出品 | 网易智能军情五处第一季

作家 | 小爪

剪辑 | 王凤枝

你的手机相册，可能长期不够用。

像片越拍越多，iCloud一遍遍教导升级空间；聊天软件发一张原图要等半天；实况像片、高像素像片和多数截图，把腹地存储和云表同步全部推高。

苹果机器学习团队最近公开的PICO，盯上的恰是这个不够性感、但每个东说念主王人会碰到的问题：一张像片能不可看起来差未几明晰，却占用更少空间。

它不是聊天机器东说念主，也不是图像生成模子，更不是一个也曾上线的iPhone新功能。PICO出自一篇CVPR 2026论文《What Matters in Practical Learned Image Compression》，主题是practical learned image compression，也即是\"实用的学习型图像压缩\"。

往时一年，外界商讨AI产物，更多看见的是聊天框、Agent、图像生成和视频生成。PICO把视野拉到另一条产物链路上：AI干与糜费产物，不一定老是站在前台，也可能先钻进压缩、同步、缓存和编码这些底层管说念。

用户无意知说念背后用了什么模子，但会嗅觉手机更省空间、同步更快、使用起来更稳重。

图片压缩不是冷门问题

图像压缩也曾是几十年的老问题。从JPEG到HEIC，再到AV1、VVC、JPEG-AI，不同途径反复科罚的王人是统一件事：若何用更少的数据保存更可经受的画面。

这些名字离用户很远，但收尾很近。你在手机里看到的一张像片，发到聊天软件里的原图，网页里加载的一张商品图，云盘里同步的一组旅行照，背后王人在依赖压缩。

压缩作念得好，用户不一定察觉；压缩作念得差，用户赶快会发现。 太空出现色块，翰墨边际发糊，东说念主脸细节丢失，夜景涂成一派，截图里的小字看不清，王人是压缩从后台走到前台的时刻。

学习型图像压缩被反复辩论，也恰是因为这类选用很难靠固定例则穷尽。神经辘集表面上不错更贴近东说念主眼感知来判断：哪些纹理不错少保留少许，哪些边际不可坏，哪些细节对东说念主眼更明锐，哪些信息天然数学差错大但视觉上没那么重要。

论文后果和产物可用之间有距离。许多学习型压缩决策在实验里方针很好，但模子太重，编码太慢，解码太慢，或者需要职业器级算力。图像压缩不是离线艺术创作，它发生在拍照、预览、传图、上传、下载和通达图片的一刹。用户不错等AI生成一张图十几秒，却很难经受每张像片王人要等很久才能保存或通达。

PICO把问题推向了产物侧：学习型压缩若是真要干与通俗缔造，到底什么最重要？

PICO试图把论文方针拉回缔造端军情五处第一季

按照神志页和论文的说法，在临近感知质料下，无码高清网址导PICO所需的数据量约莫是AV1、AV2、VVC、ECM、JPEG-AI等传统或模范途径的三分之一到不到一半。

码率不错清爽为保存统一类视觉信息所需要的数据量。一张图片在某种压缩形势下需要较大文献才能保捏可经受画质，PICO这类模范的方针是在肉眼不雅感接近时，用更少数据达到肖似后果。这个比例不应径直写成通盘像片王人会收缩到三分之一，但它证实苹果团队看到的空间并不小。

和学术规模近几年发表的其他神经辘集压缩决策比拟，PICO也声称能进一步省俭约20%到40%码率。这少许不异重要。它不是只和旧式编码器比，也在和同类AI压缩模范比。

PICO莫得肤浅把神经辘集作念大，而是把模子结构和手机端速率绑在全部调。它模仿了学习型图像压缩中常见的hyperprior框架：主编码器先把图像调节成潜在暗示，提拔分支再为熵编码提供概率参数。它的一个关键调动，是把hyper-decoder拆成scale decoder和context decoder，其中scale decoder谨防输出熵编码所需的scale参数，并被诡计成跨缔造输出细则、可量化到UINT8的小模块。论文还用了面向运行时的神经架构搜索，在iPhone上实测多数decoder候选，而不是只看表面算力。因为不异的模子结构在不同芯片、不同推理框架上的施行速率不错差出好几倍。

这些细节对应的是很具体的产物问题。图片压缩算法不可只在论文职业器上跑得漂亮，用户通达像少顷，解码必须实足快、实足清爽。尤其是scale decoder这类参与熵解码的法子，若是不同缔造上输出不一致，图片就可能无法可靠还原。 苹果团队把细则性和速率问题放进架构诡计里，PICO才能从\"AI压缩后果更好\"往缔造端决策纠合。

稽察方针也在向产物风险靠近。PICO不单追求像素级差错更小，还把均方差错（MSE）、学习型感知相似度（LPIPS）、多圭臬结构相似度（MS-SSIM），以及成心针对翰墨失真和分块伪影的TextFidelityLoss、TilingArtifactLoss纳入稽察方针。后两个名字对应的恰是用户会碰到的问题：截图里的小字不可被压糊，分块处理后不可在范围留住涌现色块或接缝。 PICO的感知优化不是无为地追求\"东说念主眼更安闲\"，91成人亚洲一区而是在修补学习型压缩最容易伤到体验的场地。

速率数据把这种产物化取向说得更明晰。论文写到，在iPhone 17 Pro Max上，PICO处理1200万像素图少顷，编码最快约230毫秒，解码约150毫秒。 230毫秒约莫是一眨眼的时候；若是像片保存和通达王人要涌现慢一拍，用户很快就会嗅觉到。

手机上的图像压缩不是跑分展示，而是嵌在一整套交互里。拍完一张像片，系统要保存；通达相册，系统要解码；发给一又友，系统要压缩；上传云表，系统要截止文献大小；从云表拉回，系统要快速暴露。若是这些法子变慢，用户感受到的就不是\"AI更奢睿\"，而是\"手机变卡了\"。

PICO的方针不是单纯追求最小文献，而是把压缩率、感知质料和缔造端速率放在统一张内外比较。它标题里的\"实用\"，指向的即是这种工程经管。

产物信号不在\"AI压缩\"四个字

苹果若是改日把肖似技艺放进系统，用户很可能不会看到一个叫PICO的按钮。

更可能的情况是，拍照仍然是正本的拍照，相册仍然是正本的相册，发图仍然是正本的发图。变化发生在后台：像片占用更少腹地空间，iCloud同步需要更少带宽，信息诓骗或邮件传图更快，诓骗缓存和网页图片加载本钱下落。

这类变化不炫，但很值钱。像片和图片是挪动互联网最大的基础包袱之一。 外交诓骗、新闻诓骗、电商平台、云盘、相册、聊天器用，王人在为图片存储、传输和预览付本钱。用户端看到的是\"空间又满了\"，平台端看到的是存储、带宽和估计账单。

AI图像压缩若是省略清爽干与产物，影响的不仅仅相机和相册，也可能影响整条内容链路。电商平台的多数商品图，外交平台的用户图片，云盘里的相册备份，聊天软件里的原图发送，新闻网站里的头图和缩略图，王人可能受益于更高效的压缩形势。

苹果在这个方朝上有好意思满的产物条目：硬件、芯片、系统、相册、iCloud、信息诓骗和缔造端机器学习框架。A系列芯片里的Neural Engine，往时几年也曾用于相机降噪、东说念主像口头、翰墨识别等缔造端AI任务。PICO若是改日干与产物，肖似的缔造端加快材干很可能是它运行起来的前提。

苹果温暖的不仅仅模子能不可在论文里赢，还包括它能不可在缔造端以可经受的速率、功耗和清爽性运行。

这和许多AI产物的逻辑不同。 聊天机器东说念主不错先云表运行，慢少许也能通过加载动画遮住；图像生成不错让用户等；视频生成不错列队。但图像压缩是基础设施。基础设施里的AI，若是莫得实足低的延长、实足清爽的质料和实足可控的失败形势，就很难成为通俗功能。

PICO的价值就在这里：它把学习型图像压缩从\"辩论上能不可更好\"往\"产物里能不可用\"鼓动了一步。

AI也会藏进后台

往时两年，AI产物的叙事有一个涌现倾向：越可见，越容易被商讨。能聊天、能绘图、能写代码、能生成视频，才像AI产物。

但许多改变体验的AI，可能不会这样显眼。 它们会干与键盘纠错、像片降噪、视频防抖、推选排序、语音降噪、图像压缩、缓存管理、OCR、搜索清爽和秘籍检测。用户不一定主动调用它们，但每次通达产物王人会受影响。

PICO属于这一类。它不谨防帮用户生成一张像片，而是帮系统更有用地保存一张像片。 前者更容易被看见，后者更可能持久存在。

PICO面临的是另一个现实：用户也曾有了太多图片。它减少的不是创作门槛，而是保存、传输和同步的本钱。它离产物还差的，也不是单一方针，而是不同图片类型、不同缔造、不同系统管线里的清爽性考据。

还不可写成iPhone新功能

PICO仍然仅仅一个辩论神志。

苹果莫得晓示PICO会干与iOS，也莫得说它会取代HEIC、JPEG、AV1、JPEG-AI或现存相册压缩经由。论文中的数据量省俭来自特定评测和感知质料对比，不可径直清爽成每张像片王人能压到正本的三分之一。

不同图片类型也可能带来不同挑战。天然像片、截图、翰墨密集图片、UI界面、商品图、纹理复杂的图片，对压缩伪影的明锐点并不一样。用户能经受表象照里少少许纹理，无意能经受截图里的小字边际发糊。 论文里的平均收尾，不可躲闪信得过场景里的逐项测试。

还有一个产物问题：压缩不是越狠越好。对用户来说，文献小天然重要，但系念、凭证、使命烦懑和创作素材里的细节也重要。苹果若是改日真要在系统层面接纳肖似技艺，势必要在空间省俭、画质保真、速率、功耗和可收复性之间作念量度。

AI开动干与糜费产物的底层工程。它不错生成内容，也不错压缩内容；不错回应问题，也不错裁汰存储和传输本钱；不错站在前台让用户诧异，也不错藏在后台让产物少少许包袱。

往时几年，AI最容易被看见的材干，是制造更多内容。PICO代表的是另一种方针：当内容越来越多，AI能不可帮咱们把它们更低廉、更稳重地保存下来。