搞计算摄影的团队不少，Glass Imaging 是其中挺特别的一家。他们做的是用 AI 和神经网络直接处理手机摄像头原始 raw 数据，绕过传统 ISP 图像处理流程里的很多限制。这项技术已经在荣耀 600 这台手机上落地了，主要解决的是变焦摄影的问题——这台机器没有独立的潜望长焦镜头，是靠裁切 2 亿像素主摄来实现 " 变焦 " 的。

一个正在发生的转变

手机摄像头这几年一直在和物理极限较劲。像素越来越小，现在旗舰机的单像素面积已经到了 0.56 微米这个量级。再往小走，传统图像信号处理器就开始力不从心了——光学衍射、镜头慧差、色像差这些问题，传统 ISP 根本没有模型去处理，只能做粗暴的锐化和降噪，往往把细节抹掉了事。

Glass Imaging 的思路是：既然无法改变光学物理，那就把光学物理建模进神经网络里。他们为每一款机型的镜头和传感器组合，专门训练一套端到端的神经网络，而不是用一套通用算法套所有机型。具体做法是测量每一个镜头模组的点扩散函数（PSF）、传感器特性和噪声特征，让神经网络在 RAW 阶段就学会 " 逆向求解 " ——把光学降质在源头就纠正回来，而不是事后用锐化掩盖。

这个区别很关键。传统 ISP 是一步步串行处理：去马赛克、降噪、再锐化，每一步都会丢失信息，后面的步骤永远补救不回来。Glass Imaging 的做法是全程端到端训练，所有步骤并行完成，RAW 数据进来，成片出来，中间的信息损失被压到最低。

实测对比：荣耀 600 vs iPhone 17

拿荣耀 600 和 iPhone 17 做对比挺有意思，因为两者都没有独立长焦镜头，都是靠裁切主摄实现光学品质变焦。荣耀靠 2 亿像素主摄裁切，iPhone 靠 4800 万像素 Fusion 主摄裁切。

荣耀 600 AI 变焦示例

iPhone 17 长焦——它使用 4800 万像素 Fusion 摄像头的裁剪效果，实现了 " 光学品质 " 的变焦效果。

Honor 600 搭载 GlassAI（左）对比 iPhone 17（右）

在荣耀 600 上，变焦的实际工作原理是这样的：2 亿像素主摄默认 16 合 1 像素合并成 1250 万输出，等效单像素 2.24 微米；一旦进入变焦模式，就回到了那 0.56 微米的原生小像素——这里恰好就是画质最容易翻车的区间。像素越小，光学衍射越严重，传统 ISP 的盲区就越大。

Glass Imaging 给出的数据显示，在像素从 0.75 微米缩小到 0.35 微米的过程中（这正好覆盖了荣耀 600 传感器的工作范围），神经网络的解析力（MTF50）提升了 50% 以上，而传统 ISP 基本原地踏步——因为它根本没有光学模型，额外的像素密度带来的细节增益全被残余模糊吃掉了。

在混合文字和线条图案的测试中，传统 ISP 在小像素区间因为 Hex CFA 去马赛克的伪色和未矫正色差问题，文字几乎无法辨认；神经网络则能在整个焦段恢复出可读文字，越是小像素区间提升越明显。

不是凭空创造，是找回丢失的真实

" 在混合文字图（拉丁文和日汉汉字）上，由于 Hex CFA 去模和未校正的色差导致严重伪影，传统 ISP 输出在所有配置下基本无法读取。Glass Imaging 解释说，神经 ISP 能够在整个音高范围内恢复可读的文字，在更小音高下渲染效果逐渐更清晰。

对于 "AI 是不是在瞎编细节 " 这个问题，Glass Imaging 倒是回应得很干脆：他们的模型不是在创造不存在的细节，而是在恢复 " 镜头实际拍到了但传统处理流程把它弄丢了 " 的信息。输出结果对镜头前的真实场景保持真实，避免那种过度锐化、人工感强的 " 计算摄影味 "。

这也解释了为什么他们的技术更适合中端机和折叠屏这类没有独立长焦、但又想做好变焦体验的机型——空间有限，没法堆镜头，就只能从计算摄影上找补。

" 在收敛的光线图案中，更高的像素密度有助于分辨更细的线条。然而，传统 ISP 在较小像素尺寸下仍会显示莫尔条纹效果。Glass Imaging 表示，Neural ISP 能够清晰地解析因 PSF 感知的反卷积而产生的线条图案，在 0.35 微米处比 0.75 微米时更为细致。

Glass Imaging 说，接下来会出现在更多机型上，不只是手机，还包括可穿戴设备、无人机、车载摄像头、医疗影像等领域。用他们的话说：" 像素缩小到某个临界点之后，传统光学和 ISP 的组合会碰到一堵物理墙，继续靠堆像素已经没用了。" 这堵墙，也许就是 Glass Imaging 这类技术真正开始接管的时候。

-