你上一次打开全景相机，是什么时候？
几个全景品类的老用户告诉我：全景相机很容易「吃灰」。他们当年冲着拍出酷炫的运动视频下单，到手之后发现不是没有相机，而是没那么多时间去滑雪、潜水、登山……机器用了几次就放抽屉里了。
不过，更多最近一年入手全景相机的朋友，给出了完全不同的答案。他们的使用场景不再局限在户外运动，亲子、旅行、自驾游是他们更主流的使用场景。
从整体影像市场来看，相比起今年爆火的云台相机，全景相机的增速自然更慢。核心原因是两个品类的目标和任务复杂度不同：
前者最核心的任务之一是「拍好人像」，实现这个目标的方式相对明确和收敛；而后者则希望接管用户从按下录制到拿到成片的整个链条，做到「无感记录」。这件事的天花板更高，进度条自然也就走得更慢。
过去几周时间里，我提前上手了 Insta360 全新一代全景相机 X6，借此机会更新了对全景这个品类在产品、技术端的认知和了解。
全景最大的问题，已经不是「拍」了
画质差，是大部分人过去 10 年里全景相机最大的刻板印象和负面标签。同样是 8K，全景相机因为采集的信息更多，单位面积分到的像素比传统设备少，分辨率也就更低。
硬件迭代是提升画质的一个主要方法。在 X6 上，影石装上了更适配全景的 1/1.1 英寸方形传感器。可以说，画质问题已经得到了阶段性解决，不再是劝退用户的核心「槽点」。
但是从「无感拍摄」到「无感出片」，全景的后期剪辑仍然是困扰用户的最后一公里痛点。
在过去很多年，影石一直希望降低这个流程的操作门槛，在软件端打造了一套「智能剪辑」产品体验。但如果你真的用过全景相机，你会发现之前的体验距离「无感」仍然有不小距离。
最大的 bug 就是过程中仍然需要多次、重复、细碎的「人工接管」。拍完之后，需要先把素材从相机导入手机 App，然后从拍到的多段片段里进行挑选，最后调用手机或云端的算力得到成片。
但很多时候，我的真实使用场景里没有那么多时间进行这些操作。举个例子，用全景相机拍完一天徒步或滑雪，返程要开几十公里的车，到家之后第二天还要上班……长此以往，存在相机或 SD 卡里的素材就像桌面上堆的还没开封的书那样——买了就算看了，拍了就当剪了——越来越多，越来越不想剪。
全新发布的 Insta360 X6 全景相机 | 图片来源：影石Insta360
这次 X6 上最让我满意的新功能「AI 导演」，就是在解决这个问题。它的逻辑很简单：不用手动上传和挑选素材，不用联网操作，相机在每晚会自动分析前一天（自然日）的素材，自动完成剪辑，然后自动推送到手机上。一切工作都运行在本地端侧，用户一觉睡醒就可以得到一条前一天的 vlog 成片。
整个过程不需要连手机、选素材，唯一要做的就是确保全景相机插上电源线。然后，「智能剪辑」的体验就可以从一问一答的 chatbot，升级成自己干活的 agent，跟插上电源后在 Mac Mini 上养龙虾差不多。
当然，除了「AI 导演」这个端侧L4级别体验之外，用户也可以使用过往在手机App端就有的「一键成片」功能，或者选择调用云端模型的「云时刻 Pro」模式。
但这里还有一个问题：全景视频里信息量爆炸，怎么让「AI 导演」知道重点是什么呢？
在这个问题上，影石这次给 X6 配了一个很有意思的小配件：头追模块。这个模块一开始是搭配云台相机 Luna 系列推出的，核心逻辑就是「头往哪里动，镜头往哪跟」。作为一台全景相机，X6 没有物理云台，用户的转头和停留，就变成了给「AI 导演」的「注意力 input」。
同样一套配件，从物理世界的「遥控器」，变成了模型世界的「prompt」。既能管采集，也能管意图。
Insta360 X6 搭载的头追配件 | 图源：影石Insta360
在内容生产结束后的消费环节，全景视频过去有一个天然的体验局限：你可以在原地转头看四周，改变观看的角度，但你没法在场景里走动——也就是可以改变「视角」，但没有办法移动「视点」。
随 X6 一同发布的，还有 App 里一个叫「3D 时光舱」的功能。简单来说，这个功能是通过 3D 高斯泼溅技术，完成对被拍摄场景的一次「重建」。在这个生成的场景里，用户可以自由移动，更沉浸地从不同位置重回拍摄现场。
我记得以前经常看到学生党用全景相机的「子弹时间」功能记录毕业瞬间，有了场景重建，以后被留下的就不止是同学们，也可以是那间和大家有着共同回忆的教室、宿舍、操场。
需要指出的是，现阶段的 3D 高斯泼溅技术主要还是针对静态的空间，所以这个功能目前还属于早期尝鲜阶段，大概率不会像「AI 导演」那样被高频使用。
但整体思路依然很明显：在 X6 上，影石很明确地把产品体验的迭代重心，压在了按下快门之后的整个智能化工作链条里。
通过 3DGS 技术进行场景重建 | 图源：影石Insta360
让全景学会审美
从全景拍摄实现「解放取景」，到智能剪辑做到「任务闭环」，全景相机始终在努力跨越从能用到好用的鸿沟。下一步的重点，是给智能加上审美。
在实际操作上，「提升审美」这个目标，可以拆解成两个维度分别进行。
首先，需要理解不同场景下，不同的基础标准。
和拍好人像相比，全景影像面对的场景更多也更复杂。一条滑雪视频和一条亲子记录，节奏、单个镜头停留的时长、留白、高光瞬间的取舍，标准完全不同，没法靠一套通用规则打天下，只能一类场景一类场景地训。
据极客公园了解，影石目前在 30+种场景类型里，进行了 10000+小时的训练，用已有素材给每一类场景单独搭建了一套审美标准。
接着，在每个具体的细分场景里，尝试了解不同用户各自的审美偏好。
在影石看来，每个用户喜好的成片风格，和他们的抖音、小红书首页一样，都是各不重复的。所以，影石在数据预训练的基础上，也尝试从用户行为中反推用户的喜好。例如面对不同版本的成片，用户改了什么、最后导出了哪一条，都可能成为学习的素材，使得用户未来拿到更符合自己审美标准的成片。
影石自研 PanoMind AI 多模态模型 | 图源：影石Insta360
模型要更聪明，芯片就得更能扛。现阶段，X6 里已经塞进了 3 颗芯片，包括一颗旗舰手机同款的 4nm SoC 和两颗专用影像芯片。但即便如此，面对球面拼接、高像素吞吐、端侧推理这些同时压过来的运算需求，也只能做到「即拍即得」，无法做到「边拍边剪」。
画质的限制也同样来源于硬件——全景技术本身和高清画质是不冲突的，现阶段的矛盾在于，体积、功耗和散热面积都是固定的，只能在其中做取舍。
在固定的物理空间里，想要榨出更多算力和更高像素，只能靠更先进制程的芯片和更高密度的传感器——这两条路都没有现成的供应链可以借，只能自己往下趟。
全景的第二个 10 年
过去 10 年，全景行业的发展经历了两次产业「溢出」的红利。
第一次来自智能手机带来的器件小型化浪潮，传感器、电池、SoC 变得更小更便宜，为影石这样的年轻创业团队把全景相机做成消费级硬件产品提供了产业基础。
第二次是以图像识别为核心的第一波 AI 浪潮里的人才溢出。如今智能剪辑相关的能力，很大程度上是从 AI 1.0 时代积累的算法、人才和工程经验逐渐迭代而来的。
但随着芯片、传感器等硬件逐渐「撞墙」，全景行业的第二个 10 年，能借的势越来越少，要自己造的浪必然越来越多。
在一个还在定义自身终点的品类里继续拓荒，也许是一项既无聊又有趣的工作。
「无聊」的一面，是竞争越来越同质化，差距越来越难拉开。一台量产的机器经过拆解和使用，硬件方案可以很快拉齐，软件思路也可以快速跟进——不止影像行业如此，连 AI 模型的「御三家」也面临同样的处境。
但「有趣」的一面在于，当你把视线从单代产品的规格竞争挪开，去看这个品类在每一个阶段做出的判断和押注，例如提前把重心从拍摄转到后期，或者把用户的注意力引入为一种新的信号……这些方向上的判断，才是真正能拉开距离的地方。
相较第一个 10 年，影石对全景相机的定位进行了大幅调整。十年前，全景相机的首要卖点，是拍出其他设备无法呈现的「酷」；十年后，它希望将「无感记录」带入到更多场景，交付更优质的成片。
可以说，影石这家靠全景相机起步，今天依旧以「卖相机」作为核心业务的公司，正在努力让用户「忘掉相机」、也忘掉传统剪辑流程的存在。
重心正在从镜头挪到镜头背后的算法和模型上。计算能力每前进一步，相机就会变得更「透明」。
富利证券提示：文章来自网络，不代表本站观点。
