISP 的「冷启动」策略只能在变焦瞬间仓促切换。时间戳一旦错位，画面的跳帧与色彩断层便注定发生。

要在移动设备上实现顺滑的变焦推拉，就必须在底层强行打通这些相互独立的硬件。

在 vivo X300 Ultra 实现全焦段高规格视频录制的背后，第五代骁龙 8 至尊版用两套相互咬合的底层机制将硬件扣合起来——

20-bit AI 三 ISP 撑起庞大数据吞吐，让三颗镜头得以在后台保持热并发状态。即使当前只用主摄录制，超广角和长焦的 ISP 通道也已经在后台同步运行着 3A（自动对焦、自动曝光、自动白平衡）算法，为随时上场热好身。

与此同时，第五代骁龙 8 至尊版的高通多摄同步系统（MSCC），扎进最底层的硬件总线，给这些原本各自为战的镜头，强制下发了一个统一的「全局时钟」。

广角、超广角、长焦。

无论它们的物理位置有多远，传感器素质有多大差异，底层的死命令只有一个：

在同一个微秒，同时曝光；在同一个瞬间，读取数据。

时间轴，被彻底锁死。

两套机制并发运行，以此换取 vivo X300 Ultra 跨镜头推拉时，不同传感器之间的数据交接平稳过渡，从而缓解了跳帧与白平衡漂移的痼疾。

专业影像领域如河流般暗流涌动，如果没有坚固巨舰为依托、严密的团队做协同，不得逐浪其中。

如今，底层芯片的算力在小小的机身内部，用数字逻辑管控物理秩序，让没有资金与团队的创作者，也能泛舟而行。

编解码，与算力双向奔赴

在影像领域，长期存在着一个反直觉的「算力悖论」：

在普遍认知中，相机处理器并非性能怪兽，却能吞吐洪流般的超高规格视频数据；我们手中搭载着强悍 SoC、能够高帧渲染游戏大作的智能手机，但在持续的极致影像记录时捉襟见肘。

究其根本，相机的处理器（ASIC）生来只为影像服务；而手机作为复杂的数字枢纽，真正留给影像的算力其实并不富裕。

算力的拮据，逼迫过去的手机不得不向存储空间妥协——普遍采用 H.264 或 H.265 等帧间压缩（Long GOP）格式，只记录关键帧和差异信息。这种做法极大地压缩了体积，却也彻底破坏了画面的物理空间信息。

没有后期的底气，所有的前期快门都不过是碰运气。

一旦将这种素材导入剪辑软件进行二级调色，哪怕只是轻微拉扯一下阴影或高光曲线，画面立刻会暴露出大面积的马赛克色块与严重的色彩断层。

后期的调色空间被死死锁住，创意的落地、创作的可行，都无从谈起。

随着 vivo X300 Ultra 上市，长期以来的固有认知正在失效，4K 120fps Log 这类专业格式，来到手掌的方寸之间。

除了 20-bit AI 三 ISP 的持续发力，让有着高后期空间、创意可能的格式来到我们手上，此外，编解码器也功不可没——在 vivo X300 Ultra 上，vivo 与高通互相协作，成为国内首个落地 APV 422 编码的智能手机。

APV 采用的是专为非线性编辑（NLE）打造的「帧内压缩」，将每一帧画面的色彩深度与亮度信息独立、完整地封存起来。将 APV 422 格式的素材在达芬奇中调色，画面会展现出相当强的韧性，在应对节点式操作或复杂的 LUT 映射时，也能有效支撑起暗部细节与高光过渡，大幅减少了以往手机视频一拉曲线就出现马赛克与色阶断层的尴尬。

更友好的是，在提供与影视标杆 ProRes 几乎同等极致画质的前提下，APV 的底层编码机制让文件体积进一步降低了约 10%。

在内存价格飞涨的大环境下，编码效率提升有助于创作者开源节流，能省下不少钱。

性能与编解码器技术的双向奔赴，为这条大运河打造了高规格的「数字集装箱」，将信号完整且顺畅地运送到后期工作流，手机得以拥有与专业数字电影机全链路闭环无二的创作潜力。

移动影像抵达入海口

2014 年，vivo 推出 Xshot 拍照旗舰，与 X 超薄、Xplay 大屏两台机型一起组成三位一体产品线。

这台手机搭载 1300 万像素的索尼第二代堆栈式传感器、F1.8 的大光圈、光学防抖和双色温补光灯。而另一个没那么引人注目的配置，是 Xshot 配备的骁龙 801 处理器引入了双 ISP 架构，用以解决快门迟滞问题，并为高频作用的 OIS 光学防抖计算补偿角度，提供算力支持。

用底层算力辅助物理防抖的工程雏形，在今天演变为第五代骁龙 8 至尊版上 OIS 与 EIS 极高频数据握手的全焦段防抖链路。

非常巧妙的呼应。

此后十余年，手机影像能力一路狂奔，所产生的数据从溪流汇聚成洪流。 承载汹涌信息的河道，也持续扩容。

回溯至 X100 Ultra，行业首次将 2 亿像素长焦塞入受限的机身时，瞬间快门带来庞大数据拥堵。高通引入认知 ISP（Cognitive ISP），在底层提供了硬件级的实时语义分割与算力冗余，让高像素的数据吞吐不再伴随漫长的处理黑屏，干净利落。

到了确立专业影像基调的 X200 Ultra，战线被推进至更为严苛的暗光 4K 视频。面对极低信噪比的环境，依托骁龙底层的异构计算平台，影像架构完成了从传统 ISP 向 NPU（神经网络处理器）的深度交接。通过将 AI 算力前置到 RAW 域进行帧级降噪，手机终于跨越了小尺寸传感器在夜景视频中的进光量枷锁，实现了干净、可用的动态记录。

每一次前端模组与传感器的激进探索，都在对底层的吞吐能力发出严苛拷问。

如今，在 X300 Ultra 上，这场向底层索要宽容度的漫长工程，终于触碰到了工业级影像标准的边界。

回头，移动影像从「拍到」到「拍好」的河道蜿蜒漫长；前眺，从「记录」迈向「创作」的汪洋近在眼前。

数据洪流激荡交汇，骁龙筑起的河床向宽而行。

移动影像，终于在此刻抵达入海口。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

今天，vivo 一口气交出了两份旗舰手机的答卷：除了主打全能的 X300s，更重磅的看点，是当家影像旗舰 X300 Ultra。

在移动影像卷生卷死的时代，一台被官方冠以「影像灭霸」和「V 单」称号的手机，拿出了它打磨三代后的版本答案：两颗 2 亿像素摄像头，翻倍到 400mm 的增距镜，和前所未有的专业视频模式。

过去一段时间里，爱范儿深度体验了 vivo X300 Ultra，我们试图从一个摄影师的视角，去理解 vivo 关于移动影像的最新答案。

比 2 亿像素更好的，是 2 亿像素加倍

一台设备能不能拍好照片，首先取决于你愿不愿意带出家门，上手 vivo X300 Ultra 的第一时间，我们照例看看它的外观设计。

总得来说，X300 Ultra 基本延续了一贯的家族式设计，但在小细节上有所不同——手机中框采用四曲包边设计，手感比较柔和；手机背部的影像 Deco 增加了一个比边缘略小一圈的火山口过渡，在视觉上起到收拢作用；刻度纹依旧保留，为 Deco 保持精致。

在凸起的影像 Deco 中，vivo X300 Ultra 搭载了以 14mm 超广角、35mm 主摄以及 85mm 长焦，基本保持前代的焦段方案，彻底夯实「手机大三元」战略。

维持住经典焦段组合的同时，这套「大三元」迎来了本次最核心的升级：主摄与长焦双双跨入了 2 亿像素大关——这也是 vivo 自 X100 系列首次采用 2 亿像素镜头后，又一次加码押注 2 亿像素。

在手机刚搭载上亿像素的传感器时，有一个「像素陷阱」——

在当时的语境里，画面质量更多取决于传感器大小，单纯堆砌像素只会被视作糊弄外行的数字游戏。

但当手机内部空间已经极大让渡给影像，传感器尺寸大到足以支撑高像素时，用高像素换高画质，就成了唯一行得通的路径。

对于日常拍照来说，高像素最核心的意义，就是给了你后期随意裁切的物理底气。 35mm 1/1.12 英寸主摄和 85mm 1/1.4 英寸长焦的超高像素为传感器提供了宽裕的画面保留空间，就算你拍完之后只截取画面中心的一小部分，细节依然扎实。

不过，2 亿像素更多还是象征意义，毕竟日常出门很少有人愿意顶着 2 亿像素的巨大文件体积连续按快门。

因此，vivo 设定了更实用的输出逻辑：系统默认拍摄 1200 万像素，同时开放 2500 万和 5000 万像素的档位供你手动选择。

更高像素带来的增益是明显的，用 5000 万像素拍下的照片，画面的清晰度会跟 1200 万像素拉开肉眼可见的差距。

抛开高像素的硬指标，色彩是这台机器的另一大看点。

新加入的「浓郁」与「追光」风格，色彩逻辑分别脱胎于理光的正片与负片。这两套风格极具辨识度，配合高像素的扎实细节，实拍质感相当抓人。

之前几代产品，2 亿像素传感器依然存在一些优化问题——虽然解析力高，但处理画面所需的等待时间长，很打断拍摄的流畅度。

在这一代上，vivo 优化了体验上的问题，将处理管线放在了相册后台中，拍摄时不会再有阻塞感。

除了两颗 2 亿像素外，vivo X300 Ultra 的焦段还得到了进一步拓展——前代，vivo 专门设计了一颗外挂增距镜，将手机的光学焦段拓展到 200mm，而在这一代上，vivo 首先是将 200mm 的增距镜瘦身到比一管口红还小，与此同时，加入了一枚堪称疯狂的 400mm 增距镜。

用起来怎么样？

实话说，非常挑，也非常好——

400mm 增距镜的主要场景，还是聚焦在演唱会等特殊环境。如果你打算带着它去扫街，很抱歉，在高楼密布的街道里，400mm 的焦段会让画面非常逼仄，几乎没有用武之地。

而如果你将它带去打鸟，面对真实的生态场景它也稍显局促，若是在复杂环境中，将焦段裁切到 800mm 的话，很容易失焦——无论是对手机，还是对摄影师的手，都提出了更高的要求。

但从成像效果来看，400mm 的增距镜也确实带来了更极致的长焦表现，尤其是在演唱会这样的特化场景里：

顺带一提，即便在挂上增距镜的极限状态下，实况照片功能也并没有被阉割。这让你在演唱会等特殊场景中，多了一种更鲜活的记录手段。

除了实况照片，我们还非常推荐在使用 400mm 增距镜时打开 2500 万、5000 万甚至 2 亿像素档位，会让解析力更进一步。

话说回来，虽然目前体验尚有瑕疵，但我还是想肯定 400mm 的意义——常话说「拍到比拍好更重要」。影像最基础的底线是记录，在「彻底拍不到」和「画质有点糙但拍到了」之间，答案根本不需要犹豫。

相机交互更好了，但没到最好

相机交互设计，是所有影像旗舰手机都面临的老大难问题——相机功能太多、但屏幕位置太少。

对于把影像能力推到极致的 vivo X300 Ultra 而言更是如此。

在这一代上，vivo 重新设计了整个相机 UI，二级菜单逻辑变化尤为明显。

在往代机型上，二级菜单（与拍摄相关的设置）都放在屏幕顶部中。而在 vivo X300 Ultra 上，二级菜单图标放到了取景框的右下角，也就是焦段选择的右边，图片比例、倒计时、原生光影和抓拍等设置都在其中，而顶部则保留了闪光灯、实况照片、微距、两亿像素开关这类与实时拍摄关联性更强的设置，方便用户快捷操作。

不过，表面的重构没能理顺底层的臃肿。新 UI 里依然充斥着逻辑冗余：取景框右下角已经常驻了「抓拍」和「风格」按钮，滑开二级菜单，它俩居然还在占位置。

为了应对这种混乱，vivo 开放了自定义权限。通过二级菜单最末尾的「编辑」功能，你可以手动增减、重排各个区域的快捷键，借此来适配自己的拍摄习惯。

iPhone 的诞生，让手机一举迈向智能机时代。此后，所有的交互都逐渐搬移到屏幕上。这对影像而言，这其实不算好事。

专业相机功能繁杂，作为应对，厂家用花样繁多的物理按键来给多样化的功能安家——按键、旋钮、拨杆……不一而足。但对于手机而言，物理按键的消失是既定趋势，日益复杂的功能被塞进了一块玻璃屏幕里，只能靠一层层的二三级菜单承载五花八门的设置。

更何况，这一代 X300 Ultra 还砍掉了普通用户风评不算好的操作按钮和相机控制按钮，实体按键更少了，屏幕操作空间也更局促了。

但交互上的冲突并非没有办法解决，在分析 iOS 26 的 UI 设计中，我们就找到一个不错的方案：https://mp.weixin.qq.com/s/6hM-gYyafpdEOzDK_1gFKQ

相较静态照片来说，vivo 为视频专门设计的「专业录像 Pro 模式」，显得自洽很多。

在录像模式的录制键右侧，出现了一个写着「Pro」的录像机图标，点击这个图标，就进入了专业录像 Pro 模式。

将手机横置后，这套专业界面的排布逻辑显得非常清晰。 左手边主要负责全局控制，依次是模式设置、预览切换、增距镜开关及退出键；

右手边则完全留给了核心操作，集中排布着视频规格、曝光补偿（EV）、焦段、对焦以及二级设置入口。

视线回到取景框，顶部干净地罗列着分辨率、帧率、快门、ISO 与色温等关键参数；底部两侧则留给了监看工具——左下角实时显示麦克风收音电平与剩余存储空间，右下角则是直方图与电量状态。各功能区互不干扰，井井有条。

实际体验下来，专业录像 Pro 模式的完成度相当高。快门、ISO 与白平衡均支持自动与手动双轨控制，防抖与画幅等基础功能一应俱全，内置的峰值对焦也极大降低了手动跟焦的门槛。

右侧菜单顶部预留了 Log 与 Rec.709 的快捷切换键，不仅支持官方 LUT 实时监看，还能直接导入你个人常用的 LUT 文件预览最终成色。

可以说，在专业录像 Pro 模式下，vivo X300 Ultra 已经具备了一定的生产力。

这几年打磨下来，靠着高像素和生猛的外挂长焦，vivo 在静态拍照上确实稳住了基本盘。

而随着专业录像 Pro 模式的加入，意味着 vivo 开始向视频生产工具探路。除了最高 8K 的录制规格，这台机器放开了全焦段的 4K 120 帧 Log 选项，为后期留足了明暗拉扯的宽容度。

至于它的实际表现如何，后续我们还会有一条体现 vivo X300 Ultra 视频性能的短片，大家可以一见分晓。

影像手机，终于成了相机

在文章的最后，我想提一个手机之外的有趣事情。

拿到这台 vivo X300 Ultra 时，编辑部里的人不少。每一个拿起手机的人，第一反应总是看看增距镜、拿在手上体验体验、拍一拍，没人再去纠结配置。

看待影像旗舰手机的视角，已经出现了微妙的转变。

过去几年的手机影像评测，大家习惯性死磕几个数字：底有多大、单像素面积多少、进光量提升了多少。

但发展到今天，物理限制促成了一种共识：手机内部的空间见顶了，在厚度与重量的死局里，传感器很难再变出违背物理法则的戏法。

这种不再纠结参数的心态，和我平时拿起一台真正的相机时如出一辙。作为一个影像创作者，当我摸到一台新的全画幅或 APS-C 微单时，根本不会去查阅它的 CMOS 规格表。

我心里很清楚，全画幅就是全画幅，半画幅就是半画幅，它的基础画质上限就在那里，不会突然跳出一个颠覆认知的奇迹。

相对的，拿到相机后，我只关心「干活」的体验：机身握持是否扎实？菜单逻辑符不符合直觉？配套的镜头群到底好不好用？

毕竟相机从来不是一块孤立的 CMOS，而是由镜头群、色彩科学和专业工作流构成的完整系统，而这恰恰是 vivo X300 Ultra 的发力方向——用 400mm 增距镜丰富物理焦段、用克制的算法取代粗暴的暗部提亮，再加上电影机规格的录像界面。

vivo X300 Ultra，正试图从单纯的硬件堆砌，进化成一套能打硬仗的影像系统。

也正是因为如此，我看待这台手机的逻辑也有了变化——全新的 UI 界面，在拍摄时会不会让我手忙脚乱？系统各项高频功能，呼出够不够顺手？400 毫米增距镜，能不能帮我在复杂环境里带回有用的画面？

vivo X300 Ultra 并不完美——

作为一台相机，它的交互依然有繁冗之处，极端焦段的体验也还在打磨。

作为一台手机，它的硬件配置已经不再让人纠结，取而代之的，是摄影师挑剔的眼光。

当我们以相机的要求，去审视一部手机的操控逻辑、镜头搭配和界面自洽时，事情就已经悄然发生变化——

手机摄影在我们都没察觉的时候，已然跨过靠参数搏杀的门槛。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

今年春节，OpenClaw 火了。短短两个月不到，它又冷下去了——又一场 AI 应用层面的热闹。

热闹散了，没人知道下一个 OpenClaw 是谁，也没人知道这些东西究竟在解决什么问题。

用影像旗舰手机拍下一张夜景当中的人脸，细节清晰到能看见眼眶里的水光。但手机可能并不清楚，主角刚才是否哭泣，也就无法理解这张佳作的情绪背景；再用长焦技能把数百米外的一个路人拉到面前，细节纤毫毕现。但你问手机：这个人是着急赶路，还是在找什么东西？手机仍然不知道。

今天的 agent 能写代码、能操控网页、能把一份 PDF 整理成会议纪要。这些它都做得不错。但这些事情有一个共同点：处理的全是人类已经事先转好格式的信息。文件、数据库、网页，都是数字化过的世界。一旦面对物理世界，一扇门、一段动作、一个表情，它们是失明的。

从今天的大模型，到能真正读懂物理世界的所谓「具身智能」，中间有一道鸿沟，现在没有人说得清楚怎么填。

这道鸿沟，是胡柏山在博鳌亚洲论坛上花了最多时间讲的一件事。

胡柏山是 vivo 总裁兼首席运营官。在博鳌亚洲论坛，他告诉爱范儿，自己有一个很直接的判断：「在明确的物理大模型没有出来之前，要有好的体验，就要把物理世界的信息转化到数字世界。」

他相信，这件事，不仅手机可以做，而且应该用手机去做。甚至在未来十年里，其它设备都很难替代。

拼大脑，没有护城河

过去两年，几乎所有手机厂商都在说「AI 手机」。大模型接入、智能助手升级、端侧算力提升，这些能力以肉眼可见的速度在普及。

去年 DeepSeek 横空出世，今年 OpenClaw 引爆讨论，各家都在抢着把最新的模型能力塞进自己的产品。

这场军备竞赛，有一个必然的结局：大模型的高度商品化、同质化、可替代化。

拼模型能力，没有护城河。

你比友商快三个月上线某大模型，以及大模型驱动的 agent 功能；友商六个月后跟上，用的模型和 agent 能力都比你更强。时间上的领先、花费的金钱和精力，卷出的工时和损耗的员工健康，价值又是什么？

于是，真正的差异化只能在别处找。

vivo 给出的答案是「感知」。

感知，是 vivo 刚刚成立的新技术赛道。

中外互联网公司和手机品牌纷纷加速进军「AI 手机」。行业一度以为模型能力会成为手机厂商的护城河。

在胡柏山看来，实际并非如此。「相比模型而言，积累下来的场景数据才最有差异化。」紧接着他补了一句：「当然，该做还是要做，要做就找适合我们的，可以做慢一点，晚一点也 ok。」

当被问及「如果不看好大语言模型，vivo 会否发力世界模型」时，他的回答更加保守却又直接：「世界模型也很大。我们还是找适合我们的技术路径。我们先把手机模型搞好，小模型搞好。」

当今 AI / 互联网科技巨头大打人才争夺战，顶级研究精英如 NBA 巨星般抢手，转会费一再突破新高。但胡柏山并不认为 vivo 应该为这团火再添柴。他告诉爱范儿，先想清楚思路，看清方向，定好技术平台，再发力，完全不迟。

在这个所有人都在比拼模型能力和 AI 人才储备的时间点上，掌门人直接把 vivo 的优劣势与行动纲领展开在媒体面前。这种坦诚令人印象深刻：vivo 的稳健、谨慎， 究竟有何用意？

胡柏山回应称，vivo 从不回避竞争。相比模型、算力，未来最大的差异化是来自于场景数据。

场景数据，是跟着使用行为逐渐积累的，不能批发，不能抄近路——影像数据尤其如此。经过十年光学硬件积累、用真实场景训练出来的感知判断，没有捷径。

而这些积累与判断，构成了 vivo 接下来押注的「感知」的底层。这些东西，其他人（无论友商还是互联网/AI 公司）想要，也只能自己去积累。

这就回到了刚才那道鸿沟。大模型的训练数据是互联网信息，而这些信息已经被数字化。但现实世界里大多数有价值的信息，还没被数字化。那些无法或很难被转化，或者转化起来成本极高的数据，成为了 AI 走向现实世界的障碍。

光线、空间、人脸、动作、情绪，这些东西存在于物理世界，需要被感知、被转化，才能成为模型可以处理的输入。谁的感知做得好，谁就控制了大模型进入现实世界的那扇门。

现在，没有人知道这扇门后面是什么，也没有人知道最后会是谁站在那里。

押注「感知」

感知不只是「更好的相机」，这一点 vivo 很清楚。

胡柏山说，相机是记录工具，它等你按下快门。但感知是另一件事：持续观察、理解正在发生什么，把这些信息转化成设备可以直接使用的输入。7×24 小时，不需要你触发。

从「记录」到「感知」，中间隔着一个系统架构的重建。

胡柏山给这件事起了个名字：「感知一体」。字面意思，是感知到的信息和设备的决策系统要即时打通。这一点，现在还做不到。

难点在于，原始的感知场景数据，比如一段视频、一张图、麦克风收到的声音，体量巨大，格式混乱，里面大部分是噪声。把这些原始信号转化成手机真正「读得懂」的结构化信息，需要一整套专门的处理链路。

「怎么把场景数据转换成手机能够读懂的数据，是最难的。这个领域开源资源少，需要自主探索，」他说。

这也是为什么 vivo 在内部把感知设为一级技术赛道。

「一级」意味着感知不再是影像部门下面的一个子方向，它会统揽包括视、听、嗅、触等多种感官种类，和感知方向。

不过，vivo 的感知研究与研发工作仍处在初期阶段。胡柏山用 vivo 的通信研究院做了一个类比：大约 200 人的团队，从 4G 开始持续投入，走过 5G，现在在做 6G，已经十几年了。

对于感知赛道，他的预期是相似的节奏：小团队作战，先构建认知。认知清晰了，开始加油门；等待软硬件生态成熟了后，油门再往下踩。「有一种渐进式加速、螺旋上升的感觉。我们拒绝一脚油门一脚刹车。」

胡柏山不希望 vivo 做感知计算，以及做任何事情，出现拍脑门、砸大钱的做法。他认为，感知是一个天花板很高，但今天没人能说清楚正确的技术演进路线是什么的东西。「我们准备好用五年、十年的周期来持续投入。但我们对这件事的认知获取，要循序渐进。认知没到，砸钱都是烂尾工程。」

感知赛道是一个判断，但判断要落地，需要现成的积累。

vivo 的底牌是十年影像。具体看，这十年沉淀的东西有两层。 

第一层是硬件。与蔡司的合作，如今已经走到了联合研发的深水阶段，传感器尺寸这一轮 X300 Ultra 的主摄升到了 1/1.12 英寸，和索尼的合作在往提升半导体转化效率的方向走——他提到了感官技术方面的「雪崩效应」，一种可以把感光元件的进光转化率，从 90% 推到 110% 以上甚至更高的新技术路径。

在硬件层面，胡柏山的判断和行业观察者及媒体大致相同，传感器尺寸已经卷到了边际收益递减的阶段，接下来更大的空间在转化效率和外挂形态——在 X300 Ultra 上，vivo 已经做了 200mm、400mm 定焦增距镜，还有更多在路上。

第二层是算法和认知。

vivo 三年前提出长焦大底，两年后全行业跟上。但跟上硬件很容易，「为什么是那个时间点做这件事」，这个判断很难。vivo 为什么选择在那个时间点上做这件事，动机来自于在影像上多年领跑的经验所形成的认知——没有可以搬运和复制的捷径。

「算法跟认知强相关——认知知道要什么方向，算法匹配，这是需求和技术的有机结合，对手很难快速跟上。」

这个逻辑延伸到端侧 AI 上同样成立。在 X300 Ultra 上，vivo 首次提出了一种「多 agent」理念，也即：

你举起手机拍一张照片，有个 agent 在判断你在拍什么、用多远的焦段、在什么光线下——这个判断，以前需要用户自己去做。而另一个 agent 在整理你的相册，根据你过去的修图习惯推荐或自动添加滤镜，又或者它能自动把几段素材剪成一条可以直接发的短视频。

这不是那种统一的「超级 agent」，比如 Gemini 或豆包手机助手那样的，而是每个场景一个专项 agent，既互通有无，又各干各的。

胡柏山的理由很实际：现有的硬件算力撑不起一个什么都管的大 agent，手机AI的发展要结合硬件的能力上限来推进。

这些工作仰仗 vivo 在端侧 AI 推理上的持续投入。据爱范儿了解，vivo 是手机厂商当中目前在算力购买上花钱最多的——不仅是云端算力，接下来的押注方向，是在旗舰机上嵌入专用的算力芯片。

vivo 的节奏是：先把不要求实时响应的 agent 做好，影像和相册是当前优先级；全域感知是五到十年的目标，always-on、全时段在线、所有感官打通，这是最终的方向。

一切交给时间

今后十年的 vivo，会去往什么方向？

胡柏山给了一个大概的路线图：手机是现在用户的核心产品，往后至少 10 年也仍然不变；MR 需要三到四年；机器人是五年以上。

这三个方向不是各自独立的押注，底层是同一套感知能力在不同形态上的延伸。

vivo 去年成立了机器人 Lab，聚焦「大脑和眼睛」。当被问及目前进展如何，胡柏山很直接地摊牌：「2025年把阶段性目标梳理地更加清楚，2026年进入整个路径的清晰规划。」

但这对于 vivo 来说并不是问题。

在一个各家都在发布机器人样机、争相宣称「具身智能元年」的节点，承认自己还没手搓出实物，是一种不多见的坦诚。胡柏山说「手搓一个机器人不是我们要干的。」

vivo 的机器人逻辑，和感知赛道的投入逻辑是一套：先想清楚目标用户是谁，再定义场景，再识别核心技术控制点，再等技术成熟度到位。

胡柏山告诉爱范儿，目前 vivo 还在论证第一步。他们倾向于服务年轻人，这也正是 vivo 从旗舰到年轻系列产品线一直希望抢占心智的群体。vivo 的第一代家庭机器人，可能的起点，是照顾宠物和叠衣服也说不定。

但这个场景，会不会太小？胡柏山认为，不能一上来就做通用机器人，不可能刚一开始就把所有的场景都做好。如果你非要那么做，最终的结果也只能是每个场景都不及格。

诚然，今天的具身智能机器人，可能做预录制的舞蹈能做到一百分，其他场景都没有足够的说服力。特别是在家务场景，「就说打鸡蛋这件事，想要做到百分百成功率，人都不一定，机器人十年内也做不到。」

胡柏山希望，vivo 的机器人能够先把一件具体的事情做到 60-70 分，然后一代一代泛化，优化现有的场景，再获得新的能力。

喂好了宠物，场景数据就来了。场景数据够了，机器人就知道这只狗每天几点饿，进而知道这家人几点起床，进而知道这家人的生活节律。不需要一步到位，因为每一步都在为下一步备料。胡柏山管这叫「沿途下蛋」。

这个逻辑，和在手机端押注感知的逻辑，是统一的：先把影像 agent 做好，场景数据够了，感知能力才往外延伸。

但在机器人的旁边，手机扮演什么角色？「手机是最懂你的随身数字助理。你的行为习惯、偏好、你喜欢养什么宠物，都在手机里。」胡柏山说，机器人早期做不好的事，手机可以遥控介入补足。

就像自动驾驶的早期，人类一直在干预，干预产生数据，数据让系统越来越好。「手机和机器人之间，场景数据是打通的。」

当然，他也没有把话说满。感知这个赛道，其他人也在做。包括苹果、谷歌等在内都有自己的感知计算框架。vivo 在这个方向上的竞争空间，更多在手机端的小模型感知这个细分方向。这是除了苹果以外的大厂，暂时没有重点关注的地方。

今年，胡柏山给机器人 Lab 设的任务，是把路径图画出来：目标用户、核心场景、关键技术节点、以及「技术成熟到可以商业化」的时间预期。

vivo 叫停了 AI 眼镜项目。他算了一笔账：一年几十万台，不符合目标体量；两年内又做不出差异化；技术平台目前也撑不起 80 分以上的体验（超过 30g 戴在鼻子上会很累）——三个条件一个都没过，砍掉没毛病。

「三年后做也不着急，它不是关键品类。」

不过，这个决定放在今天的背景下，还是有点逆势。2025 年 AI 眼镜是行业里最热的新品类之一，这个事实有目共睹。Ray-Ban Meta 卖爆，国内跟进者一茬接一茬。

创始人兼 CEO 沈炜在年会上表示，vivo 今年的策略是「少押注，押重注」。vivo 选择给 AI 眼镜按下暂停键，但将感知赛道的存在地位升级，其实是统一的逻辑和筛选标准的一体两面：一个赛道的天花板够不够高、vivo 自身的差异化属性够不够、技术平台能不能支撑长期投入。

这种思路，与近期 OpenAI 等在内的硅谷巨头，摒弃「支线任务」，聚焦真正长板的思路不谋而合。

2026 年选定的道路，vivo 会走到哪，现在胡柏山也还给不出答案。感知一体化的技术难题还没有解，端侧专用芯片的落地有难度，机器人的路径图今年才刚开始画。

胡柏山知道这些，也没有回避。他说，认知到了加油门，认知没到宁可慢。

手机行业正在经历一个奇怪的时刻：换机周期拉长到四十个月，中国市场年销量从高峰期的五亿多部跌到现在约 2.5 亿部，存量市场的天花板清晰可见；但 AI 带来的能力跃升，又让所有人觉得什么地方似乎还藏着一点增量。

胡柏山的判断是，从 Smartphone（智能手机）到 Agent Phone（智能体手机），才是把存量市场变成增量市场的机会。而感知，是这个机会里他认为最难被复制的护城河。 

接下来交给时间。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。