20年鏡頭技术更迭教我们的事
第一次使用數字鏡頭是2001年到尼泊尔爬山时，也一起带了使用正片与负片的传统鏡頭。虽然分辨率不高(640x480)，却频于分享數字相片，因为方便在电脑上观看、聚会时投影出来解说旅程的故事、或是透过电子邮件分享。所以「數字化」、「便于分享」弥补了早期數字鏡頭品质的不足。
2002年到纽约进行博士学业，与臺湾家人的分享完全透过數字照片，大量拍照更新，让家人理解在美国的生活情形，透过E-mail以及后来使用的照片社群服务(如Flickr)，让照片分享、储存更为容易。之间更换了多臺數字鏡頭，较佳的摄影品质、镜头焦段等促进换机的理由；數字鏡頭品质提升，传统底片鏡頭没落。
2010年移動(手机)摄影问世后，10年来不断窜升，方便携带、搭配網絡、互动频繁的網絡社群App，让移動摄影后发先至，不断取代數字鏡頭。數字鏡頭由2010年的高峰，快速下滑，也让數字鏡頭产业产生极大变化。而移動摄影品质、手机镜头也成了现今移動电话换机的首要因素。
与數字鏡頭相比，手机的尺吋不大，限制了移動摄影的鏡頭硬件规格。感光元件尺吋小(分辨率低)、固定光圈、进光量有限、影像可记录数值范围狭小。厚度的限制，也无法负荷光学变焦，景深等更为有限。
即使这样，移動摄影为何可以达到这么好的品质呢？凭借的是这十年方兴未艾的计算摄影(Computational Photography)技术，利用演算法，打破鏡頭的硬件局限来提升照片品质，甚至降低硬件成本。
善用手机上较高的运算能力，计算摄影技术利用各种演算法来补强鏡頭光学以及感光元件的限制：例如提高影像分辨率、降噪、高动态范围成像(HDR)、低光拍摄、或是模拟出景深效果等，甚至利用多颗镜头，多张影像计算提升影像品质。目前的研究，或是早期产品都发现，跳过传统ISP (Image Signal Processor)，直接由感光元件上(RAW信號)进行计算摄影运算，可以获得更好的影像品质。
从传统鏡頭、數字鏡頭、到移動摄影，甚至延伸至各样视觉傳感器。二十年产业结构转变，肇因于數字化、聯網、分享能力、軟件弥补硬件的局限、多镜头/多信號源、3D成像、社群、App等，绝大部分是我们忽略的软性技术：軟件与服务。
另一个更跃跃欲试的是「智能化」，受惠于这几年进展快速的卷积網絡(深度学习技术)。传统的鏡頭ISP大都使用近乎线性、考虑小区域的计算来增益影像品质，卷积網絡可以提供更复杂的运算，甚至考量画面语意(如树、路面、人等)更精准的改善影像品质。搭配逐渐成形的卷积加速芯片，深度学习演算法与硬件加速两股力量汇流，预期会看到更令人惊艳的影像产品。一系列neural-based ISP技术发展(如DeepISP)，值得关注。
而这样的摄影技术更替还没停止，甚至蔓延到其他产业。镜头捕捉的画面不再是为了美观，而是让机器精准判读：视讯监控、AOI、ADAS、自驾车、机械手臂等使用大量镜头。特别是在快速成长的车用市场，每部车镜头个数将高达两位数，用于车道/障碍物监控、路线规划、自动停车、环景、或是了解驾驶(乘客)的状态。搭配V2X 联网、5G通讯等，过去二十年鏡頭技术典范转移的成因(軟件与服务)，似乎也是热衷于新能源车的企业们，所不能忽略的。
