專(zhuān)訪vivo高級(jí)副總裁、首席技術(shù)官施玉堅(jiān)

AI正在成為新的UI，科技和人的關(guān)系也因此被重新定義。從邊緣到云端，從數(shù)字空間到物理世界，AI已經(jīng)融進(jìn)手機(jī)、PC、眼鏡、汽車(chē)等智能終端，融進(jìn)我們每一次看、觸、說(shuō)、動(dòng)的自然瞬間。在這樣的變革中，高通正與生態(tài)伙伴一起，讓終端設(shè)備從“跑應(yīng)用的工具”，進(jìn)化為能夠理解、學(xué)習(xí)、并提前感知用戶(hù)需求的個(gè)人智能體——讓每臺(tái)設(shè)備都更貼心、更聰明，也更懂你。

歡迎來(lái)到《高朋滿(mǎn)座話未來(lái)》，本期我們特邀vivo高級(jí)副總裁、首席技術(shù)官施玉堅(jiān)先生，一同聆聽(tīng)他的創(chuàng)新實(shí)踐與戰(zhàn)略思考。

技術(shù)是工具，讓人感受幸福抵達(dá)美好才是目的。

——vivo高級(jí)副總裁、首席技術(shù)官施玉堅(jiān)

• “V單”已經(jīng)成了用戶(hù)口中的熱梗，vivo X200 Ultra也被稱(chēng)為“手機(jī)里的單反”。下一代Ultra，你們打算怎么繼續(xù)卷影像？是更強(qiáng)的夜景、AI修圖，還是要把“拍視頻像拍電影”變成標(biāo)配？

施玉堅(jiān)：我們?nèi)ツ晖瞥龅膙ivo X200 Ultra，用戶(hù)給了它一個(gè)特別親切的名字——“V單”。這背后，是用戶(hù)對(duì)我們的認(rèn)可，“V單”這個(gè)稱(chēng)號(hào)，對(duì)我們既是榮譽(yù)，更是責(zé)任。它意味著，X數(shù)字系列的Ultra，代表的必須是vivo影像技術(shù)的巔峰，是移動(dòng)影像的“專(zhuān)業(yè)標(biāo)桿”。所以，下一代Ultra的演進(jìn)，絕不會(huì)是參數(shù)的簡(jiǎn)單疊加，更是以驍龍8系移動(dòng)平臺(tái)強(qiáng)大的影像算力為底座，實(shí)現(xiàn)更深度的軟硬一體協(xié)同。我們的核心思路是：讓“V單”不只是拍照極強(qiáng)的手機(jī)，更是“新內(nèi)容創(chuàng)作者”手中的專(zhuān)業(yè)全能創(chuàng)作設(shè)備。

這群“新內(nèi)容創(chuàng)作者”，是專(zhuān)業(yè)的，也是務(wù)實(shí)的。他們不只需要極致的畫(huà)質(zhì)，更需要一套可靠、高效、能應(yīng)對(duì)復(fù)雜場(chǎng)景的創(chuàng)作系統(tǒng)。因此，我們的方向非常明確：

第一，在硬件上，做“無(wú)可爭(zhēng)議的巔峰”。我們會(huì)繼續(xù)堅(jiān)持“大師級(jí)鏡頭群”的路線，在廣角、主攝、長(zhǎng)焦每一個(gè)焦段上，都追求行業(yè)最好的光學(xué)素質(zhì)與一致性。特別是，我們會(huì)將行業(yè)最好的增距鏡方案做到更成熟，讓長(zhǎng)焦不只是“拍得遠(yuǎn)”，更是“每一焦段都畫(huà)質(zhì)過(guò)硬”，實(shí)現(xiàn)真正的全焦段專(zhuān)業(yè)覆蓋。硬件，是我們一切體驗(yàn)的根基，這個(gè)投入不會(huì)有任何動(dòng)搖。

第二，在視頻上，實(shí)現(xiàn)“專(zhuān)業(yè)創(chuàng)作的平權(quán)”。“拍視頻像拍電影”不能只是一句口號(hào)，它必須成為下一代Ultra的基礎(chǔ)體驗(yàn)和創(chuàng)作標(biāo)配。我們會(huì)在視頻賽道進(jìn)行更早、更深入的底層布局。這意味著，不僅是更高的規(guī)格，更是電影工業(yè)級(jí)色彩科學(xué)、多鏡頭流暢變焦，以及強(qiáng)勁的端側(cè)AI算力對(duì)復(fù)雜場(chǎng)景的實(shí)時(shí)優(yōu)化。我們要讓單兵作戰(zhàn)的創(chuàng)作者，也能擁有接近專(zhuān)業(yè)團(tuán)隊(duì)的視頻表達(dá)工具，這是我們對(duì)“新內(nèi)容創(chuàng)作者”最重要的承諾。

第三，在場(chǎng)景上，夯實(shí)“山頂也是VIP”的標(biāo)桿，同時(shí)在新的高頻場(chǎng)景建立口碑。我們會(huì)繼續(xù)鞏固在演唱會(huì)場(chǎng)景的絕對(duì)領(lǐng)先地位。這不僅是長(zhǎng)焦的能力，更是一整套針對(duì)極限暗光、復(fù)雜光源、高速運(yùn)動(dòng)的軟硬件融合解決方案。“演唱會(huì)神器”的口碑，是我們與用戶(hù)共創(chuàng)的成果，是Ultra系列最閃亮的標(biāo)志，必須繼續(xù)夯實(shí)。

同時(shí)，我們將大力開(kāi)拓旅拍市場(chǎng)。將35mm的人文敘事、超長(zhǎng)焦的空間壓縮，以及卓越的HDR和夜景能力，深度融合到旅行中的風(fēng)光、人像、街拍等全場(chǎng)景。讓創(chuàng)作者無(wú)論身處何地，都能隨時(shí)、隨手、隨心創(chuàng)作出高質(zhì)量的作品。

總之，下一代Ultra的“卷”，是向著“專(zhuān)業(yè)創(chuàng)作生態(tài)系統(tǒng)”的深度整合。它的目標(biāo)，是讓“V單”成為創(chuàng)作者最信任、最愿意帶在身邊的那個(gè)設(shè)備——無(wú)論是拍一張有故事感的照片，還是記錄一段有電影感的旅程，或是捕捉一場(chǎng)瞬息萬(wàn)變的演唱會(huì)。

我們卷影像的終極目的，始終是：讓專(zhuān)業(yè)創(chuàng)作更簡(jiǎn)單，讓動(dòng)人瞬間更永恒。

• 藍(lán)心大模型已經(jīng)落地影像、語(yǔ)音場(chǎng)景，未來(lái)能不能做到“輕量化”，讓千元機(jī)也能跑AI？比如離線修圖、離線對(duì)話，不用流量、不怕斷網(wǎng)，這是不是你們的“終極目標(biāo)”？

施玉堅(jiān)：把藍(lán)心大模型落地到更多機(jī)型實(shí)現(xiàn)普惠一直是我們的追求，這是循序漸進(jìn)的過(guò)程，需要技術(shù)端和生態(tài)端的共同突破。

技術(shù)上，聚焦模型參數(shù)小型化和高性能是我們核心方向。通過(guò)跟高通的緊密合作，軟硬協(xié)同和架構(gòu)優(yōu)化提升推理能力，結(jié)合驍龍移動(dòng)平臺(tái)上NPU硬件加速提升運(yùn)算效率、降低功耗?，F(xiàn)階段我們已實(shí)現(xiàn)2bit和4bit混合量化技術(shù)將模型體積和內(nèi)存占用降低77%以上，性能加速技術(shù)讓3B的極限出詞性能突破220token/s。極致的性能奠定規(guī)模化應(yīng)用基礎(chǔ)。

生態(tài)上，端側(cè)AI普及需要更多的行業(yè)協(xié)同。我們會(huì)持續(xù)與產(chǎn)業(yè)鏈廠商共建低成本解決方案，并探索端側(cè)模型能力開(kāi)放，以技術(shù)迭代和量產(chǎn)規(guī)模效應(yīng)，持續(xù)降低硬件配置門(mén)檻。

離線修圖、離線對(duì)話等功能不僅是擺脫網(wǎng)絡(luò)依賴(lài)和硬件限制，更是在端側(cè)實(shí)現(xiàn)更加了解用戶(hù)的“個(gè)人化智能”。這不僅是技術(shù)層面的突破，更是用戶(hù)價(jià)值的回歸——讓每一位用戶(hù)都能低成本享受更加個(gè)人化、更安全、更便捷的智能服務(wù)。隨著模型架構(gòu)革新、芯片成本下降和開(kāi)發(fā)工具鏈成熟，端側(cè)AI向千元機(jī)滲透是必然趨勢(shì)，我們會(huì)持續(xù)投入技術(shù)研發(fā)，與行業(yè)伙伴共同推動(dòng)這一目標(biāo)早日實(shí)現(xiàn)。

• vivo在影像上很能打，iQOO在性能和游戲上拉滿(mǎn)，現(xiàn)在還有vivo Vision MR頭顯，把AI“上手”做到AI“上頭”。未來(lái)有沒(méi)有可能把手機(jī)、XR和AI打通，讓用戶(hù)在打游戲、拍大片、甚至空間互動(dòng)里都能無(wú)縫切換？如果可以劇透一點(diǎn)，您覺(jué)得最酷的場(chǎng)景會(huì)是什么？

施玉堅(jiān)：將手機(jī)、MR（混合現(xiàn)實(shí)）和AI能力打通，并非一個(gè)設(shè)想，而是vivo正在推進(jìn)的核心戰(zhàn)略布局。其目標(biāo)是構(gòu)建一個(gè)以“用戶(hù)”為中心，由手機(jī)、MR混合現(xiàn)實(shí)頭顯設(shè)備，甚至未來(lái)的家庭機(jī)器人構(gòu)成的全場(chǎng)景智能世界，而AI正是串聯(lián)這一切的“大腦”或者說(shuō)是“神經(jīng)系統(tǒng)”。

未來(lái)的融合場(chǎng)景將遠(yuǎn)超簡(jiǎn)單的設(shè)備投屏，而是帶來(lái)體驗(yàn)的本質(zhì)變革，游戲和影像都有值得期待的“酷炫場(chǎng)景”：

在游戲場(chǎng)景中，玩家將從“操控角色”到“化身入場(chǎng)”。比如，你正在用iQOO手機(jī)玩一款大型游戲。當(dāng)你戴上vivo Vision頭顯，游戲不會(huì)中斷，而是瞬間從手機(jī)屏幕無(wú)縫遷移至你客廳的立體空間。你不再用手指滑動(dòng)屏幕操控角色，而是通過(guò)眼動(dòng)和手勢(shì)，以“第一人稱(chēng)視角”在虛實(shí)融合的游戲場(chǎng)景中直接探索、戰(zhàn)斗。這主要依賴(lài)于MR頭顯的低延時(shí)VST（視頻透視）技術(shù)、高精度手勢(shì)/眼動(dòng)追蹤，以及手機(jī)與頭顯間算力的協(xié)同分配。

而vivo“影像-顯示”生態(tài)閉環(huán)的深化，以及端側(cè)多模態(tài)大模型在實(shí)時(shí)理解場(chǎng)景和進(jìn)行視覺(jué)生成方面的能力，可以將影像從“拍攝記錄”轉(zhuǎn)變成“創(chuàng)造世界”。比如，你用vivo X300 Ultra的專(zhuān)業(yè)模式拍攝了一段孩子吹滅生日蠟燭的“空間視頻”。在家庭聚會(huì)時(shí)，你與家人戴上MR頭顯，不僅可以“沉浸式回看”，還能調(diào)用AI能力，在三維空間中為這段記憶添加魔法特效——比如讓閃爍的燭光化作飛舞的星光，或讓蛋糕上的卡通角色活過(guò)來(lái)。你甚至可以用手勢(shì)“布置”一個(gè)虛擬的生日主題空間，與真實(shí)場(chǎng)景融合。

vivo成立30年來(lái)，我們始終相信：技術(shù)是工具，讓人感受幸福抵達(dá)美好才是目的。在下一個(gè)十年，我們會(huì)繼續(xù)與高通等伙伴同心同行，通過(guò)全體系的創(chuàng)新，讓科技更有溫度。