OpenAI收购Glass Imaging（以下简称Glass），交易估值超过3亿美元。Glass开发的神经ISP，可以用AI改善小型摄像头的画质，并让镜头和相机模组有机会做得更小、更薄。
收购前，Glass累计融资约3150万美元，投资方包括GV、Insight Partners、Future Ventures等。最近一笔是2025年5月的2000万美元A轮融资，由Insight Partners领投。
OpenAI此前已经收购Jony Ive参与创办的io，准备开发自己的AI原生硬件。如今又买下Glass，这笔收购的逻辑，可能是重构AI原生硬件获取现实世界信息的方式。
从iPhone人像模式走出来的创业者
Glass的两位创始人，都参与过iPhone人像模式的开发。
创始人Ziv Attar（CEO）在2011年创办LinX Imaging，研究双摄立体视觉，以及融合黑白、彩色图像来改善暗光画质。2015年，苹果收购LinX，他随后在苹果负责多个计算摄影项目，包括随iPhone 7 Plus推出的人像模式。
Glass的两位创始人，图片来源：Glass Imaging
另一位���始人Tom Bishop（CTO）在博士及博士后阶段研究逆向成像，涉及去模糊、超分辨率和深度估计。2013年至2018年，他在苹果开发人像模式的核心技术，此后又在创业公司带领团队研究自动修图和大规模图像识别。
人像模式用深度信息和计算，模拟大相机的背景虚化。两人在Glass继续处理小相机的物理限制，把神经网络用于更底层的成像，也尝试改变镜头的设计。
神经ISP：用AI重新设计小型摄像头
Glass的产品是一款名为Glass AI的神经ISP（Neural Image Signal Processor），本质上是针对特定摄像头训练的端到端神经网络。它既能改善现有摄像头的画质，也为更小、更薄的相机模组提供了设计空间。
摄像头小型化，一直伴随着画质上的妥协。镜头变得更小，校正光学像差就更困难；传感器尺寸受限，暗光下又容易出现噪点。在传感器面积一定的情况下，增加像素会让单个像素变小，同样的光学模糊也会覆盖更多像素。为了减少衍射对细节的影响而开大光圈，又可能加重镜头像差。因此，像素数提高了，照片中的细节未必能同步增加。
手机摄像头首先记录尚未处理的原始数据（RAW），这些数据经过图像信号处理（ISP），才成为我们看到的照片。传统ISP通常由集成在手机主芯片内的专用电路承担，将颜色插值、降噪和锐化等工作分开处理。但模糊和噪点同时存在，降噪时如果没有充分考虑镜头的模糊特征，就可能把纹理一起抹掉，后续锐化也很难恢复。
Glass AI把主要的图像重建工作交给一个神经网络，直接处理RAW数据，联合完成颜色插值、降噪、像差校正和细节恢复。它还可以对齐、融合连拍数据，利用帧间的细微位移恢复更多信息，最后输出RGB图像，供设备厂商继续做色彩、色调和压缩等处理。
Glass AI的训练流程
能够校正部分光学缺陷，也就允许相机在硬件设计上作出相应的让步。厂商可以尝试更简单、更薄的镜头结构，把由此增加、且能够有效校正的像差交给神经网络处理。在满足成像要求的前提下，相机模组便有机会缩小体积、减轻重量。Glass所说的AI与光学协同设计，就是从设计阶段把镜头和算法放在一起优化。
这种能力依赖于对具体硬件的了解。Glass针对特定的镜头与传感器组合训练神经ISP：同一款手机的主摄和长焦，需要分别训练专属模型；更换硬件也要重新测量和训练适配，同款硬件则可以共用模型。
Glass为此建立了自动化实验室，测量目标摄像头在不同光照、物距和对焦条件下的表现，覆盖画面不同位置及防抖造成的镜头偏移，掌握这套硬件特有的模糊、色差和噪声规律，再用于训练模型。
两位创始人介绍，自动化数据采集和模型训练各需几小时到一两天，减少了人工测量和调校的工作。
在Glass公开的一项小像素摄像头仿真研究中，团队根据镜头和传感器的物理特征生成RAW图像，再与仿真中的参考图像配对，训练神经ISP联合校正光学模糊、噪声等成像缺陷。研究展示了模型针对这些模拟摄像头的重建效果。训练后的网络能够一次完成从RAW到RGB的主要重建工作；Glass还可以针对设备的NPU优化模型，使图像在拍摄时由设备本地处理。
2026年1月，Glass展示了苹果手机上的对比结果：经过Glass AI处理，iPhone 16 Pro的1200万像素长焦摄像头，在部分高倍变焦场景中的细节表现，接近甚至超过iPhone 17 Pro原生的4800万像素长焦输出。
在2025年骁龙技术峰会上，Glass还在搭载骁龙8 Elite Gen 5的参考设备上，展示了20倍及更高倍率下的4K视频增强。神经ISP运行在高通Hexagon NPU上，实时改善视频的噪点、细节和画面稳定性。
OpenAI收购Glass：从拍好照片到理解现实世界
Glass大概率会被用在OpenAI自有硬件的视觉感知上。2025年，OpenAI已经将Jony Ive参与创办的io团队收入囊中，着手开发新设备。它的消费者设备部门也在招聘摄像头工程师，他们把摄像头系统定位为关键感知组件，工程师的工作从传感器接入、原始图像采集，一直覆盖到量产。
如果AI设备要随身携带，体积和重量就得控制，但端侧计算、传感器和通信都需要供电，电池又不能太小。有限的机身里，每个器件都在争空间。
如果Glass能帮助缩小相机模组，就有机会为电池和其他器件腾出空间，或者减轻整机重量。
Glass过去解决的是“怎样让手机拍得更好”，到了OpenAI手里，它的技术可能会被用来让AI原生硬件更好地感知现实世界。
手机照片主要给人看，清晰度、颜色和人像效果会影响用户评价。AI原生硬件则需要通过画面读取文字、辨认物体，理解用户正在做什么。降噪时抹掉的一段小字，可能影响模型对整张画面的理解。成像系统怎样处理细节，需要把后续的识别任务一起考虑进去。
可以想象，OpenAI会从模型需要获取的信息出发设计摄像头：镜头和传感器怎样选择，哪些细节必须保留，暗光下怎样平衡降噪和信息损失，最后用实际感知任务的表现评价整套方案。识别效果不理想，还可以沿着成像过程往前调整。
这样的方向，可以称为“AI原生的视觉感知摄像头”。它将光学采集、图像重建和模型理解放在一起设计。Glass能提供其中的底层成像能力，收购后如何与OpenAI的模型结合，将决定它能为AI硬件带来多大的感知提升。
感知能力提高后，人与AI之间的交互也可能改变。今天使用AI，很多时候仍要先把情况描述清楚，上传图片，再提出问题。如果设备能够可靠地理解眼前的环境和用户正在进行的活动，这些背景信息就有机会由设备自己获取。用户一句“这个怎么弄”，AI便可能知道“这个”指的是什么，回答也能直接接上正在做的事情。
再往前一步，当感知与记忆、推理和任务执行结合，AI原生硬件就有机会在合适的时候提供帮助。它需要知道任务进行到了哪一步，什么变化值得提醒，什么时候应该保持安静。硬件的产品形态、交互方式和服务内容，都可以围绕这种能力重新设计。
这给创业者打开了新的产品空间。更可靠的感知，有望让已有AI硬件进入更多使用场景，也可能让过去因设备看不清、理解不了环境而难以落地的产品设想变得可行。从底层成像出发的技术改进，最终可能催生新的AI原生硬件品类。
本文来自微信公众号 “阿尔法公社”（ID：alphastartups），作者：发现非凡创业者的，36氪经授权发布。