Press "Enter" to skip to content

Huahua's Tech Road

【追剧笔记】不仅有诡案,更有官场:详解《唐朝诡事录》里的硬核职官体系

最近《唐朝诡事录》很火,大家都在讨论苏无名和卢凌风这对“探案搭子”如何破解一桩桩离奇诡谲的案件。我在追剧的过程中,被剧中严谨且有趣的唐代职官系统深深吸引。

与其说这是一部悬疑剧,不如说它也是一部生动的“大唐公务员升职记”(或者说是“贬谪记”)。今天,我们就借着苏无名和卢凌风的视角,聊聊这些听起来高大上、实则门道极多的官职。

一、 “长安县尉”:苏无名的起点,到底是多大的官?

故事的开始,苏无名作为狄仁杰的弟子,出场时的职位是长安县尉

很多人一听“县尉”,觉得不就是个县里的捕头吗?其实不然。在唐代,县尉是正经的“流内官”(有品级的官员)。

1. 地位的特殊性: 唐代的长安城分为两个县管理:万年县和长安县。这两个县被称为“赤县”或“京县”,地位远高于普通的地方县。苏无名作为京县的县尉,品级通常在从八品下左右。虽然听起来不高,但在“官本位”的唐朝,这是很多科举士子梦寐以求的“起家官”。

2. 职能的繁杂性: 剧中苏无名忙得不可开交,是因为县尉的职权范围极广。他不仅是公安局长(抓捕盗贼),还是法院副院长(审理案件),甚至是税务局长(征收赋税)。苏无名之所以能破案,正是因为县尉必须长期在基层摸爬滚打,对三教九流了如指掌。

所以,当卢凌风一开始瞧不上苏无名时,不仅是因为性格,更是因为身份的云泥之别——一个是皇亲国戚的高级武官,一个是基层办事的劳碌命。

二、 “金吾卫中郎将”:卢凌风的傲气从何而来?

卢凌风出场自带BGM,职位是金吾卫中郎将。这个名头听起来就威风凛凛,实际上也确实硬核。

1. 什么是金吾卫? 唐代实行“十六卫”制度,金吾卫是其中负责京城治安的核心军事力量。如果说苏无名管的是具体的案件,那金吾卫管的就是整个长安的“秩序”和“夜生活”。唐代实行宵禁制度(除了上元节等),晚上大街上是不许走动的,负责巡逻、喊“闭门鼓”的就是金吾卫。

2. 中郎将的含金量: 中郎将是金吾卫的高级将领,品级通常在正四品上下。大家对比一下苏无名的“从八品”,就知道这其中的鸿沟有多大了。卢凌风不仅武艺高强,手握兵权,更是太子亲信。他在前期的傲慢,完全是基于这种强大的政治资本。

剧中两人从互相看不顺眼到生死之交,其实也是唐代“文官集团”与“勋贵武将”两种势力磨合的缩影。

三、 “司马”与“长史”:贬谪路上的难兄难弟

随着剧情推进,两人开启了“西行”模式,官职也发生了变化。尤其是苏无名,经常被任命为某州的司马

听到“司马”,大家可能会想到“座中泣下谁最多,江州司马青衫湿”。在唐代中晚期,司马长史这两个职位,往往带有一种尴尬的色彩。

  • 名义上: 他们是州刺史(一把手)的佐官,属于二把手、三把手。
  • 实际上: 在唐代,司马常被用来安置贬谪官员闲散人员。有官名,但往往没有实权,不用签署公文,甚至还得看刺史的脸色。

苏无名在剧中多次担任司马,其实暗示他在朝堂斗争中是被排挤的一方。但也正因为司马“闲得发慌”,苏无名才有了大把的时间去走街串巷、探查奇案,不需要像刺史那样整天坐在大堂上处理行政琐事。这反而成了他破案的“护身符”。

四、 刺史:一方诸侯的威严

剧中每到一个新地方(如南州、宁湖等),都会遇到一位关键人物——刺史

刺史是一州的最高行政长官,相当于现在的市长兼市委书记。在《唐朝诡事录》中,刺史的人设往往决定了这个地方的安危。有的刺史昏庸无能,被妖魔鬼怪蒙蔽;有的刺史则是幕后黑手。

值得注意的是,苏无名后来暂代斜封官(非正式任命),甚至做到实权刺史,这体现了他凭借能力在官场硬生生杀出了一条血路。

五、 结语:官职背后的唐朝气象

《唐朝诡事录》的好看,在于它没有把官职仅仅当作一个称呼。

  • 由于官职不同,才有权限的冲突: 比如金吾卫能不能插手地方案件?
  • 由于品级不同,才有礼仪的尊卑: 比如下官见上官的叉手礼。
  • 由于阵营不同,才有剧情的张力: 公主党与太子党的明争暗斗,直接决定了苏无名和卢凌风的命运起伏。

当我们看懂了这些官职,再看他们两人在夕阳下策马西行,不仅能看到江湖的快意恩仇,更能读懂那份“居庙堂之高则忧其民,处江湖之远则忧其君”的大唐风骨。


建议您下次刷剧时留意一个小细节: 看看剧中人物身穿的官服颜色。三品以上穿紫,四品五品穿绯(红),六品七品穿绿,八品九品穿青。苏无名从穿青袍到穿绯袍的过程,正是他一路升级打怪的最好见证!

【附录】一张表看懂《唐朝诡事录》官职“含权量”

为了方便大家理解,我整理了一份剧中主要官职的“现代职场对标表”

(注:古代官制与现代行政体系差异巨大,此表仅供娱乐和辅助理解,非严格学术对应)

剧中官职代表人物核心职责现代近似职位 (参考)职场潜台词
长安县尉苏无名 (初期)首都辖区的治安、刑侦、征税北京市某区公安分局副局长 + 法院副院长听着官不大,但是管得宽,典型的“大忙人”,也是积攒基层经验的黄金岗位。
金吾卫中郎将卢凌风负责京城巡逻、宵禁、皇家安保首都卫戍区高层指挥官 / 市公安局治安总队队长妥妥的“实权派”武官,出入皇城,威风八面,普通人根本惹不起。
刺史各案关键NPC主管一州的行政、司法、军事地级市市长 / 市委书记一方诸侯,土皇帝。在辖区内拥有绝对的话语权。
司马苏无名 (贬谪期)刺史的佐官,名义上管军事市府调研员 / 挂职副市长 (无实权)听着好听,其实就是被“晾在一边”。没事干正好去破案,工资照拿,责任全免。
长史各种倒霉蛋刺史的首席佐官,管行政文书常务副市长 / 市政府秘书长真正的“干活人”,刺史如果有事,长史就是第一代理人,但也容易成背锅侠。
大理寺少卿卢凌风 (后期)中央最高审判机关副职最高人民法院副院长从地方安保转入中央司法核心层,专业对口,位高权重。

编程的马太效应:在AI时代,为什么强者愈强,弱者将无路可走?The Matthew Effect in Coding: Why the Strong Thrive and the Weak Perish in the Age of AI.

引言:一场关于“生产力”的残酷错觉

自 ChatGPT 和 GitHub Copilot 横空出世以来,技术圈弥漫着一种混合了兴奋与恐惧的情绪。NVIDIA 的 CEO 黄仁勋曾语出惊人:“下一代人不需要学习编程了,因为每个人都是程序员。”

这句话听起来很美好,预示着技术门槛的消失。然而,作为一名长期观察技术趋势的从业者,我必须泼一盆冷水:这可能是本世纪对初级开发者最大的误导。

在 AI 时代,编程并不会消失,但它正在经历一场残酷的“马太效应”(Matthew Effect)。《圣经》中说:“凡有的,还要加给他,叫他有余;没有的,连他所有的也要夺过来。”

在代码的世界里,AI 工具正在成为那把分界用的“筛子”:它让资深工程师变成了“超级个体”,却让初级程序员(以及过度依赖 AI 的学习者)逐渐丧失了核心竞争力,甚至面临被淘汰的风险。


一、 数据的真相:代码数量激增,质量却在滑坡

要理解为什么“弱者更弱”,我们需要先看一组数据。

AI 确实提高了写代码的速度,这一点毋庸置疑。GitHub 在 2023 年的研究显示,使用 Copilot 的开发者完成任务的速度比未使用的快了 55%。这通常被解读为“AI 将让所有人都受益”。

但硬币的另一面是什么?

代码分析公司 GitClear 在 2024 年初发布了一份震撼业界的报告,他们分析了超过 1.5 亿行代码的变更数据。结果发现了一个令人担忧的趋势:

  • 代码“流失率”(Code Churn)激增:预计在 2024 年,代码被编写后短期内又被修改或删除的比例将比 AI 普及前翻倍。这意味着,我们正在以更快的速度生产“垃圾代码”或“一次性代码”。
  • 复制粘贴(Copy/Paste)比例上升:代码复用率下降,甚至出现了大量重复的、未经优化的代码块。

这揭示了“弱者更弱”的第一个陷阱:生产力的虚假繁荣。

对于缺乏基础的初级程序员(“弱者”),AI 生成的代码就像一个黑盒。他们可以迅速生成一个能跑通的功能,但他们并不理解其中的内存管理、边界条件或安全隐患。当系统变得复杂,或者出现 Bug 时,由于缺乏对底层逻辑的理解,他们根本无力维护这些由 AI 堆砌起来的代码山。

在这个层面上,AI 并没有帮助他们进步,反而剥夺了他们通过“试错”和“手写”来建立肌肉记忆的机会。他们沦为了 AI 的“监工”,却不具备监工的能力。


二、 认知的鸿沟:为什么 AI 是强者的“外骨骼”?

既然 AI 产出了大量低质量代码,为什么说它会让“强者更强”?

这就涉及到了编程的核心本质:编程不是打字,而是逻辑编排与决策。

MIT(麻省理工学院) 的一项研究(Noy & Zhang, 2023)揭示了一个有趣的现象:AI 工具确实极大地缩小了低技能工人和高技能工人在简单任务上的差距。但是,一旦任务涉及到复杂的系统设计、架构决策或跨领域知识整合,资深专家的优势不仅没有被抹平,反而被 AI 放大了。

对于资深工程师(“强者”)而言,AI 扮演了以下角色:

  1. 消除认知负荷:资深开发者不需要浪费脑力去记忆繁琐的 API 语法或编写正则表达式。AI 处理这些琐事,让专家将 100% 的精力集中在系统架构、业务逻辑和性能优化上。
  2. 验证与纠错能力:强者拥有深厚的内功。当 AI 给出一万行代码时,强者能一眼看出其中隐含的并发死锁风险或数据库 N+1 查询问题。他们有能力驾驭 AI,而不是被 AI 驾驭。
  3. 超级个体的诞生:以前构建一个全栈应用需要前端、后端、DBA 三个人;现在,一个资深架构师配合 AI,可以在一周内完成以前三个人一个月的工。

如果你拥有 10 年的经验,AI 是你的钢铁侠战衣;如果你只有 1 个月的经验,AI 只是你的轮椅。长期坐轮椅的人,腿部肌肉是会萎缩的。


三、 丧失的“痛苦学习法”:技能形成的断层

教育心理学中有一个概念叫“有效失败”(Productive Failure)。只有在不断的调试、查阅文档、理解报错的过程中,大脑才会建立深刻的神经连接。

在 AI 时代,初学者面临的最大危机是“中间过程的消失”

  • 过去的学习路径:遇到 Bug -> 痛苦地读源码/查 Stack Overflow -> 理解原理 -> 解决问题 -> 技能提升
  • 现在的学习路径:遇到 Bug -> 把报错扔给 ChatGPT -> 复制粘贴修复方案 -> 问题解决 -> 大脑一片空白

Stack Overflow 的流量在 AI 兴起后出现了肉眼可见的下滑。这看似是效率的提升,实则是学习路径的截断。

如果不主动去学习编程的底层原理,新一代的入行者将极难跨越从“初级”到“高级”的门槛。因为高级工程师所具备的直觉,全都是在那些 AI 现在帮你省略掉的“痛苦过程”中积累起来的。

这导致了人才结构的K型分化

  • K的上端:懂原理、懂业务、能指导 AI 的技术专家,身价倍增。
  • K的下端:只会写 Prompt、依赖 AI 生成 CRUD 代码的“填空者”,薪资将被压缩到极致,甚至被完全自动化取代。

四、 这种环境下,我们该学什么?

回到最初的问题:还需要学习编程吗?

答案是绝对的需要。但“学习编程”的定义已经彻底改变了。

在过去,学习编程可能意味着背诵 C++ 的语法标准,或者记住 Java 的所有类库。而在 AI 时代,这部分知识已经贬值(Depreciated)。

要想成为那个“更强”的人,你需要掌握的是 AI 无法替代的稀缺技能

  1. First Principles(第一性原理)与底层逻辑: 你需要深入理解计算机操作系统、网络协议、数据结构与算法。只有懂原理,你才能判断 AI 写的代码是垃圾还是金子。你必须具备 Review AI 代码的能力,这是未来的核心岗。
  2. 系统设计与复杂工程能力: AI 擅长生成函数(Function)级别的代码,但在处理微服务架构、高并发容灾、遗留系统重构等宏观问题时,依然经常“幻觉”。架构设计能力,是人类工程师最后的护城河。
  3. 精准提问与问题拆解能力: 编程语言本质上是人与计算机沟通的语言。自然语言(Prompt)虽然降低了门槛,但如何将一个模糊的业务需求,拆解为精确的、可执行的技术模块,这依然是编程思维的核心。
  4. 调试(Debugging)能力: 以前你需要调试自己写的代码;未来,你需要调试 AI 写的代码。这实际上比调试自己的代码更难,因为它要求你的知识面必须覆盖 AI 的知识面。

结语:拒绝做 AI 的“乘客”

在 2024 年的一份行业薪酬报告中,我们已经看到了一些端倪:初级编码岗位的招聘需求在缩减,但对“AI 应用工程师”和“资深架构师”的需求却在暴涨。

AI 不会淘汰程序员,但“会用 AI 的资深程序员”将彻底碾压“依赖 AI 的初级程序员”

这很残酷,但也很公平。

如果你现在的学习方式只是为了“让程序跑起来”,那么你正在掉入弱者的陷阱。请不要满足于 AI 给你提供的便捷答案,去深究代码背后的 为什么

在 AI 时代,学习编程不再是为了当一个熟练的砌砖工,而是为了成为一名懂得力学原理的建筑师。只有掌握了核心逻辑的强者,才能驾驭这股洪流,而不是被它淹没。

如果你不想在未来五年内沦为技术的“贫困户”,请立刻停止对 AI 的盲目依赖,重新打开那本枯燥的计算机原理书。


下一步建议:

如果您认同这个观点,并且希望避免成为“弱者”,我建议您可以从以下方面开始行动:

  1. Code Review 练习:尝试让 AI 生成代码,然后刻意去寻找其中的优化点或潜在 Bug,锻炼鉴别能力。
  2. 深入底层:不要只学框架(React/Spring),去补习《计算机组成原理》或《操作系统》等基础课。

Apple ProRes 实战分析 | 码率 | 压缩比 | 信噪比

ProRes是苹果推出的一组有损视频编码格式,经常用作视频剪辑时候的中间编码。现在也有不少相机提供机内录制ProRes的选项。

ProRes优点有

  • All-Intra/帧内编码(每一帧都是独立压缩)
  • 编解码效率高(使用硬件加速的情况下)
  • 全线支持10bit 422(也有444和4444的选项)
  • 可变码率(”简单”的画面压缩比高)

当然一切都是有代价的,All-Intra就意味着在相同画质的情况下,码率会比LongGOP帧间编码(H.265 / HEVC)高不少。好在ProRes提供了一些预设来满足不同的画质/码率需求,码率从高到低分别是:

  • HQ (High Qaulity) 高画质
  • ST (Standard) 标准
  • LT (Light) 轻量级
  • Proxy 代理

接下来我们就来一起看下不同预设在不同场景下的表现。

测试环境和方法:由于ProRes是All-Intra的,所以拿照片和视频得到的结论是一样的,为了方便起见我就都用单张照片来进行测试。

照片是RAW转16bit TIFF,3840×2160,再用ffmpeg压缩成ProRes 30fps,编码器使用的是Mac上的硬件编码器prores_videotoolbox,默认参数。硬件编码器的画质肯定不如CPU编码,但速度要快上好几个数量级。

首先出场的是最难压缩的东西:噪声,来测试一下ProRes码率的上限和画质的下限。

Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 941.82 5.04 13.86
ST 647.12 7.33 13.07
LT 373.77 12.70 12.71
PROXY 143.35 33.11 12.69

首先我们看到的是PSNR惨不忍睹,就算HQ的码率高达942Mbps,信噪比也不到14,信噪比随着码率下降而下降,不过不到1dB。

接下来看一下风光照,一般光圈比较小,场景中有大量的纹理细节。

Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 872.01 5.44 41.67
ST 570.42 8.32 38.96
LT 394.29 12.04 36.36
PROXY 175.28 27.08 31.72

这个时候就很明显的看到各档拉出了明显的差距,信噪比从最高的HQ的近42dB,慢慢降低到Proxy的32dB。但就算全屏观看(不放大),Proxy的画质也相当能打了。30dB是”高画质”底线。

再看另一张,无论是码率还是信噪比都惊人的接近。

Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 882.20 5.38 41.47
ST 568.93 8.34 39.06
LT 398.37 11.91 36.25
PROXY 178.90 26.53 30.82

之前的强度太强了,我们来一个easy case。有大量平滑色块和很强的背景虚化的照片,这种就属于比较容易压缩的。

Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 749.11 6.34 48.48
ST 555.70 8.54 47.95
LT 386.50 12.28 47.27
PROXY 93.45 50.79 45.73

对于简单场景,连Proxy都拿到了近46dB的PSNR,拉不开差距,而且各档码率都下降了不少。

人像

接着我们来看几张人像,结果介于风光和简单场景之间。

Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 852.40 5.57 43.33
ST 568.61 8.35 42.58
LT 372.84 12.73 41.47
PROXY 157.54 30.13 39.78
Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 886.42 5.35 39.72
ST 553.79 8.57 39.55
LT 350.24 13.55 39.24
PROXY 188.87 25.13 38.58
Profile Bitrate (Mbps) Compression Ratio PSNR
HQ 850.07 5.58 34.12
ST 537.04 8.84 34.06
LT 392.76 12.08 34.00
PROXY 160.87 29.50 33.77

不知道为什么对于一些人像照片来说,各个档位拉不开差距。还用什么HQ,直接Proxy得了。

总结

Profile 4K 30fps
Bitrate (Mbps)
4K 60fps
Bitrate (Mbps)
Compression Ratio Avg
PSNR
HQ 880.00 1760.00 5.39 40.06
ST 570.00 1140.00 8.33 38.84
LT 400.00 800.00 11.87 37.46
PROXY 180.00 360.00 26.37 34.94

ProRes HQ/ST虽然画质不错,但仅有5-8的压缩比做为录制编码来说码率太高了,不太实用,要知道NRAW压缩比也在5左右。ProRes LT压缩比为12:1左右,4K30 “仅需” 400Mbps,在码率和画质上取得一个不错的平衡点。但4K 60码率就翻倍了达到800Mbps。这也算是All-intra的一个弊端了,码率和帧率成正比, 即便是ProRes LT 4K 120fps也要1600Mbps。Proxy可以提供30:1的压缩比,4K 60也就360Mbps,都和H.265差不多了,平均35的PSNR估计是要比H.265低一些, 不过对于一般的情况来说也够用了。希望相机厂商能提供更多的ProRes编码选项,其实也就是几组参数的事情。个人希望加一个Proxy的高码率版,压缩比20:1左右,4K 60 475Mbps左右,V60的SD就行了,那就非常Nice了。

想当年,JPEG以8:1~12:1的压缩比傲视群雄,我的第一台单反D90就能拍摄720p的MJPEG,同样也是All-Intra,720p超过25Mbps的码率(压缩比13.5:1) 在当时来说高的吓人。但仅从画质上来讲,ProRes系列并没有比(目前最好的)MJPEG好多少。毕竟帧内压缩是有极限的,个人感觉40:1 – 50:1估计到头了。AI超分+帧生成或许是以后的发展方向,码率降到1/16不是梦。

Nikon Z8/Z9 HLG Deepdive | HLG 详解 VS N-LOG

网上关于HLG的资料相对来说还是比较匮乏的,更别说是针对Nikon Z系列了。之前做过一期简单的HLG直出视频,但是没人感兴趣…

首先HLG是一条用于交付的Gamma曲线,向下兼容SDR内容,这也就注定了它的上限比较低,这也是为什么大部分人对它不感兴趣的原因(另一个原因是它是HDR)。HLG的动态范围(尤其高光)比不过N-LOG,更别说Slog3了。暗部表现则比其他LOG曲线要好一些。它最大的优点就是所见即所得,不需要LUT还原,也(基本)不需要向右曝光,特别适合HDR直出。不过如果你只做SDR的话,还是选N-LOG吧。只是2025年了,拍N-LOG/NRAW获得12+档动态范围,然后再压缩到8档,我只能说历史的包袱太沉重了。可以参见:再谈苹果XDR显示器与HDR之殇

响应曲线

我在Z8上实测响应曲线,测试方法:调整曝光,记录不同曝光值下中灰的IRE,并和理论值做对比。为了统一起见,我将中灰(Stop 0)都曝光到36%。Note: HLG中灰的理论值应该是38%,不过差别不大,大概0.2档左右。结果实测N-LOG的时候,同样用了95 (37.2%)的斑马线,最后得到的曝光是38%,不管了,差不多就行了。

Z8 HLG实测曲线和理论曲线在[-7, +3]的范围内贴合的非常不错。实测的HLG底噪大约是3%,。两者在高光部分差别比较大,HLG中灰以上一档就开始变成对数曲线,和Stops应该是线性关系,但实测下来,Nikon对+3档以上的高光做了一些保护,曲线非常平滑,因此也比理论多了1档的高光,中灰以上5.3档才会完全过曝。 但比起N-LOG还是差了一档多。另外HLG模式下,IRE最大值不是100,而是97左右,斑马线需要设置在245才会有效果。

N-LOG的曲线大致上贴合的还是不错的。noise floor,13%左右。-7档开始就贴着了。只有在+1档到+2档的附近有点波动。高光部分的斜率还是太大了,竟然比理论值还大一些。中灰以上6档就过曝了。只比HLG好了不到1档。

名义ISO

众所周知,N-LOG的基础ISO是800,第二档则是ISO 4000。HLG的基础ISO是400,第二档是ISO 2000。无论是N-LOG还是HLG,它们的ISO都是名义ISO,或者说等效ISO。在相同照度下,我使用相同的参数(1/400s F/4 ISO800)拍摄灰卡,N-LOG和HLG的IRE是36%左右,SDR则为52%。三者还原之后中灰的亮度大体上相同(SDR稍微亮了一点),证实了”名义”ISO。但实际上传感器使用的ISO是多少呢?其实都是ISO 100左右,如何证明呢?拍摄同样的白卡,记录刚刚过曝时的曝光参数。
N-LOG: 1/30s F/4 ISO 800
HLG: 1/30s F/4 ISO 400
SDR: 1/30s F/4 ISO 80 (NL profile, Active D-lighting off)
进光量相同,传感器同时过曝了,表明实际ISO是相同的。
等效ISO也可以这么理解:
N-LOG拍摄时欠曝3档,后期还原时把中灰提亮3档,以起到保护高光的目的。
HLG拍摄时欠曝2档,后期还原时把中灰提亮2档,以起到保护高光的目的。
这也就是为什么按照标准曝光(将中灰曝到36% IRE),N-LOG暗部噪点爆炸,需要使用向右曝光的原因之一。
HLG则相当于找了一个平衡点,欠曝2档,等效于使用ISO 400拍视频,对于全画幅来说勉强可以接受吧。

HLG quality 设置

由于是面向直出的交付曲线,只有H.265编码支持HLG。虽然Nikon贴心的提供了HLG质量选项,但这里有个坑,在默认的设置下,相机是会对HLG的画面进行锐化的,导致使用超级锐的Z卡扣镜头时会产生过度锐化的情况。需要将Quick Sharp设置成-1才能获得未锐化的画面。有需要的话,也可以将对比度和饱和度也降低一些,推荐-1。

不同Quick Sharp模式下的波形图

调整对比度

调整饱和度

再谈苹果XDR显示器与HDR之殇

我之前有一篇文章聊过苹果的MBP的XDR显示器,以及为什么“正确”调色过的SDR在它上面效果如此之好,以至于连HDR都黯然失色。Why SDR looks so good on Apple’s XDR display that even shadows HDR?

其实很简单:苹果的XDR显示器把普通的SDR内容HDR化了,高光部分没动,只是把暗部压暗了很多,接近5档!

一谈HDR,很多人上来就吹什么动态元数据什么的。抛开色彩不谈,HDR的字面意思就是高动态范围,就是指内容最终在显示设备上呈现时最亮的地方和最暗的地方的比值,能超过一个数值(比如10档/1024)就可以称为HDR了,物理学就是这么简单。

XDR显示器在呈现Rec. 709 (Gamma 2.22)的内容时,IRE 50%~100%时和标准曲线基本吻合。但在50%以下的部分,对比度会慢慢增加,低于10%之后,黑化愈发明显。播放有损压缩视频时,暗部色块和断层基本不可见,显示效果大幅提升,正所谓一黑遮百丑。谁叫人家能黑的下去呢!标准的Rec. 709曲线在最大亮度500nit时,1% IRE的亮度为1.11nit,动态范围8.8档。但在XDR显示器上,实测100% IRE 450nit, 1% IRE 0.04 nit,动态范围13.5档,这还不算HDR吗?

Rec. 709在普通LCD显示器和XDR显示器上的暗部区别巨大(相机直拍)

后记

XDR的MBP发布已经近4年了,现在最新的iPhone/iPad以及安卓阵营在SDR最大亮度上早已超过了它,达到1000nit或以上,至少14档的显示动态范围使得SDR被HDR化有过之无不及。最高2000nit的激发亮度使得HDR的高光也就比SDR多1档,食之无味弃之可惜,普及遥遥无期~此时JPEG说我真的还能再活500年!