目錄

• 你可能想知道的事
• 主要議題
• 重點摘要表
• 後續⋯

你可能想知道的事

這次收購是否為 OpenAI 建立自有消費性裝置的更大計畫的一部分？

Glass Imaging 的 AI 方法如何有別於傳統的手機攝影增強技術？

主要議題

根據華爾街日報的報導，OpenAI 已收購專注於提升智慧型手機攝影的新創公司 Glass Imaging，交易據報價值略高於 3 億美元。Glass Imaging 成立於 2019 年，總部位於加州洛斯阿圖斯，先前曾從外部投資者募得約 3000 萬美元。這筆收購將這支規模小但技術專精的團隊納入一個以人工智慧進展聞名且對消費性硬體日益感興趣的更大組織之中。

Glass Imaging 由 Ziv Attar 與 Tom Bishop 創立，兩人皆為前 Apple 工程師，曾參與開發 Apple 的人像模式。這段背景很重要，因為它塑造了 Glass Imaging 的核心理念：公司並非主要依賴拍攝後的編輯或雲端處理，而是訓練神經網路去模擬並補償小型智慧型手機相機模組的物理與光學限制。透過學習特定鏡頭與感測器的行為──包括不同手機型號及其多鏡頭系統在各種光線與光學條件下的反應──這些神經網路可以在快門按下瞬間產生更好的影像品質。這種方法與許多在拍攝後才進行調整的影像增強工作流程形成對比，並強調硬體與軟體整合的攝影方式。

Glass Imaging 的策略吸引觀察者與投資人的原因是它鎖定了智慧型手機設計中一個持續存在的限制：相機光學元件可用空間有限。隨著手機變得更薄且內部結構更複雜，製造商越來越倚賴計算攝影來補償小型鏡頭與感測器的不足。Glass Imaging 的貢獻在於透過學習模型使補償更針對每一套相機系統，可能在不需更大相機模組的情況下帶來更好的色彩忠實度、動態範圍、降噪與景深處理。

據報導 OpenAI 購買 Glass Imaging 的做法，符合該公司在軟體模型與雲端服務之外擴展野心的更大敘事。雖然 OpenAI 因 ChatGPT 等語言模型而崛起，近月來卻有持續傳聞與訊號顯示其對硬體感興趣：從耳塞與伴侶裝置的原型到可能的手機研發。公開方面，OpenAI 尚未就該筆報導交易立即評論。業界內部觀察者指出合作案與人才招攬，視為 OpenAI 正在探索結合模型、裝置層級智慧與專門硬體的整合式 AI 體驗的證據。

作為朝向硬體參與的一項顯著舉措，OpenAI 先前以 65 億美元收購 Jony Ive 的設計公司，這項高調企業行動將這位著名設計師與 OpenAI 的產品野心連結起來。2025 年，OpenAI 執行長 Sam Altman 與 Jony Ive 透露他們共同參與一個名為 io 的裝置新創，顯示出具體的設計與產品開發努力。若 OpenAI 收購 Glass Imaging，邏輯上會補強此類工作，將計算攝影專業引入 OpenAI 的業務，尤其是在公司打算推出具備先進內建影像能力的裝置時。

對 Glass Imaging 而言，與 OpenAI 整合可能意味著可存取更大規模的運算與研究資源、與專注於消費性硬體的設計師與工程師共同開發，以及有機會將其技術推廣到更多裝置上。對 OpenAI 而言，收穫則是將光學系統對應到學習模型的領域專業──這項能力不僅可應用於智慧型手機，也可用於具備相機的耳塞、擴增實境裝置或其他受限於外形尺寸而需計算解決方案的消費性產品。

從財務面看，據報導超過 3 億美元的價格與 Glass Imaging 先前募得的約 3000 萬美元形成對比。這樣的差距顯示出顯著的估值上升，可能由於該技術的策略價值與創辦人經驗所驅動。創辦人有在 Apple 工作並參與開發如人像模式等廣為人知功能的技術背景，為新創的聲明增添可信度，並可能是 OpenAI 有興趣的因素之一。從競爭觀點來看，此交易可能加速裝置端影像的提升，並促使其他科技公司追求類似的收購或合作以維持在計算攝影領域的競爭力。

更廣泛來說，這項行動說明了 AI 公司尋求垂直整合的趨勢。組織不再純粹聚焦在平台或模型上，而是越來越多地追求專門硬體或領域特定團隊，以確保演算法與其服務的物理系統緊密結合。Glass Imaging 的方法就是一個明確範例：最佳結果出現於模型在具有相機光學與感測器特性的詳細知識下接受訓練，而這反過來又需要對硬體限制與製造變異有深入理解。

雖然收購細節仍在浮現，且 OpenAI 在報導時並未立即正式確認，但其含義相當明確。此項收購將強化 OpenAI 在影像領域的工程實力，帶入一個能協助把先進神經影像技術轉化為消費級實作的經驗豐富團隊。至於這些實作會先出現在智慧型手機、可穿戴裝置還是其他類別的產品，仍有待觀察，但技術協同效應顯而易見。

最後，若 Glass Imaging 的收購公開確認並以報導價格完成，將引發關於競爭、人才整合以及專門影像功能多久會成為消費性裝置標準的討論。將學習模型整合到裝置與硬體中的公司有能力提供差異化的使用者體驗，但同時也面臨與隱私、效能以及不同裝置生態系相容性相關的挑戰。在將這些能力擴展到主流產品時，如何在帶來日常攝影可感知改善的同時平衡上述考量，將是合併後團隊的重要考驗。

重點摘要表

後續⋯

若獲確認，此收購可加速 OpenAI 推出將學習模型與相機硬體緊密整合的裝置或功能。展望未來，預期會更重視考量光學與感測器物理特性的裝置端模型、設計與 AI 團隊之間更緊密的合作，以及競爭者回應時業界活動的增加。隱私、效能與跨裝置相容性將是這些能力擴展為主流產品時的核心考量。