Z Potentials｜专访a16z被投Phota Labs联创张璇儿：在Photoshop与美图之间，如何杀出一条新路？

Z Potentials｜专访a16z被投Phota Labs联创张璇儿：在Photoshop与美图之间，如何杀出一条新路？ Z Potentials｜专访a16z被投Phota Labs联创张璇儿：在Photoshop与美图之间，如何杀出一条新路？ Modified October 29, 2025 Cecilia Zhang ：我觉得 personalization （个性化）这一步，本质上就是在学习 “ 如何去理解一个人 ” 。技术的进步，并不是让用户提供的信息量减少，而是让我们能更高效地利用这些信息。用户的数据输入始终是必要的，必须有一定规模，模型才能真正 “ 认识 ” 这个人。这一点和其他技术演进类似，是两个维度的问题。就像人类认人一样。如果我只在视频上见过你几次，对你的面部特征有大致印象，但明天在线下咖啡馆遇到你，未必能立刻认出来，甚至会犹豫。因为人的识别能力依赖于在不同场景、状态下对他人的动态观察，才能形成稳定的认知。 AI 也是一样的。它也需要一定量的信息才能建立清晰的 “ 身份 ” 认知。三年前可能需要 30 张图，如今依然如此。不同的是，以前模型可能要花一天来学习，现在可能很快就能完成。这体现的是模型在架构、推理速度和计算效率上的巨大进步，而对信息量的要求并未降低。当然，这只是 identity （身份）层面的能力。除此之外，还有 context （上下文）、图像美感、摄影光影等维度。三年前这些要素很难同时实现，而今天，随着基础模型和架构的进步，这些能力得到了大幅提升，整体效果也上了一个台阶。现在的视觉理解已经和语言模型的训练深度融合在一起了。也就是说，视觉模型在训练时本身就利用了语言模型的能力。由于语言模型的发展已经非常成熟，智能水平也很高，而且它所能利用的数据规模远远超过视觉模型，文字数据的体量也远胜于图像，所以语言模型在整个体系中起到非常关键的作用。目前最优秀的视觉模型，基本都在借助自身的大语言模型来完成理解和生成任务，视觉和语言的信息在底层已经是融合的。所谓的 world knowledge （世界知识），主要指的是语言模型层面能够提供的丰富信息，而这些信息也被应用到了视觉的理解和生成中。 ZP ：除了静态照片，你们是否考虑过将技术延伸到动态的视频领域？在技术实现上，这会带来哪些新的、更大的挑战？ Cecilia Zhang ：我们可能会首先用现在做图片的方式去尝试，因为视频和照片在底层技术上是有一定重合的，但难度并不低于照片生成。最主要的挑战在于 identity consistency （身份一致性）。在静态图像中，我们只需要让模型生成一张 “ 像你 ” 的照片；但在视频中，即使每一帧都 “ 像你 ” ，连在一起看可能依然 “ 不像你 ” 。因为人的表情、动作、笑的方式都有自己的节奏和特征，而一个人大概率不会完全像 AI 生成的那样去动。如果这些细节不对，即使外貌特征完全正确，你也会觉得那不是自己。因此，视频生成在技术上多了一层 “ 时间维度 ” 的一致性问题，不是说在每一帧做到完美就可以的，需要对 identity 进行大量的研究。我们计划未来探索短视频或 “ 动态照片 ” 的形式，但会非常谨慎。我们目前的重点仍然是静态照片，因为这个领域还有大量空间值得深耕。 ZP ：到 2030 年 Phota Labs 会是一家什么样的公司？ Phota Labs 的长期愿景是什么？ Cecilia Zhang ：我们目前仍会专注于 “ 照片 ” 这一领域。到 2030 年我的愿景是，无论人们使用什么设备拍照，是手机、 GoPro ，还是智能眼镜，他们都会好奇： “ 如果我把这张照片放进 Phota Labs ，会变成什么样？ ” 换句话说，我们希望 Phota Labs 成为每个人记录生活时的 “ 第二视角 ” 。照片的采集方式可以多样，甚至未来输入可能是视频，但最终输出依然是一张 “ 记忆的最美版本 ” 的照片。这种 “ 再看一次 ” 的体验，就是我们想持续探索的方向。如果 Phota Labs 能从一个十分钟的视频中帮用户挑出最美的一张照片，那会非常有价值。其实这正是我们 roadmap 上的一个方向。视频作为输入的优势在于，它提供了丰富的上下文信息。你不必刻意摆拍，而是自然记录生活。系统可以在数百帧中捕捉到那些真正能代表情绪、关系和场景的瞬间。我们甚至设想，未来 Phota Labs 能为一次活动自动生成一组精选照片，比如旅行、婚礼、生日等场景。这比传统的一键剪辑更具意义，因为我们关注的是记忆中最值得留下的瞬间，而不是模板化的视频片段。 ZP ： Phota Labs 的商业模式会是怎样的？是面向 C 端的订阅制、按次付费，还是有 B 端的合作模式？ Cecilia Zhang ：我们目前仍在探索阶段，但整体方向比较明确。首先，移动端应用会采用基础功能免费，高级功能通过订阅或付费解锁。其次，我们会开放 API ，服务 B 端的一些合作伙伴，尤其是涉及图像、摄影和记忆记录的产品。我们已经收到一些来自企业的 interest ，比如希望通过 Phota Labs 的 “ 风格化 API” 集成到他们自己的应用中。这部分我们正在积极对接和研究。总体来说， C 端订阅与 B 端授权会是并行的两条路线。 ZP ：你们计划如何进行市场推广（ Go to Market ）来触达第一批核心用户？ Cecilia Zhang ：我们希望先从 Beta 版本中获得足够多的用户反馈。正式发布的版本可能会与现在的内测产品有明显不同，包括输入和输出的形式、交互方式等。因此还没有具体的推广计划，而是先聚焦在产品打磨与用户验证。 ZP ：你们认为潜在的竞争对手会是哪些类型的公司？传统修图软件巨头、 AI 生成内容的新贵，还是手机厂商自带的相册功能？ Phota Labs 的核心竞争壁垒是什么？ Cecilia Zhang ：目前市场上还没有一个完全相似的产品。我们带来的是一种全新的 “ 照片重构 ” 方式，因此在品类上是一个 category defining product （品类定义者）。我相信这种创新会逐渐改变用户的一些使用习惯，比如他们可能会因此改变拍照方式或分享方式。所以我认为未来潜在的竞争对手可能会是手机厂商，因为他们天然掌握了用户的照片入口。但相比之下，创业公司在迭代速度和用户理解深度上有优势。我们能够更快地验证想法，与用户形成持续反馈。 ZP ：也有创业者希望从硬件层面切入，比如打造一个软硬一体的智能拍摄设备。你认为对于普通用户而言，纯软件的解决方案和软硬一体的方案，各自的吸引力在哪里？作为一个创业者，为什么你们坚定地选择从软件层面切入？ Cecilia Zhang ：首先，从技术角度来说，我们目前想实现的功能完全可以在现有硬件上完成。手机、相机、 GoPro 等设备都能满足基础采集需求，我们还有很大的空间去优化 “ 如何用已有硬件拍出更好的照片 ” 。因此没有必要为此制造新的设备。第二，从产品逻辑上看，很多硬件团队希望在 “ 拍摄 moment” 解决问题，比如通过自动检测瞬间、自动转镜头、实时构图优化等方式。但那样的设备会受限于体积与形态（ form factor ）。小型设备在传感器尺寸、镜头性能、光学焦段等都有局限，无法达到专业摄影的画质。而 Phota Labs 走的是 “ 后期重构 ” 的路线，反而绕过了这些物理限制。最后，硬件创业的成本与节奏其实会远高于软件。我们的目标是用算法和审美去重构用户记忆，而不是进入硬件的迭代竞争。对我们而言，纯软件方案更灵活，也更符合当下用户的使用习惯。 ZP ：近期公司也在招人， Phota Labs 希望吸引什么样的人加入？最看重团队成员的哪些特质？ Cecilia Zhang ：我们希望找到在各自专业领域非常优秀，同时对视觉、摄影有热情的人。不要求每个人都是摄影师，但要对图像有敏感度，就是能够分辨出一张照片为什么好、为什么打动人。我们是一个视觉驱动的团队，所以这种对 “taste” 的感知必须贯穿整个工作流程。无论是研究人员、工程师还是产品经理，都需要对视觉信号或信息保持敏锐。 04 快问快答 ZP ：你的星座或 MBTI 类型？ Cecilia Zhang ：我是巨蟹座， INFJ 。 ZP ：日常生活中，你有哪些兴趣爱好？ Cecilia Zhang ：我非常喜欢电影。电影是一门视听语言的艺术，电影摄影（ cinematography ）是摄影艺术的延伸，它强调构图、光线、叙事节奏的控制。电影里的每一盏灯、每一个镜头都在为故事服务。摄影也是如此，再高级的技术，最终目的都是讲好故事本身。我没有单一最喜欢的某部电影，但偏好故事性强的现实题材，比如《达拉斯买家俱乐部》《海边的曼彻斯特》《三块广告牌》，以及诺兰的大多数作品。我也很喜欢李安的电影。它们共同点是 “ 讲故事讲得好 ” 。我认为好的运镜是为故事服务的，如果你注意到 “ 镜头很巧妙 ” ，那说明它喧宾夺主了。 ZP ：你最喜欢的 AI 产品？ Cecilia Zhang ：我最近非常喜欢特斯拉的 FSD （自动驾驶系统）。它已经达到 garage to garage 几乎全自动的水平，大约 99.9% 的驾驶都可以完全依赖它。作为一个长期关注科技的人，我对 FSD 的成熟度印象很深，因为它解决了真实的需求，也真正进入了 “ 能用 ” 的阶段。 ZP ：你最常看 / 听的 Blog 和播客？ Ce cilia Z hang ：我大概会听两类播客。一类与工作有关，比如创业、科技和产品方向；另一类更偏人文和社会科学。我很喜欢一个由著名电影摄影师 Roger Deakins 和他太太共同主持的播客。他们会邀请电影行业各个工种的资深电影人，分享电影幕后创作者的视角，尤其是从摄影师的角度讲述故事中的角色，这类内容让我能从另一个角度思考 “ 视觉表达 ” 这件事。图片来源：播客请注意，此次访谈内容已经过精心编辑，并得到了 Cecilia Zhang 的认可。欲了解更多关于 Phota Labs 的信息，敬请访问其官方网站 https://www.Phota Labs.com/ 。我们也欢迎读者通过留言互动，分享您对本访谈或 Phota Labs 的看法。 Z Potentials 将继续提供更多关于人工智能、全球化市场、机器人技术等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END Labs.com/ Cecilia Zhang ：我觉得 personalization （个性化）这一步，本质上就是在学习 “ 如何去理解一个人 ” 。技术的进步，并不是让用户提供的信息量减少，而是让我们能更高效地利用这些信息。用户的数据输入始终是必要的，必须有一定规模，模型才能真正 “ 认识 ” 这个人。这一点和其他技术演进类似，是两个维度的问题。就像人类认人一样。如果我只在视频上见过你几次，对你的面部特征有大致印象，但明天在线下咖啡馆遇到你，未必能立刻认出来，甚至会犹豫。因为人的识别能力依赖于在不同场景、状态下对他人的动态观察，才能形成稳定的认知。 AI 也是一样的。它也需要一定量的信息才能建立清晰的 “ 身份 ” 认知。三年前可能需要 30 张图，如今依然如此。不同的是，以前模型可能要花一天来学习，现在可能很快就能完成。这体现的是模型在架构、推理速度和计算效率上的巨大进步，而对信息量的要求并未降低。当然，这只是 identity （身份）层面的能力。除此之外，还有 context （上下文）、图像美感、摄影光影等维度。三年前这些要素很难同时实现，而今天，随着基础模型和架构的进步，这些能力得到了大幅提升，整体效果也上了一个台阶。现在的视觉理解已经和语言模型的训练深度融合在一起了。也就是说，视觉模型在训练时本身就利用了语言模型的能力。由于语言模型的发展已经非常成熟，智能水平也很高，而且它所能利用的数据规模远远超过视觉模型，文字数据的体量也远胜于图像，所以语言模型在整个体系中起到非常关键的作用。目前最优秀的视觉模型，基本都在借助自身的大语言模型来完成理解和生成任务，视觉和语言的信息在底层已经是融合的。所谓的 world knowledge （世界知识），主要指的是语言模型层面能够提供的丰富信息，而这些信息也被应用到了视觉的理解和生成中。 ZP ：除了静态照片，你们是否考虑过将技术延伸到动态的视频领域？在技术实现上，这会带来哪些新的、更大的挑战？ Cecilia Zhang ：我们可能会首先用现在做图片的方式去尝试，因为视频和照片在底层技术上是有一定重合的，但难度并不低于照片生成。最主要的挑战在于 identity consistency （身份一致性）。在静态图像中，我们只需要让模型生成一张 “ 像你 ” 的照片；但在视频中，即使每一帧都 “ 像你 ” ，连在一起看可能依然 “ 不像你 ” 。因为人的表情、动作、笑的方式都有自己的节奏和特征，而一个人大概率不会完全像 AI 生成的那样去动。如果这些细节不对，即使外貌特征完全正确，你也会觉得那不是自己。因此，视频生成在技术上多了一层 “ 时间维度 ” 的一致性问题，不是说在每一帧做到完美就可以的，需要对 identity 进行大量的研究。我们计划未来探索短视频或 “ 动态照片 ” 的形式，但会非常谨慎。我们目前的重点仍然是静态照片，因为这个领域还有大量空间值得深耕。 ZP ：到 2030 年 Phota Labs 会是一家什么样的公司？ Phota Labs 的长期愿景是什么？ Cecilia Zhang ：我们目前仍会专注于 “ 照片 ” 这一领域。到 2030 年我的愿景是，无论人们使用什么设备拍照，是手机、 GoPro ，还是智能眼镜，他们都会好奇： “ 如果我把这张照片放进 Phota Labs ，会变成什么样？ ” 换句话说，我们希望 Phota Labs 成为每个人记录生活时的 “ 第二视角 ” 。照片的采集方式可以多样，甚至未来输入可能是视频，但最终输出依然是一张 “ 记忆的最美版本 ” 的照片。这种 “ 再看一次 ” 的体验，就是我们想持续探索的方向。如果 Phota Labs 能从一个十分钟的视频中帮用户挑出最美的一张照片，那会非常有价值。其实这正是我们 roadmap 上的一个方向。视频作为输入的优势在于，它提供了丰富的上下文信息。你不必刻意摆拍，而是自然记录生活。系统可以在数百帧中捕捉到那些真正能代表情绪、关系和场景的瞬间。我们甚至设想，未来 Phota Labs 能为一次活动自动生成一组精选照片，比如旅行、婚礼、生日等场景。这比传统的一键剪辑更具意义，因为我们关注的是记忆中最值得留下的瞬间，而不是模板化的视频片段。 ZP ： Phota Labs 的商业模式会是怎样的？是面向 C 端的订阅制、按次付费，还是有 B 端的合作模式？ Cecilia Zhang ：我们目前仍在探索阶段，但整体方向比较明确。首先，移动端应用会采用基础功能免费，高级功能通过订阅或付费解锁。其次，我们会开放 API ，服务 B 端的一些合作伙伴，尤其是涉及图像、摄影和记忆记录的产品。我们已经收到一些来自企业的 interest ，比如希望通过 Phota Labs 的 “ 风格化 API” 集成到他们自己的应用中。这部分我们正在积极对接和研究。总体来说， C 端订阅与 B 端授权会是并行的两条路线。 ZP ：你们计划如何进行市场推广（ Go to Market ）来触达第一批核心用户？ Cecilia Zhang ：我们希望先从 Beta 版本中获得足够多的用户反馈。正式发布的版本可能会与现在的内测产品有明显不同，包括输入和输出的形式、交互方式等。因此还没有具体的推广计划，而是先聚焦在产品打磨与用户验证。 ZP ：你们认为潜在的竞争对手会是哪些类型的公司？传统修图软件巨头、 AI 生成内容的新贵，还是手机厂商自带的相册功能？ Phota Labs 的核心竞争壁垒是什么？ Cecilia Zhang ：目前市场上还没有一个完全相似的产品。我们带来的是一种全新的 “ 照片重构 ” 方式，因此在品类上是一个 category defining product （品类定义者）。我相信这种创新会逐渐改变用户的一些使用习惯，比如他们可能会因此改变拍照方式或分享方式。所以我认为未来潜在的竞争对手可能会是手机厂商，因为他们天然掌握了用户的照片入口。但相比之下，创业公司在迭代速度和用户理解深度上有优势。我们能够更快地验证想法，与用户形成持续反馈。 ZP ：也有创业者希望从硬件层面切入，比如打造一个软硬一体的智能拍摄设备。你认为对于普通用户而言，纯软件的解决方案和软硬一体的方案，各自的吸引力在哪里？作为一个创业者，为什么你们坚定地选择从软件层面切入？ Cecilia Zhang ：首先，从技术角度来说，我们目前想实现的功能完全可以在现有硬件上完成。手机、相机、 GoPro 等设备都能满足基础采集需求，我们还有很大的空间去优化 “ 如何用已有硬件拍出更好的照片 ” 。因此没有必要为此制造新的设备。第二，从产品逻辑上看，很多硬件团队希望在 “ 拍摄 moment” 解决问题，比如通过自动检测瞬间、自动转镜头、实时构图优化等方式。但那样的设备会受限于体积与形态（ form factor ）。小型设备在传感器尺寸、镜头性能、光学焦段等都有局限，无法达到专业摄影的画质。而 Phota Labs 走的是 “ 后期重构 ” 的路线，反而绕过了这些物理限制。最后，硬件创业的成本与节奏其实会远高于软件。我们的目标是用算法和审美去重构用户记忆，而不是进入硬件的迭代竞争。对我们而言，纯软件方案更灵活，也更符合当下用户的使用习惯。 ZP ：近期公司也在招人， Phota Labs 希望吸引什么样的人加入？最看重团队成员的哪些特质？ Cecilia Zhang ：我们希望找到在各自专业领域非常优秀，同时对视觉、摄影有热情的人。不要求每个人都是摄影师，但要对图像有敏感度，就是能够分辨出一张照片为什么好、为什么打动人。我们是一个视觉驱动的团队，所以这种对 “taste” 的感知必须贯穿整个工作流程。无论是研究人员、工程师还是产品经理，都需要对视觉信号或信息保持敏锐。 04 快问快答 ZP ：你的星座或 MBTI 类型？ Cecilia Zhang ：我是巨蟹座， INFJ 。 ZP ：日常生活中，你有哪些兴趣爱好？ Cecilia Zhang ：我非常喜欢电影。电影是一门视听语言的艺术，电影摄影（ cinematography ）是摄影艺术的延伸，它强调构图、光线、叙事节奏的控制。电影里的每一盏灯、每一个镜头都在为故事服务。摄影也是如此，再高级的技术，最终目的都是讲好故事本身。我没有单一最喜欢的某部电影，但偏好故事性强的现实题材，比如《达拉斯买家俱乐部》《海边的曼彻斯特》《三块广告牌》，以及诺兰的大多数作品。我也很喜欢李安的电影。它们共同点是 “ 讲故事讲得好 ” 。我认为好的运镜是为故事服务的，如果你注意到 “ 镜头很巧妙 ” ，那说明它喧宾夺主了。 ZP ：你最喜欢的 AI 产品？ Cecilia Zhang ：我最近非常喜欢特斯拉的 FSD （自动驾驶系统）。它已经达到 garage to garage 几乎全自动的水平，大约 99.9% 的驾驶都可以完全依赖它。作为一个长期关注科技的人，我对 FSD 的成熟度印象很深，因为它解决了真实的需求，也真正进入了 “ 能用 ” 的阶段。 ZP ：你最常看 / 听的 Blog 和播客？ Ce cilia Z hang ：我大概会听两类播客。一类与工作有关，比如创业、科技和产品方向；另一类更偏人文和社会科学。我很喜欢一个由著名电影摄影师 Roger Deakins 和他太太共同主持的播客。他们会邀请电影行业各个工种的资深电影人，分享电影幕后创作者的视角，尤其是从摄影师的角度讲述故事中的角色，这类内容让我能从另一个角度思考 “ 视觉表达 ” 这件事。图片来源：播客请注意，此次访谈内容已经过精心编辑，并得到了 Cecilia Zhang 的认可。欲了解更多关于 Phota Labs 的信息，敬请访问其官方网站 https://www.Phota Labs.com/ 。我们也欢迎读者通过留言互动，分享您对本访谈或 Phota Labs 的看法。 Labs.com/ Z Potentials 将继续提供更多关于人工智能、全球化市场、机器人技术等领域的创业者访谈。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END 🔗 原文链接： https://mp.weixin.qq.com/s/K0zlqYhl... https://mp.weixin.qq.com/s/K0zlqYhl... 原创 Z Potentials Z Potentials2025年10月29日 13:15 北京 Phota Labs 联合创始人： CEO 张璇儿 Cecilia、 CTO 夏志豪 Zach 导语当《白日梦想家》中的肖恩 · 潘在山顶宁静地等待，最终面对那个决定性瞬间，却选择放下相机时，那不仅是勇气与艺术的胜利，更是所有摄影者心底的渴望 —— 在那个无法重来的时刻，有人能读懂光、读懂情绪，预判瞬间，将 “ 此刻发生 ” 的画面永远定格。在摄影的世界里，这种瞬间并不罕见，但极难被捕捉。最动人的作品背后，总有一位 “ 懂得等待一束光 ” 的创作者 —— 他们预判光影的走向，体察情绪的流动，用直觉按下快门。而今， Phota Labs 的联合创始人 Cecilia Zhang 正试图用算法，让这种不可言传的 “ 在场感 ” ，不再只是少数摄影师的天赋。她希望，让每一张平凡的照片，都有机会被 “ 光 ” 照亮。这个念头并非一时兴起。 Cecilia 的读书生涯和在 Adobe 工作的几年，正好见证了计算摄影和生成式 AI 技术的快速演进：从 Stable Diffusion 的爆发式传播，到 DALL·E 让大众第一次感受到 AI 生成图像的魔力，再到 OpenAI 和 Google 最新一代模型逼近真实拍摄的质感。技术越来越强大，但 Cecilia 意识到，仅仅 “ 生成 ” 并不能让一张图片打动人。真正让人难忘的，是照片背后承载的记忆和情感。从伯克利博士期间专攻计算摄影这个方向到加入 Adobe ， Cecilia 几乎每天都能看到算法的进步，但这些进步往往落在 “ 工具 ” 的范畴里：更精准的抠图，更智能的修饰，更高效的增强。她也经常听到用户反馈， “ 工具很好用，但它只是工具 ” 。 Cecilia 渐渐意识到，这里面还缺了点什么 —— 一个能与人的情感和记忆真正建立连接的产品。有位用户的一句话让她印象深刻： “ 我不是想修好这张照片，我只是希望能 ‘ 再回到那个瞬间 ’ 。 ” 这句话成了她后来的创业灵感 —— 如果 AI 真能帮助人们 “ 回到拍照那一刻 ” ，它就不只是技术创新，而是情感延伸。她看到的创业窗口并不仅仅是一条 “ 修图升级 ” 的赛道，而是一个几乎空白的品类：用生成式 AI 重构记忆场景。她创办了 Phota Labs ，目标是重新定义 “ 照片 ” 与 “ 记忆 ” 的关系。 Phota Labs 并不满足于修饰和增强图像，它试图 “ 重构 ” 场景：不只是弥补瑕疵，而是回到那个瞬间，重新决定光线、构图和故事。在产品设计中， Phota Labs 引入了 “ 身份保持 ” 和 “ 上下文理解 ” 两大技术原则，确保生成结果不仅真实，还符合拍摄当时的记忆语境。比如，在一张朋友旅行的合照中， AI 不只是补光、磨皮，而是能理解这是 “ 清晨的海边 ” ，能还原那束穿透薄雾的阳光。与现有的图像工具相比， Phota Labs 的目标从一开始就不一样。 Photoshop 、 Lightroom 等专业工具强调的是 “ 修复 ” 与 “ 增强 ” ，而美图类产品则聚焦在特定功能上，比如美颜或滤镜。 Phota Labs 则是 category defining （品类定义者）：它关注的不是 “ 工具好不好用 ” ，而是 “ 结果是否能让人心动 ” 。她也很早就排除了走硬件路径的可能 ——“ 硬件创业的成本与节奏其实会远高于软件，我们的目标是用算法和审美去重构用户记忆，而不是进入硬件的迭代竞争。 ” 她更相信，纯软件的灵活性和更贴近日常拍摄场景的特性，才是产品能够快速进入用户生活的关键。 “ 我们希望 Phota Labs 成为每个人记录生活时的 ‘ 第二视角 ’ 。 ”Cecilia 说， “ 无论人们使用什么设备拍照，是手机、 GoPro ，还是智能眼镜，他们都会好奇： ‘ 如果我把这张照片放进 Phota Labs ，会变成什么样？ ’” 在她的设想里，这是一种 “ 再看一次 ” 的体验。用户输入可以是照片，甚至是视频片段，输出则是一张经过算法重新演绎的、最接近记忆中理想状态的照片。 Cecilia 清楚这条路不会轻松。创业初期她没有一头扎进大众市场，而是选择了有摄影基础的早期用户群体 —— 他们拍照多，对成片效果有清晰预期，也能在产品迭代中提供更有价值的反馈。但她的初心始终明确： "Transform everyday photos into beautiful memories" 。 “ 我们希望 Phota 能让用户联想到 ‘ 记忆 ’ 和 ‘ 分享 ’ 。照片与记忆紧密相连，我们的目标是通过照片让每个人的记忆变得更加美好。 ”Cecilia 说。从技术出发，却不止于技术，以算法为基点，却想重构的是记忆本身。 Phota Labs 所探寻的，远非又一款图像工具 —— 它试图回答一个在 AI 时代愈发重要的问题：当技术能生成一切，什么才是独属于我们、值得被珍藏的 “ 真实 ” ？此次， Z Potentials 对话了 Phota Labs 联合创始人 Cecilia Zhang ，她与我们分享了关于计算摄影技术演变和如何在 AI 时代重新定义照片工具的思考。 enjoy • 从某种意义上说，这是一种 “ 前期思维 ” 。虽然我们在技术上处理的是已成型的照片，但通过重新构想和重构，我们力求让最终效果能够媲美在理想条件下拍摄的作品。所以，虽然形式上属于后期处理，但我们本质上是在重新演绎拍摄时的决策过程，这更像是一种对 “ 前期规划 ” 的数字化实现。 • 我认为好照片包含两个层面：首先是传统三要素 —— 构图、光线和瞬间。这是摄影基础课程都会强调的，也是专业摄影师评判照片的基本标准。 “ 瞬间 ” 最为关键，它决定了照片从 “ 好 ” 到 “ 杰出 ” 的差距，因为它承载着故事性。 • 最重要的是一张照片能否与观看者建立强烈的情感连接，一旦有了这种连接，就已经达到了好照片的重要标准。所以既有技术层面的评判，也有故事层面的考量，这两个维度都很重要。 • 我们一直希望 Phota 能让用户联想到 “ 记忆 ” 和 “ 分享 ” 。照片与记忆是紧密相连的，我们的目标是通过照片让每个人的记忆变得更加美好。 • 每个人对 “ 自己希望在照片中是什么样子 ” 的理解都不同，而这恰恰是我们希望 AI 能够更好理解的部分。 • 我们更关注如何定义和建立一个稳定的 “taste” 框架， “ 控制 ” 的形式我们会通过提供给用户一个反馈回路（ feedback loop ）去持续改进系统的审美，而不是让用户自己进行细粒度的操作。 • 希望 Phota Labs 成为每个人记录生活时的 “ 第二视角 ” 。照片的采集方式可以多样，甚至未来输入可能是视频，但最终输出依然是一张 “ 记忆的最美版本 ” 的照片。这种 “ 再看一次 ” 的体验，就是我们想持续探索的方向。 • 目前市场上还没有一个完全相似的产品。我们带来的是一种全新的 “ 照片重构 ” 方式，因此在品类上是一个 category defining product （品类定义者）。 • 硬件创业的成本与节奏其实会远高于软件。我们的目标是用算法和审美去重构用户记忆，而不是进入硬件的迭代竞争。对我们而言，纯软件方案更灵活，也更符合当下用户的使用习惯。 01 从伯克利到 Adobe ：一位计算摄影博士的 AI 创业之路 ZP ：首先可以请你介绍一下你的背景吗？ Cecilia Zhang ：我在美国读的本科，在 Rice 大学学习计算机和电子工程。大二时第一次接触图像处理课程，从那时开始就对计算机视觉和摄影的结合产生了浓厚兴趣。后来去伯克利读计算机博士，专攻计算摄影这个方向。这个领域其实挺新的，它处在计算机图形学和计算机视觉的交叉点，特别是随着手机摄影的普及，这个方向变得越来越重要。我的导师是 Lytro 公司的创始人，他在创业十年后回到学术界，而我很幸运地成为他的第一届博士生。 ZP ：听起来你一直在这个领域深耕。这是你主动选择的方向吗？ Cecilia Zhang ：是的，这确实源于我从小对摄影的热爱。我拥有第一台相机大概是 20 年前，那时还在上初中，记得当时班里任何活动，无论是课间休息、集体舞排练还是做操，只要有机会，我都会拿着相机拍照。后来班级活动、毕业典礼需要的照片，基本都出自我之手。最开始是一台粉色的三星卡片机，后来陆续用过各种相机，从卡片机到单反，再到现在的手机摄影，最近我甚至重新开始尝试胶片摄影。各种摄影形式我都愿意尝试，很享受通过镜头观察生活、捕捉精彩瞬间的过程。 ZP ：所以你是把兴趣和专业完美结合了。 Cecilia Zhang ：确实很幸运，博士期间我主要研究计算摄影，这个领域的核心目标就是让更多人能拍出好照片。我们既从硬件角度改进光学系统和传感器，也从软件层面探索如何通过算法处理图像数据。比如 iPhone 中的人像模式，还有视频的 “ 电影效果 ” 模式，能够实时追踪并对焦主体，这些功能背后的算法都是我博士期间的研究方向。让普通用户也能拍出专业质感的作品是我博士研究的核心思想： “ 摄影民主化 ” 。我们希望打破技术和设备的限制，让每个人在任何条件下都能记录下美好的瞬间。有个故事让我印象深刻：我的导师提到一位战地记者，他放弃专业相机转而使用 iPhone 进行采访。因为手机不像专业设备那样具有侵入性，让被采访的士兵和居民更容易放松，反而能捕捉到最真实的情感和场景。这让我意识到，手机摄影在某些场合确实具有独特优势，它已经融入日常生活，成为记录真实的最佳工具。后来我加入了 Adobe ，当时 Mark Levoy 也从 Google 来到了 Adobe 。 Mark 在学术界和工业界都堪称传奇人物，他最著名的工作是扫描米开朗基罗的雕像，在 2000 年左右，他采用了一种非常高效的方法来处理如此大规模的数据。之后他转向光场研究，这相当于不仅记录画面，还记录了角度变化等更多信息，可以实现场景重建、重新计算光线、调整焦点等功能，他是这个领域的奠基人。在 Google 期间，他几乎从零开始构建了 Pixel 相机的计算摄影体系。从某种意义上说，他是将计算摄影带入消费级产品的关键人物。他加入 Adobe 时，我也在同一时间加入了，可以说我是他组建团队时的第一批成员。在 Adobe ，我们继续从事计算摄影研究，不过这次是从第三方软件的角度出发，专注于算法创新，比如多张照片的融合等技术。 Mark 对这个团队的定位是介于研究和产品之间，我们既要保持创新性，又要拥有自己的产品。每个人都需要在两者之间找到平衡，不能纯粹为了发表论文而研究，但产品中必须包含最前沿的摄影技术探索，我们当时做的项目就是 Indigo 。 ZP ： Indigo 这个产品现在是什么状态？ Cecilia Zhang ：现在已经开放下载了。 ZP ：我下载过，但感觉对普通用户来说还是有些复杂，参数设置比较专业。 Cecilia Zhang ：它的设计初衷确实是面向更懂摄影的用户。不过初始界面可以简化，很多功能都可以隐藏起来。最简单的使用模式其实和 iPhone 自带相机差不多，但它还有一个专业模式，可以手动调整各种参数。像顶部的数据区域是直方图，用来显示场景的明暗分布。从左到右表示从暗到亮的区域，如果右侧较多就说明画面偏亮，左侧较多则偏暗。专业摄影师会根据这个分布来判断画面对比度等情况，不过这个功能其实也是可以关闭的。 ZP ：你在 Adobe 期间主要精力都投入在 Project Indigo 这个项目上，同时兼顾研究和产品化工作？ Cecilia Zhang ：我从 2020 年到 2024 年在 Adobe ，大部分时间都在开发 Project Indigo ，但也分配了一部分精力进行前沿研究。有些研究成果其实能更快地应用到现有产品中，比如 Photoshop 和 Lightroom 。我记得有个很有意思的实习项目，专注于电线分割和移除，这是专业摄影师经常需要的功能。他们在清理照片时，经常需要去除电线等杂物，但电线又细又长，具有独特的视觉特征，让这个任务变得颇具挑战性。我们还为 Lightroom 开发过一些功能，比如降噪等，这些功能很多都运用了 AI 技术。 Adobe 一直在积极地将最新的模型和技术整合到现有产品中，所以当时我们也与这些产品团队保持了紧密合作。 ZP ：你在 2024 年离开 Adobe 决定创业，当时是什么契机促使你做这个决定？ Cecilia Zhang ：生成式 AI 在 2022 年崭露头角， 2023 年是大模型爆发的一年， 2024 年这个趋势仍在延续。我观察到从最初的 Stable Diffusion ，到后来的 DALL E ，再到最近 OpenAI 和 Google 的模型，图像生成领域的技术已经成熟到可以产品化的阶段。但大模型本身并不构成完整的产品，还需要针对特定使用场景和需求进行精心设计和打磨。我觉得 AI 的时机已经到来，同时我在 Adobe 工作时也发现了行业一个长期未被解决的问题。摄影始终围绕两个核心环节：拍摄和后期。但人们还是会觉得 “ 为什么我拍的照片不如你拍的好？ ” 很多时候问题既不在于相机，也不在于后期，因为在按下快门的那一刻，拍摄者的角色太关键了，拍出好照片本身就是一件很有难度的事。这种技术门槛导致很多照片在后期阶段难以挽救。当然，你也可以说这是因为后期工具还不够强大。但我们希望从一个全新的角度来思考这个问题，而 AI 正好提供了这样的机会。所以我们认为时机成熟了，应该出来尝试用不同的方式解决这个问题。 ZP ：我非常认同。对大多数人来说，表情管理和姿态控制确实是个难题。你刚才提到后期处理比较困难，你们公司目前做的还是偏后期的工作？ Cecilia Zhang ：虽然我们确实从后期入手，但我们的核心理念是：对于任何照片或场景，我们都希望达到这样一个效果，就好像当时有一位专业摄影师，或你最会拍照的朋友就在你身边。他会如何构图？捕捉哪个瞬间？等待哪束光线？甚至会使用什么器材？从某种意义上说，这是一种 “ 前期思维 ” 。虽然我们在技术上处理的是已成型的照片，但通过重新构想和重构，我们力求让最终效果能够媲美在理想条件下拍摄的作品。所以，虽然形式上属于后期处理，但我们本质上是在重新演绎拍摄时的决策过程，这更像是一种对 “ 前期规划 ” 的数字化实现。 ZP ：我看过官网上的案例，能理解这个理念。但这是否需要用户尽可能多拍照呢？比如我妈妈给我拍的照片，经常表情不好或者把我拍得很矮。这种情况用我们的产品能解决吗？ Cecilia Zhang ：这涉及到用户输入的要求。理想情况下，用户可以对同一场景进行多次尝试，或者从不同角度拍摄更丰富的内容，我们支持这两种方式。 ZP ：具体来说，产品对用户有什么要求？或者在什么场景下效果更好？是人像还是风景？ Cecil