總有人會淺薄地認為，你只是加了一個攝像頭，世界上也有其他超廣角攝像頭了，這有啥新鮮的？
菲爾·席勒（Phil Schiller）拿起桌上的一部 iPhone 11，打開相機，他指著屏幕兩側延伸出的取景畫面對我說：
你瞧，它實際上是兩顆攝像頭同時在運作。
眼前這位負責營銷的蘋果高級副總裁，看起來比鏡頭前清瘦不少——在緊鑼密鼓的蘋果發(fā)布會上，席勒掌控著關于產(chǎn)品和技術層面的講解時間。
但我們沒有時間在 Keynote 上解釋它具體是如何發(fā)生的，但它就在那里，從來沒有人做過。
在大約 40 分鐘的專訪里，盡管我試圖把對話引向更符合這位高管身份的話題上，但這位具備技術背景的高級副總裁，卻始終滔滔不絕地向我吐露發(fā)布會上他沒來及說的技術細節(jié)。
拍照是 iPhone 11 系列的核心賣點。正如我們此前評測，無論是三攝變焦的毫無頓挫，還是夜間模式的純凈度，iPhone 的攝影都再一次回到行業(yè)領先的位置。
芯片改變攝影
席勒把 iPhone 11 攝影的突破歸功于 A13 仿生芯片上。這塊由蘋果自研的第二代 7nm 芯片， 依然采用 2+4 的設計，即兩個高性能核心和四個能效核心設計，其中 CPU 速度最高可提升 20%，能耗最多可降低 30%，而四個能效核心速度提升了 20%，能耗卻降低了 40%。
席勒認為，機器學習是 A13 仿生芯片區(qū)別于 A12 設計的一個重點，CPU 上新增了兩個新的機器學習加速器，能以最高達 6 倍的速度執(zhí)行矩陣數(shù)學運算，每秒可進行 1 萬億次的運算。
在相同的尺寸里，A13 仿生芯片比上一代多塞進了 11 億個晶體管。那么，多出算力花在哪里？
答案是機器學習和圖像處理的性能。
最好的例子莫過于 Deep Fusion，這個被席勒稱為「計算攝影的瘋狂哲學」的功能，可以在用戶按下快門前拍攝 8 張照片，并融合一張按下快門時的長曝圖片，生成一張媲美專業(yè)相機的高動態(tài)范圍照片，即便在中低光環(huán)境下也能呈現(xiàn)更多細節(jié)。
▲ 席勒在發(fā)布會上介紹 Deep Fusion
席勒向我解釋了它與智能 HDR 的不同：在正常情況下，智能 HDR 是通過多張圖片的堆棧得到一張更好的照片，ISP 提供數(shù)據(jù)負責最后的成片，神經(jīng)網(wǎng)絡引擎只是協(xié)助成片。
ISP 意為圖像信號傳感器，主要負責講傳感器上的數(shù)據(jù)信號轉換為屏幕上的圖像。iPhone 11 取景框來自兩個攝像頭同時取景的畫面，近乎完美的拼接， ISP 功不可沒。
但是 Deep Fusion 不一樣，當你拍攝了更多的照片數(shù)據(jù)時，它們會直接給到神經(jīng)網(wǎng)絡引擎，神經(jīng)網(wǎng)絡引擎具備一種全新的模型，可以整合大量的照片——它會對 2400 萬像素進行逐一像素的比對，從而合成最終的照片。這是第一次，神經(jīng)網(wǎng)絡引擎主要去負責這個工作，而非 ISP。
那么，合成的時間？
一秒鐘！你只需要關心拍照的事，當你回到相冊的時候，它已經(jīng)靜靜地躺在那里了。
iPhone 的拍照頁面保持了 iOS 一貫的簡潔，蘋果希望幫助用戶做選擇，但背后卻有精確的數(shù)字調(diào)度。席勒透露，DeepFusion 只會在 10-600lux 下的照度下激活，如果光線低于 10 lux，相機啟用的則是夜間模式。
芯片的「大腦」
不止是蘋果，各家智能手機廠商們逐漸意識到，智能手機時代的影像，早已脫離元器件的堆積，不是 CMOS 底大一寸壓死人的粗暴邏輯，是感光元件、ISP、算法，甚至機器學習的配合與協(xié)同。
在 AI 大行其道的今天，當 AI 智慧拍照、 AI 人像、AI 美顏概念幾乎成為 Android 手機的金字招牌，蘋果顯得有些格格不入，在發(fā)布會上輕描淡寫，對媒體守口如瓶，你甚至在 iPhone 里找不到半個 AI 字眼。
在斯坦福教授人工智能歷史一課的 Jerry Kaplan 表示，蘋果不屬于社區(qū)的一分子，就像是 AI 領域的 NSA（美國國家安全局）。
席勒沒有透露更多關于蘋果 AI 的進展，但他認為，機器學習的用武之地絕不僅僅在于如何讓照片更好看：從 Siri 更自然的人聲效果到相冊的智能檢索，從提升電池續(xù)航到 AR 的光影效果，它已經(jīng)橫貫于 iOS 大小功能的細枝末節(jié)和用戶體驗的方方面面。
當我猜測說 Apple Pencil 在 iPad 的「防誤觸」是否來自機器學習算法時，席勒笑著打斷我的話：
可不止，連 Apple Pencil 的軌跡也是機器學習去預測的，它知道你可能會畫到哪里。
事實上，機器學習在 iPhone 中無處不在，正如 Backchannel 主編 Steven Levy 提到的，你的 iPhone 早已經(jīng)內(nèi)置了 Apple Brain。
Apple Brain 就是那顆 A13 仿生芯片——與其他大公司利用云端運算做機器學習不同，蘋果調(diào)用的完全是本地芯片的能力。
這個「大腦」有多大？iPhone 上有多少用戶數(shù)據(jù)緩存可供機器學習調(diào)用？
對于絕大多數(shù)公司，這個大腦可能是數(shù)以 TB 級的云端數(shù)據(jù)，但對于蘋果而言，只有平均 200 MB——這些大到你的聲音和面部數(shù)據(jù)，小到你滑屏的軌跡與習慣，都以加密的形式存儲在 iPhone 的芯片之上。
從用戶角度看，這種行為的確令人尊敬，但利用本地芯片做 AI 無疑是一條更艱難的賽道。
「的確很難，這意味著我們需要在芯片上投入大量的精力，意味著我們必須找到軟件的方式去訓練模型?！瓜照f：
我們愿意這樣做，不僅僅是因為本地運算更快，還因為——沒有人不在意自己的隱私。
芯片是蘋果護城河最堅固的那部分
自從 2008 年收購芯片制造商 P.A. 半導體，并在 iPhone 4 和初代 iPad 上采用首顆自研處理器 A4，蘋果逐漸與 ARM 公版設計分道揚鑣。到了 iPhone 5 所采用的 A6 芯片，蘋果真正的設計實力與野心才開始逐漸展露。
從核心的 SoC，到協(xié)處理器、電源管理芯片，蘋果正在一步步讓半導體元器件的設計掌控在自己手中。
蘋果芯片的客戶只有自己，好處在于自己才更能了解自己需要什么，并將其發(fā)揮到最大的價值，從而達到軟硬件的高度契合。
今年 3 月發(fā)布的第二代 AirPods 上，蘋果首次為耳機產(chǎn)品研發(fā)了芯片組 H1。
對于大眾而言，H1 芯片帶來的升級，遠不如加個新配色或是改個外觀來得吸引人，但芯片卻直接關乎著左右耳連接的穩(wěn)定性，以及低延遲表現(xiàn)，這恰恰是競品與 AirPods 差距最大的部分。
用戶對蘋果芯片實力的感知并不直觀，很多人覺得 iPhone 好用，卻道不出其技術緣由，簡單粗暴地把用戶體驗歸為 iOS 的老本。
人們往往會忽略蘋果的整個生態(tài)系統(tǒng)。
芯片是一個門檻更高的產(chǎn)業(yè)，很難被競爭對手模仿與跟隨。某種意義上，自研芯片才是 iOS 生態(tài)系統(tǒng)的核心，是整個護城河里最堅固的部分。
芯片的研發(fā)周期大約在 2-3 年，涉及多個團隊，這期間架構工程師要同數(shù)目龐大的軟件和硬件人員共同協(xié)作。芯片團隊每周都要和其他團隊當面溝通。
Anand Shimpi 曾是?AnandTech 的創(chuàng)始人，加入蘋果后負責芯片業(yè)務，就在采訪前，他剛剛和 GPU 部門的架構師開了一場會：
攝像頭經(jīng)常會用到 GPU。這有兩方面影響，芯片部門設計的 GPU 可以告訴相機部門如何把它用到最好，而相機部門的需求也會指導 GPU 未來的發(fā)展。
接近十年自研芯片的歷史讓蘋果對 A 系列芯片非常自信，不僅發(fā)布會史無前例地在 Keynote 吊打兩大競品，在采訪中，席勒也毫不掩飾地評論競爭對手：
他們很難持久，他們也許會關注單一性能的指標，而我們更在乎每瓦的性能……我們不銷售芯片，我思考的只是如何讓體驗更好。
采訪結束后，當我掏出相機合影時，席勒指著我的相機笑著說：
Not very smart camera, but a big lens.
