解析消费级相机的未来

最近二十年，相机行业发生了天翻地覆的变化。笔者作为摄影爱好者一直尝试使用各类相机，也作为前大疆的设计主导和产品经理亲历过无人机和手持云台的发展，积累了一些思考。在手机当道的今天，未来的相机会何去何从？今天我们来探讨一下。

两次颠覆

在预测未来前，先回顾一下过去的发展轨迹。下面这幅产量图，灰色代表胶片相机，蓝色绿色都是数码相机：

可以看到数码相机在很短时间内就抢占并扩张了胶片机的市场。九十年代末才进入市场，四年后到了2003年，数码相机的数量就已经是胶片机的3倍，到了07年胶片机甚至已经基本绝迹。

是因为数码相机的画质更好吗？

并不是，03年的数码相机大约只有三百万像素，照片的清晰度和宽容度都不如胶片。主要原因是产品的使用方便性/易用性有了数量级的提高。

绝大部分人拍摄照片的目的并不是单纯拍张照片记录现实，终极需求是把它分享出去，获得赞同和共情，才能达到最终的满足感。胶片机要完成这一个过程，从买胶卷，拍摄，拿去店里洗出来，不仅需要劳神费力，还需要等待数日，才能看到自己拍的照片是什么样子，也只能分享给身边的朋友观看。如果想分享到线上，还需要扫描，并用电脑上传到网络相册。以上每个步骤都需要花费额外的金钱和时间。而数码相机就摒除了这一切，虽然画质不行，但是拍完立马可见，也不用担心胶卷钱可以随意拍摄，拍完了直接复制到电脑里就能上传到网上。几天的周期缩减为小时，并全程免费。

再后来，手机上开始搭载摄像头，到后面智能手机的普及，又将拍摄和分享这一过程从小时压缩到了分钟的级别，再一次颠覆行业。

同时还有两个很大的进步：

• 分享和浏览其他人的照片不再依赖电脑，在手机上就可以完成。
• 手机的便携性强于数码相机，并且人本来就需要携带手机，所以没有额外携带相机的负担。

这也就导致了大部分人只要有手机就够了，不需要再单独买相机。这是智能手机出现后的图表：

黄色代表智能手机，对普通数码相机形成绝对碾压，把原本蒸蒸日上的传统相机企业打得措手不及（从2000年高速增长到2010年后就一落千丈）。注意，此时手机相机的画质也是不如普通数码相机的。

从计算摄影到机器人摄影

这两次消费级相机的更新换代，都伴随着产品使用成本的大幅下降（包括金钱，时间，和携带的总体使用成本），照片画质降低，以及销量大幅提升。

人是很懒的动物，大部分都愿意为了方便而牺牲质量。（这在其他行业也屡见不鲜，比如音乐和电影，如今大部分人都不会再去买音质画质更好的CD/蓝光碟，而会选择在网上点播严重压缩过品质的mp3/视频。）

这也是破坏性技术变革的特征之一：性能较差，前期利润率低，但能满足低端市场需求。市场培养起来后，由于量大有充足的研发资源投入，再逐渐实现性能反超（目前数码相机的画质和性能已经超越了胶片相机，而发达地区也能够在网上点播无损音乐或者 4K HDR格式的视频），如图所示：

套用上面的图表来看消费级相机行业，可以得出：

• 第1种技术就是胶卷相机的光学和胶卷

——基本已经停止进步了；

• 第2种技术主要是传统数码相机的数字传感器（sensor）

——目前进步缓慢（我七年前购买的尼康D600，目前还排在DXOMARK的                        sensor排名前20，并且和第一名的哈苏中画幅相机都差距不大）；

• 而目前正在快速发展的第3种技术，重头戏是相机（或手机）的处理芯片和软件，也叫做computational photography（计算摄影学）。

由于尺寸限制，导致手机摄像头的光学部分严重先天不足，但是通过强大的处理器以及智能的软件后处理，可以让手机直出的照片，在日常场景中逐渐接近传统相机。如常用的自动HDR，夜拍模式，自动拼接，场景识别，景深模拟，滤镜，人物美化等，已经深入渗透到日常的拍摄当中，这在以前传统数码相机时代都是需要摄影师花大量时间在电脑上完成的。而如果传统相机也搭载上强大的芯片和computational photography 功能，也会更上一层楼。（其实人眼也有不少先天缺陷，比如有盲点，周边视力分辨率低，感光细胞被血管和节细胞遮挡等，但由于大脑强大的后处理，一般情况你都感觉不到这些缺陷）

这也揭示了相机发展的另一条线索：

• 早期胶卷相机：纯光学仪器，需要人来做出所有的拍摄决策和后期处理（洗照片）
• 传统数码相机：有辅助系统的相机，可以帮助人做最基本的决策（光圈，快门速度，ISO，对焦等）和后处理（RAW转JPAG）
• 智能手机：光学系统最弱，但是有较强的处理芯片和软件系统，可以做简单的决策（场景，物体识别）和后处理（滤镜，美化，HDR，拼接等）

那么我们可以推断，未来推出的相机将会拥有强大的处理芯片和人工智能，可以做出复杂的决策，甚至自主完成拍摄和后期整个流程。

而这时候相机就可以被叫做摄影机器人了，到时 computational photography（计算摄影）也会进化成robotic photography（机器人摄影），而这也会与目前发展的机器人视觉息息相关。

这和汽车的发展路径非常相似，从一开始的纯机械手动挡汽车，到自动挡配有简单的辅助功能（ABS防抱死，TCS牵引力控制等），到配有ADAS高级驾驶辅助系统（自适应巡航，车道偏移报警，碰撞避免等），最后到未来的全自动驾驶。目前市面上大部分汽车还是L0-L2的水平，只能做一些辅助的决策，而驾驶最重要的决策：方向和加减速，还是由人来决定。

对于摄影来说，光圈快门等基本决策，只能决定一张照片是否合格，而真正决定一张照片是否优秀，最重要的拍摄决策其实是构图（相机空间位置和镜头指向），以及按下快门的时机。拍摄者需要根据自己经验，审美，以及想象力来预测，将相机放置在什么位置，镜头对着哪个角度，取哪个区域的画面，在哪个瞬间按下快门，会产生精彩的照片。通俗的讲就是要有「发现美的眼睛」。

而最重要的后期决策其实是：选照片。摄影师以审美和眼光，来判断哪张照片拍得好，再进一步用合适的风格去调色处理。

同理，对于视频拍摄来说，最重要的决策就是运镜（相当于动态的构图）和剪辑（选择哪段视频，以什么样的顺序和节奏拼在一起）。尤其是剪辑，是一项相当耗费时间和耐心的工作，要从几小时的视频素材里剪辑出一分钟的视频，就可以在电脑前耗费一天以上。

这些因素是一般人拍不出精彩照片的原因所在，也是目前主流相机爱莫能助的。所以不少人虽然拥有昂贵器材，却依然拍不出好的作品。

因此，目前对普通人来说，拍摄的两大痛点是：

1.      缺乏眼光，想象力和拍摄技巧，难以拍出精彩照片/视频

2.      做出合适的后期处理需要审美，技巧以及大量的时间

如果下一代产品能解决这两个痛点，就能颠覆现在的相机。现在的产品已经做到了让每个人都能拍的目标，那么下一代产品就是要做到让每个人都能拍好，甚至不需要人拍。而做到这一点的，可能不是传统相机公司，而是人工智能/机器人领域的公司。

相机智能化分级

模仿自动驾驶标准，下面我给相机的智能化分了级别：

目前主流相机只达到L1-L2的水平。由于手机无法移动自身的位置和镜头角度（除非搭配配件），无法完成自主构图，只能在其他地方做文章。

比如索尼目前推出的自动快门功能：只要打开相机app，手机就会开始分析动作和笑脸等，在后台自动拍摄若干照片，等你手动拍摄完毕后，可以和自动拍摄的做比较和选择。

而在 computational photography 这方面，Google目前走在了前面，除了自家的pixel手机用很差的硬件（单摄像头）就达到了很高的拍摄质量外，Google相册也提供了很多自动后处理的功能。你拍摄的任何内容，都会在后台被自动分析和处理，比如：

• 自动选择一些照片做风格调色
• 把连续拍的几张照片自动对齐做成GIF动画
• 把同一个地点拍的几张照片合成全景图
• 将一次活动（婚礼，或者旅行）的所有照片自动做成一个相册或者拼贴
• 识别照片的内容，让你以后可以直接用文字搜索到这张照片（如人名，地点，活动，物品名称等）

这一切都完全不需要用户干预，会在后台自动完成，用户只需要保存自己喜欢的成品就可以。这个方向发展下去，只要做到足够智能，基本上就可以解决目前相机的第二个痛点。这个app（GooglePhoto）在Android和IOS上都能下载，评价很高，感兴趣的同学可以翻墙尝试。

Google通过在Android上预装以及IOS上大量用户主动安装这个相册app，可以收集海量用户拍摄的内容（拍摄后自动上传云端且没有空间限制）和行为（哪些照片被选中后期并分享，哪张照片被删除），积累了大量机器学习的素材和经验，这也是Google在未来相机智能发展的一大优势。Facebook也拥有全球最大的摄影分享平台Instagram。反观国内，没有一家这样的企业能做到这个量级，拥有主导AI摄影的潜力。（百度腾讯，请到走廊外面反思）。

新品类消费级相机解析

讲完手机，我们来分析一下目前几个新品类消费级相机（运动相机，360全景相机，无人机，手持云台相机）的优势劣势和未来的潜力，也许在这之中会出现下一个颠覆者。

运动相机

运动相机以GoPro为代表，是体积小，防水耐摔的鱼眼镜头相机，广泛用于极限运动（冲浪，滑雪，潜水，山地车）等容易造成一般相机损坏的场景。由于能轻易安装到各处，可以拍出很多独特的视角。更多用于拍摄视频。属于户外运动达人展示自己的必备器材，但对于一般人来说，使用频率很低，比较鸡肋。

从GoPro 2002年创立到现在，产品和市场基本成熟稳定，之前一大痛点是视频在剧烈运动中抖动的问题，目前新一代产品也已通过机内数字视频防抖（EIS）功能很好的解决了。（有趣的是大疆刚刚进入了这个市场，且看之后会有什么新的发展）

剩下最大的痛点，是「拍摄一时爽，剪辑火葬场」，一次拍摄动辄几小时的视频素材，剪辑的工作量巨大（光看一遍素材就要几小时），可能需要几天。导致有大量拍摄的视频是直接进硬盘吃灰，白白浪费，降低下一次使用的积极性，让使用低频的问题雪上加霜。就连我之前进行直升机滑雪拍的视频，放了快两年了也没有剪辑，只处理了照片（上图），之后也几乎没有再用GoPro。

Gopro也意识到了这个问题，收购了剪辑软件公司推出了Quik这个app，方便用户在手机上剪辑视频，同时也具有自动剪辑的功能。然而体验依然不理想，需要将大量视频从GoPro传到手机，而自动剪辑的智能程度依旧停留在比较智障的水平。

要真正做好自动剪辑，机器首先要分析和理解视频素材中的人事物，识别出哪些片段值得放入成片（有精彩的动作，重要的人物，难忘的表情，美丽的风光，或者有趣的事情等），再配上合适的音乐，以合适的节奏和顺序把这些片段接到一起。而目前硬件的算力和软件的智能程度都做不到这一点。如果哪个公司做到了，就解放了大量时间，用户拍摄和分享的积极性也会大大提高，运动相机也许会重获新生。

手持云台相机

消费级的手持云台相机以大疆的OSMO系列为代表，是将云台与相机结合的新物种，通过三轴机械云台，可以过滤掉任何手持和运动过程中产生的抖动，保证拍出平稳的视频，适合Vlogger（视频博主）等业余视频制作者，也可以做为专业视频工作者的补充相机（Bcamera）。由于机械云台不耐摔不防水，因此只能适用于一般生活场景，不适合极限运动。在数字视频防抖（EIS）已经做得越来越好的情况下，机械增稳对于一般用户也不是刚需。

目前这个产品的主要卖点是「视频增稳」，但这个产品形态在未来有着更大的可能性。

前面说了，由于手机无法移动自身的位置和镜头角度，因此与自主构图无缘。然而云台相机可以通过机械云台主动控制镜头在xyz轴上自由转动，已经具备了主动构图中调整镜头角度这一条件；虽然还不能移动自身位置，光凭镜头角度的调整已经能完成基本构图工作。接下来只要辅以足够的人工智能，让相机能够做出构图相关的决策，云台相机就能进入到L3的等级。在位置不能移动的情况下，构图相关的决策也就简单了很多，主要是考虑下面三点：

1.      哪个是应该拍摄的主体？

2.      主体放置在画面中的什么位置？

3.      环境中其他物体哪些是无关干扰应该排出在画面外，哪些有助于表达主题而应该留在画面里？

第一点相对简单，一般用户拿着产品正对着方向的一般就是，这时候通过人脸识别/物体识别再进一步锁定就可以。稍难的主要是第2，3步，因为涉及到审美判断，根据情况不同，会有不同的选择。下面以我拍的几张照片为例介绍一下摄影构图的逻辑：

这张照片，由于妈妈和小孩的动作成对称姿态，我就将对称线放在了中间，强化对称感。

而原图是这样的，可以看到周围有其他的人和船，在这里他们为干扰项，于是被排除出画面外。

这张照片中小孩就在偏右方，他的眼神外眺，突出调皮可爱的感觉。周围的其他杂物也被排除在外，只保留小孩和彩色的墙。

这两张照片背景比较对称，又是单人主体，于是采用中心构图，然而为了突出闹中取静，以环境的热闹对比主体的孤独，故意将路人保留了下来。其中图二用了0.6s的长曝光，将移动的路人模糊化，突出主体，同时做动静对比。

这是在路边卖火鸡的男孩，因此需要把火鸡保留在画面里而不是剔除掉。由于火鸡和路牙形成了一个斜对角引导线往右上方指向小孩，因此把小孩放在画面右上角，画面更加平衡。（如果用长曝光或者更大的光圈将背景的车模糊化，突出小孩效果会更好）

这些都是摄影师在拍摄时需要根据场景，被摄主体，以及自己的审美和创作意图去做的判断和决策。如果AI能做到，就能让云台相机自主拍出比一般人类水平更高的照片/视频，革命掉普通的相机，也可以拓宽很多以前没有的使用场景，比如：

• 常置在家中，随时拍摄家中小孩和宠物突发的，不经意的精彩片段。同时作为监控，出了事故可以警报家长。
• 旅行时挂在背包上，胸前等，一直观察，有好的机会和场景随时拍摄。这样就不会为了把相机拿出来拍照而打断和干扰了自己的体验。

只是目前的产品都还比较智障，搭载的算力和智能都远远达不到这些要求，还停留在不论三七二十一通通把主体放在画面中间的水平。

无人机

无人机以大疆Mavic系列为代表，是一种将四旋翼飞行器，机械云台以及相机结合的产品（可以点击结尾的阅读原文查看我以前在知乎写的Mavic设计过程介绍）。由于可以飞行，能够拍到很多一般人和相机都拍不到的独特视角，是其他相机所无法取代的，也成了摄影爱好者和影视工作者的必备器材。非常适合拍摄风光，户外运动，建筑等大场景，不适合室内以及近距离人像。由于操作较其他相机复杂，产品的使用风险也比其他相机大（飞行中容易损坏，丢失，也可能伤人），在不少地区都限飞或者禁飞，限制了无人机在主流市场的进一步发展。

无人机相当于搭载了云台相机的飞行平台，不仅可以调整镜头角度，还可以移动自身的位置，相当于拥有了完全自主构图的物理可能性。只要足够智能，就可以达到L4的水平：完全自动拍摄。这是目前所有其他相机所没有的潜力。

要达到这点，无人机首先要能自主并且绝对安全地在各种环境中自由移动，不能撞到障碍物，更不能伤人。目前大疆无人机已有一些简单的自动飞行功能，如避障，巡航，跟踪等，但可靠性距离完全自主还相距遥远，需要人类操作员密切注意运行情况，否则很容易发生事故，大概是L2的水准。而美国SkydioR1无人机，通过搭载NVIDIA Jetson的AI处理芯片和13个相机，让环境感知和理解的能力大大增强（甚至可以在树林中灵活穿行），自主飞行达到了L3的级别，但牺牲了便携性，续航，抗风性，画质，以及售价（2000美元），属于剑走偏锋，不适合普通消费者。

有了自由移动的能力后，就可以做自由构图了。自由构图和之前云台相机的固定位置构图又不一样，复杂性大大增加。固定点构图的相机位置已经固定，能看到的画面也就固定了（不考虑时间变化的话），选取合适区域取景就可以。而自由构图除了考虑主体放置在画面中的什么位置外，还要考虑主体和周围环境的位置关系并做调整。这需要对空间的理解和想象能力。摄影师在看到一个场景或物体后，脑海中就可以构建一个大致的三维模型，并可以预测（想象）如果从其他位置和角度看会是什么样子，哪个位置和角度能产出最佳的效果，这也是对摄影师创造性要求最高的一个环节。

以我在南美用MavicAir拍的两张宣传照片做例子：

这是普通的视角，由于小艇左边有冰川，于是选择把无人机飞到小艇右边，以冰川作为背景拍摄。如果无人机在小艇左边，那拍出来的背景就会是普通的大海蓝天，效果便差多了。同时，看到碧蓝地海面上浮动的大片洁白冰块，想象到如果从正上方往下俯拍，会出现很有意思的图案纹理，于是又出现了下面这张截然不同的照片：

下面是我在青海给Mavic Air做高原测试时顺便拍的照片：河水在沙地上形成的河道仿佛一只飞翔的青鸟。这种构图就需要人的联想能力。如果只是普通往下拍，而没有青鸟的主题，这张照片就失去了意思。

上面的决策过程对人类来说自然简单，对于现在的AI来说却是非常困难的，尤其是审美，想象和联想的能力。这是需要将人文艺术和科技深度结合的领域，能做到的公司屈指可数。

目前大疆无人机也有一些简单的自动拍摄功能，如把人物放在中间并跟踪拍摄，和一些预设的拍摄轨迹（环绕，飞远，飞高等），也能拍出精彩的视频。但在什么情况下用什么模式，从什么角度拍效果好，还是需要人来判断，无人机只会机械地去执行。不过我相信，在未来无人机会成为一个自主摄影师的角色，可以全自动拍摄出精彩内容。到时连遥控器都不是必须的，人只需要下很笼统的指令如「拍一下那座山」，「给我和这个冰川合个影」就可以了。而那时无人机甚至会像摄影师一样给人下指令，如「请往左边走一点」，「朝右边看」，「确定到哪都要挥舞丝巾吗？2040年已经不流行这个了」。

全景相机

消费级全景相机以insta360为代表（GoPro也有，但价格过高），主要通过缝合正面背面各一个鱼眼相机镜头拍摄的图像，产生360度无死角的照片/视频，再通过后期裁剪，也可以输出普通视角的内容。由于拍摄时不需要考虑镜头指向，非常方便，但是同时也造成后期的处理和剪辑比普通相机麻烦很多。不同的创新玩法很多，也造成使用全流程比普通相机复杂，是一把双刃剑，目前还属于非常小众的范畴。

不过这也是在未来很有潜力的相机形态。

首先它有机会取代普通运动相机。因为运动相机本质就是一个单鱼眼相机，全景相机只是在背后多加了一个鱼眼，功能完全可以覆盖普通运动相机。而它又多了很多普通运动相机没有的功能和玩法，比如子弹时间，擦除自拍杆（效果接近无人机近距离跟拍），自由切换FPV视角和自拍视角等，这些对于运动拍摄都非常有用。

其次，因为有360度的视野，没有视角限制，天然适合做EIS（电子增稳），并可以通过裁剪来自由取景，也相当于兼有云台相机的功能，在搭配上足够的智能后就可以自主构图（现在手机上也逐渐搭载了超广角镜头，也有这部分潜力）。

它目前主要有两个大的短板：

1.      画质较差：因为本身传感器尺寸就小（1/2.3寸左右），全景视野裁剪到正常视野又会大大降低分辨率，再加上全景镜头畸变，就导致全景相机的画质是目前所有品类中最差的。而以目前的技术，要通过硬件（光学，传感器）来提升画质，成本和体积一下子就会超出消费级的范围。

2.      后期剪辑非常麻烦，因为拍摄的时候是把360度视角全部摄入，因此后期还要在软件里先进行人工取景，才能开始正常的剪辑工作。虽然后期自由度非常大，可以玩出花来，但是相应的工作量大，对技术要求也很高，不适合一般消费者。反正我只剪过一段10s的视频之后就不想再剪了。

这些在未来是可以解决的，自主取景和自动剪辑之前已经讨论过，而画质其实也可以通过人工智能提高，目前也已经有了一些前沿的结果，可以看看下面这些通过机器学习后期提升图片分辨率的Demo：

这是Google的RAISR（Rapidand Accurate Image Super Resolution），左边是原图，中间是传统插值法提升分辨率，右边是机器学习算法提升后的图。

上面是传统插值法提升分辨率，下面是AI提升分辨率。有兴趣可以去https://letsenhance.io/尝试。

这个Google的技术更夸张一点，叫PixelRecursive Super Resolution，可以将马赛克还原成图像。就是将最右边的原图打上很重的马赛克（变成左图），再让AI去猜测和还原成中间的图像，可以看到和原图已经很接近。

因此在 computational photography 以及人工智能越来越发达的未来，全景相机的画质也可以提升到满意的水平。尤其是当今大家浏览图片和视频，大部分都是在手机的小屏幕上，画质也就更加不重要了。比如下面两张我在同一时间地点拍摄的照片，一张是用MavicAir（几千元，搭载的相机大概是17年主流手机的水平）拍摄，另一张是用哈苏中画幅相机（一套相机镜头十万以上，它的sensor在目前DXOMark上排名第一）拍摄，你能判断出画质的区别吗？因此，下一代相机的革命之处一定不在于画质。

参考之前的相机革命，也是产品使用成本的大幅下降（包括金钱，时间，和携带的总体使用成本），照片画质降低，以及销量大幅提升。而全景相机小巧全能，未来又能做自主构图和后期剪辑的话，是有潜力的。

跨越鸿沟

目前这些新品类的相机，和手机比起来，虽然功能新颖多样，但使用复杂，适合有能力有时间有闲钱去折腾的创作者和科技尝鲜者，却不太适合一般消费者。年销量也停留在百万级以内，上不到千万级。

在科技经典著作《跨越鸿沟》（crossing the chasm）中，作者对市场做了早期市场和主流市场的区分，而他们之间有一个鸿沟，在早期市场成功的产品不一定就能顺利进入主流市场。而在没准备好的情况下强行进入主流市场，只会适得其反。比如市面上一些主打低端小白用户定位的无人机，销量就远不如主打中高端/准专业的Mavic系列，原因就在于当前无人机还没做到足够的安全简单易用，可以真正进入主流市场的地步（本文对于产品的优劣评论也仅针对主流市场，对于高端/准专业市场又会有不一样的逻辑）。

目前手机相机已经满足了消费者的刚需，而拍更好更独特的照片视频对普通消费者来说只是软性需求（对专业人士是刚需），在目前这些新品类相机使用成本这么高的情况下，选择不买是很理智的决定。运动相机，云台相机，无人机，全景相机，每个都要好几千，每个一年可能也就能用得上几次，平时都在吃灰，平均下来每次的使用成本不菲。而后期和剪辑麻烦又说明时间成本也高，同时还需要掌握不少使用技术技巧。使用的经济，时间，技术成本三高，像早期胶片相机的情况：胶卷贵，手动曝光对焦难，洗胶卷时间久（最早还需要摄影师亲自下暗房洗照片）。

如何降低时间和技术成本，就是通过AI自主拍摄和自动后期处理。而这要求相机上搭载极高性能的处理芯片，又提高了经济成本。

也许需要设计出一个更加全能的相机形态，能尽可能覆盖运动相机，云台相机，无人机，全景相机的使用场景，这样只需要一台设备就能满足多种低频拍摄需求，来提高产品的使用频率，间接也就降低了单次使用的经济成本。毕竟除了摄影发烧友，没人会把每种相机都买一个。我们现在有一些初步的产品构思，之后有空也许会设计一个概念产品发布，有兴趣可以关注。

话说回来，本文对未来的设想离现实还有距离，人工智能要达到人类审美和自主创作的能力也还需要很多年，更别说要集成在消费级便携产品上了。在可以遇见的未来，手机还会是绝对主流的相机，其他独立相机只能作为辅助的角色。值得欣慰的是，在手机相机，无人机/云台相机，和全景相机方面，华为，大疆和insta360等硬件企业（但软件和AI企业还不够）目前都走在了世界的前列，国内也还有初创公司在做新相机的方向，未来可期。