12月28日,小米推出了小米12系列手机,在国产品牌中率先升级了新一代骁龙8平台,现场展示的跑分性能高达107万,也是目前最高水平的,性能很好很强大。
使用新骁龙8的小米12系列手机不仅可以稳定流畅跑120帧《王者荣耀》,这一次重点升级的还有全新的影像系统,最高配备了5000万像素三大超清主摄,主摄、人像及超广角都是5000万像素,合计超过1.5亿像素,带动这么多镜头实现高画质拍摄也是新骁龙8的重点。
这一次,新骁龙8从ISP到算法,再到与索尼等传感器厂商的深度合作,高通将计算摄影的能力提升到了新高度。
新骁龙8影像性能大升级:首创3+1 ISP单元、4096倍数据量提升
对于新骁龙8,大家对它的CPU、GPU、AI性能已经很熟悉了,与拍照、视频相关的ISP图像处理单元了解不多,但这部分其实也是骁龙8系旗舰的精华所在,每年拍照最好的安卓旗舰无一例外选择骁龙8就是因为高通ISP在这方面的实力更强大。

去年的骁龙888平台上,高通首次带来了Triple ISP,也就是三ISP单元,每个都支持14bit数据,而今年的新骁龙8进一步升级,带来了全新的18-bit三ISP设计,相比骁龙888的14-bit三ISP提升了4096倍数据采集量。
数据量越多,动态范围就更高,用户看到的细节也就越多,特别是暗光下表现会强大很多,拍出来的照片画质也更高,暗部细节保留的更多。
18bit三ISP单元也极大地提升了新骁龙8的计算能力,它每秒可以处理32亿像素,相比骁龙888的27亿像素/秒的性能提升将近20%,单摄下可以每秒30帧速度处理1亿像素,三摄同开的情况下则能够以 30 帧每秒处理3600 万像素,这也是新骁龙8能同时支持多个高像素镜头的关键。
除了更强大的多摄能力,新骁龙8也重点提升了弱光下的拍摄能力,它的3路ISP支持超级多帧引擎(Mega Multi-Frame Engine),能够捕捉多达30张画面并进行采样堆栈,从而得到画面亮度更高,画质更加纯净的照片。
作为对比,上一代骁888仅能支持6张画面采样堆栈,新骁龙8这点上提升高5倍。
除了ISP单元自身的能力,新骁龙8其他单元也同样会辅助拍照,比如AI能力,以人脸识别为例,骁龙888只能支持115个点,新骁龙8提升到了300个点检测,识别速度也由24ms下降到6ms,提升高达300%。
在视频方面,新骁龙8也全面升级了,之前的4K HDR已经是小儿科了,这次首次支持8K HDR视频拍摄,同时功耗降低了50%,甚至强大到可以8K HDR视频的同时进行6400万像素的拍照,这为内容创作者提供了更多丰富的玩法。
在新骁龙8身上,有关拍照/视频还有个One More Thing,那就是除了18bit三ISP之外,高通这次还首创了另外1个ISP,也就是全新的低功耗智慧感知ISP。
它的功耗很低,主要用于实时在线镜头,可以解锁很多新功能,比如检测用户是否在镜头前,是否有人在后面偷窥你的屏幕,还可以隐藏应用通知消息等等。
这第四个ISP单元并不追求拍照或者视频性能,而且设计之初就非常注重安全性,它仅用于向系统发送元数据进行识别,因此所有数据均安全地独立保存在高通传感器中枢内存中,不会泄露。
只要利用得当,可以实现很多新功能,特别是关系到隐私及安全方面的,这个就要看手机厂商接下来如何发挥了。
与索尼成立联合实验室 高通打通移动影像上下游合作
除了新骁龙8在拍照及视频上的技术升级,高通这一次还有一点跟以往不同——骁龙技术峰会上,高通宣布与索尼合作成立联合实验室推动移动影像发展。
这个实验室主要用于提升移动影像体验,高通表示,联合实验将为基于骁龙8移动平台开发的设备,来提供优化,在短时间获得画质的提升。
此外,双方还将在这里进行高通和索尼对于最新影像技术的测试,同时也将于索尼传感器合作,为骁龙8移动平台定制图像传感器,提升影像能力。
这个举动意味着高通开始打通移动影像的上下游,以往手机厂商提升拍照及视频体验主要是单向合作——自己找高通或者自己找索尼定制传感器,现在是高通就跟索尼打通合作,针对骁龙8平台定制传感器及拍摄体验,减少了中间环节,传感器-芯片-手机可以三位一体,减少优化流程及时间,用最快的速度改善手机用户的拍照感知。
一句话来说就是,高通这次打通上下游,新骁龙8在影像上的护城河更深了,其他对手要想在这方面追赶就更难了。
随着小米12系列手机的上市,2022年新骁龙8旗舰机的战斗已经全面打响,接下来还有很多品牌的新机问世,影像性能也会是升级的重点,新骁龙8的Spectra ISP带来了更好的拍照及视频体验,这一点上已经得到了厂商及消费者的认可。
正如高通技术公司高级副总裁兼移动、计算及基础设施业务总经理阿力克斯·卡图赞所说:“作为全球最先进的移动平台,骁龙是顶级安卓体验的代名词,全新一代骁龙8移动平台将为下一代旗舰移动终端树立新标杆,并为智能手机带来前所未有的连接、影像、AI、游戏、音频和安全体验。”
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。