2026年iPhone摄影大奖于本周三正式揭晓,本届获奖作品令人叹为观止。大奖由摄影师Robyn Jensen凭借一张用iPhone 15 Pro拍摄的火山夜景照片摘得,成为本届最具代表性的作品。
每当手机拍摄的照片引发关注,总有人习惯性地引用摄影师Chase Jarvis那句名言:"手边的相机才是最好的相机。"然而这句话背后往往隐藏着一层潜台词:iPhone聊胜于无,但若换成专业相机,照片效果会更好。
然而,今年的获奖作品丝毫没有这种将就感。不深究像素细节的话,几乎看不出这些照片出自苹果智能手机之手。在笔者看来,其中只有极少数作品才像典型的"手机照片"。
本届大奖同样证明,拍出佳作并不需要最新款的iPhone。总冠军作品是一张黑白照片,画面中几个孩子沐浴在阳光下,羽毛球拍的影子投落其间,出自摄影师Gellert Gombai之手。而他所使用的相机很可能比照片中的孩子年纪还大——那是一部2017年发布的iPhone X。
事实上,在主要类别的40张获奖作品中(不含荣誉奖),仅有7张是用当前最新的iPhone 17 Pro或iPhone 17 Pro Max拍摄的。
大赛创始人Kenan Aktulun通过邮件表示:"我们创立这个奖项时,人们还在探索这款设备的潜力,充满实验精神,不断挑战新事物的边界。二十年过去了,这份好奇心从未消退,但已趋于成熟。今年的获奖者呈现的不再是手机能做什么,而是他们能看见什么。作品变得更加沉静、更具匠心,也更加充满人文关怀。"
大赛规则要求,参赛照片必须使用iPhone或iPad拍摄,不得在桌面端使用Photoshop进行后期处理,但允许使用设备上的应用程序进行编辑。作品共分为12个类别参赛,包括抽象、人像、风景和动物等。每张参赛作品需缴纳9.5美元报名费。
在IPPAwards官网上,每张照片都会标注所使用的iPhone型号、拍摄摄像头,以及光圈、快门速度和ISO值等曝光参数。但无从得知哪些照片使用的是系统自带相机应用,哪些借助了第三方应用,也无法判断后期处理的程度——而这些细节,在欣赏传统相机摄影作品时,我们从来不会去在意。
当然,专门表彰手机摄影作品依然具有重要意义。与许多传统相机相比,手机摄像头在传感器尺寸和镜头素质方面仍存在一定局限(即便是徕卡手机这样的高端影像系统也不例外)。
但这批获奖作品令人想起另一位知名鉴赏家的话。正如电影《料理鼠王》中美食评论家Anton Ego所言:"并非人人都能成为伟大的艺术家,但伟大的艺术家可以来自任何地方。"
Q&A
Q1:2026年iPhone摄影大奖的总冠军是谁拍的?用的什么设备?
A:本届总冠军由摄影师Robyn Jensen获得,作品为一张火山夜景照片,拍摄设备为iPhone 15 Pro。此外,总体一等奖由Gellert Gombai凭借一张黑白人像照片夺得,拍摄设备竟是2017年发布的iPhone X,充分说明出色的作品与是否使用最新设备无关。
Q2:iPhone摄影大奖对参赛照片有哪些规定?
A:参赛照片必须使用iPhone或iPad拍摄,不允许在电脑端使用Photoshop进行后期处理,但可以在设备上使用应用程序进行编辑。作品分为抽象、人像、风景、动物等12个类别,每张参赛作品需缴纳9.5美元的报名费。官网还会公示每张作品的拍摄设备和曝光参数等详细信息。
Q3:2026年获奖作品中有多少是用最新款iPhone 17 Pro拍摄的?
A:在主要类别的40张获奖作品中(不含荣誉奖),仅有7张使用了当前最新的iPhone 17 Pro或iPhone 17 Pro Max拍摄。这一数据说明,拍出优质照片与使用最新机型并无必然联系,摄影师的视角与创作意图才是决定作品质量的关键因素。
好文章,需要你的鼓励
全球数据中心建设需求持续高涨。北美方面,美国数据中心建设支出年化达510亿美元,微软在威斯康星州开放33亿美元设施,亚马逊和谷歌宣布在密苏里州合计投资250亿美元。欧洲方面,SoftBank将在法国建设5GW AI数据中心,投资额达750亿欧元。亚太地区,AirTrunk计划在印度投资210亿美元建设3GW数据中心。中东与非洲地区也有多项大规模项目落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着企业将AI融入机器人、工业设备等物理基础设施,边云协同架构正成为关键课题。以Luminous Robotics和先正达为例:前者在太阳能农场部署的机器人每秒做出10次决策,数据定期上传云端持续优化模型;后者通过Cropwise平台整合卫星、无人机、拖拉机传感器数据,辅助农民完成约150项农业决策。两家公司均强调,边缘端负责实时响应,云端负责模型训练与更新,同时保持人工监督以确保安全与准确性。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。