APP下载

将要用在 iPhone 12 上的 A14 芯片 很强吗?

发布于2020-09-25 14:50:31

具体到各个模组部分,A14 仍然延续了和前代一样 6 核心 CPU 与 4 核心 GPU 的设计,两部分性能相比 A12,分别提升了 40% 和 30% 左右。

还有一点改进是 A14 的神经网络引擎:全新的 16 核架构,相比 A13 的 8 核心数直接翻番,能够提供高达 11Tops 的算力。

另外,这次苹果也为 A14 引入了和 A13 类似的机器学习加速器结构,使得 iPad Air 4 获得了更快的矩阵运算速度。

光从数据上看,A14 的提升幅度还是很亮眼的,考虑到之后 iPhone 12 也将搭载这颗芯片,现在等于是让我们提前一睹了 iPhone 12 的性能提升。

但细看后你会发察觉到异样,比如说 A14 在 CPU 和 GPU 上的对比数据,都是基于前年的 A12 得出,而非去年的 A13,这并不符合常理。

苹果会这么做,是由新旧两代 iPad Air 的芯片决定的。毕竟只有同系产品的对比,才能做到绝对的公平公正,并非是苹果有意避开 A13。

不过,A14 与 A13 的性能对比,依旧引起了硬件爱好者的关注。

目前,从 AnandTech 等专业媒体的推测来看,A14 在 CPU/GPU 部分,仅比 A13 提升了 16% 和 8% 左右,但 A13 相比 A12,在这两部分都有着约 20% 的提升。

这就意味着,哪怕是 A14 采用了新一代 5nm 制程,但提升幅度很可能不如上一代 A13,尤其是 GPU 图形处理器部分,不到 10% 的提升,更是相当的“保守”。

背后的原因是什么,我们暂时还不得而知。坊间猜测,苹果可能是从 5G iPhone 的功耗考虑,才有意放缓了这一代 A14 的性能升级,对于这一点,我们只能等待 iPhone 12 上市后才能获悉。

也有说法称,目前台积电的 5nm 工艺良率还未达标,间接影响了 A14 的性能释放,是否真的如此,则需要等待进一步的真机芯片拆解和分析。

A14 衍生出来的另一个问题,是 iPad Air 4 与 iPad Pro 之间的性能对比。

由于目前 iPad Pro 搭载的还是 A12Z 芯片,不少人便认为,搭载最新一代 A 系芯片的 iPad Air 4 ,是在“以下犯上”,在性能上超越了老一代的 iPad Pro。

但“数字越大,性能越强”的理论,却并不适用于带 X、Z 这类后缀的 A 系芯片。

客观的说,制程的升级,还有能耗的差距,确实会让 A14 拥有更强的单核性能。

​但我们也不能忽视,A12Z 本身拥有 8 核心 CPU 与 8 核心 GPU。这种多核心数结构,还有内存带宽上的优势,依旧能让 iPad Pro 在多执行绪以及图形处理能力上,比 iPad Air 4 更胜一筹。

所以,只要苹果还没有发布 A14X 或 A14Z 的打算,目前 A12Z 依旧会是苹果移动设备上,综合性能最强的 A 系芯片,这点估计在 iPhone 12 发布后,也不会有所改变。

机器学习算力大提升,为什么苹果要重视它?

近两代的 A 系芯片中,神经网络引擎是一个经常会被苹果提及的模组。

本次 A14 也不例外,神经网络引擎的核心数直接增加了一倍,从 A13 的 8 核变成了 A14 的 16 核,估计那 40% 的晶体管数量提升,有相当一部分都用在了这里。

而由此带来的近两倍的机器学习算力提升,也明显要比 CPU、GPU 升级耀眼得多,更别说还有应用在处理器上的机器学习加速器。

但这个神经网络引擎会影响哪些体验,很多人并不清楚。

我们很难把它归结为单纯的“手机流畅度提升”,因为它不像 CPU、GPU 一样,可以有量化数据作为对比依据;就算是算力翻倍,它也不会让你的游戏,从原来的 30 帧升到 60 帧。

不过,近几代 iOS 系统内的特性,有很多都是离不开机器学习技术的。

比如说拍照,去年 iPhone 11 Pro 引入的 DeepFusion 三合一图像处理技术,就是透过机器学习训练的演核心,来实现图像合成,最终产出一张更高品质的照片。 

更进一步,iPhone 的相册能够自动根据人脸特征,对图库进行分类;还有像 Apple Music 能够根据我们的听歌偏好,自动推荐你喜欢的歌曲;而 iPhone 的电源管理系统也会主动学习我们的使用习惯,延长、优化续航时间,背后都有机器学习技术的参与。

在本次 iPad Air 4 中,苹果也介绍了两个使用了 A14 机器学习技术的案例。

一个是 djay Pro 应用,它可以让 iPad Air 调用前置镜头,捕捉、辨识出音乐人打碟的手势,实现“隔空打碟”的特性。

考虑到 iPad Air 4 并未搭载可感知深度情境的 Face ID 零组件,这种动作辨识,也只能靠机器学习的方案来实现。

另一个案例则是照片编辑应用 Pixelmator,借助机器学习能力,它可以让被裁减、放大后的照片,实现自动修复。

哪怕是照片本身的分辨率十分有限,但机器学习依旧能填补缺失的像素点,改进边缘锯齿和图像纹理。

所以,从上述几个例子可以看到,A 系芯片的神经网络引擎看似是“感知不强”,但实际上,是它施加的影响更底层,不容易被我们察觉而已,很多功能其实与我们的使用体验是息息相关的。​

去年,苹果前高层菲利普‧席勒(Phil Schiller)在接受 《连线》采访时也说,目前 iOS 系统的功能中,基本已经不存在不使用机器学习的领域了。无论是对电池寿命的影响,还是性能的优化,它一直都你所不知道的地方,持续地执行着。

既然如此,发展更强的算力,这些工作显然能更有效率地去执行;而苹果也能规避掉个人数据收集的风险,让设备只靠本地算力而非联网,就能完成更重度、更复杂的任务。

A 系芯片,已经不再是 iPhone 和 iPad 的专属了

A14 会是苹果在 5nm 制程上的唯一芯片吗?我们并不这么认为。哪怕是这次苹果把重点放在了机器学习算力,而非 CPU、GPU 的性能上,我们仍有机会在下一代 iPad Pro,甚至是 Mac 上,看到性能更强的衍生版本。

目前苹果在 iPhone、iPad 等产品线上,都已经开始维持“高中低”三条,甚至是三条以上,有着不同命名,以及不同价位的产品,但并不是所有的产品都需要最强的芯片性能。

受众的变化,已经使苹果很难再靠每年一颗 A 系芯片,就做到全产品线覆盖,而是要分别针对手机、平板等设备的性能需求,来做出取舍。 

近几年,苹果也有意识地在扩展 A 系芯片的分支,比如说光是 A12 这一代,我们就能看到 A12X、A12Z 两种版本,后两者都在 CPU、GPU 核心数上做了加强,以支撑起专业领域所需的性能。

如今,就算是完全相同的一代 A 系芯片,苹果也会根据良率状况,采取封锁核心或是开核的做法(比如 A12X 就封锁了一颗 GPU 核心,A12Z 则完全开放),拉开不同产品间的差距,那么在 A14 上,类似的状况说不定还会重演一次。

更别说在今后,当苹果 Mac 产品线脱离 X86 架构,纳入到 A 系芯片的管辖范围中,我们是否还会看到更多挂上 X、Y、Z、L、M 等后缀名的 A 系改版芯片,分布于在各个苹果设备之上呢?

或许苹果想要的软硬件大一统,最终也得靠 A 系芯片来完成了。

题图来源:Wccftech

  • 本文授权转载自:ifanr(爱范儿)
Facebook LINE

文章标签: 8848m5 Ps4 pro nikon Z6 iXM 100MP ty-ak1 thieye i60+ i7 8086k lumia 940xl sony a6000 moto z3 Dyson V10 AMD 2990X vivo y75s am pro30 gpu turbo rtx2080 Sony SBH90C ryzen3000 dysonV10 note9 360 n7 lg q6 gopro 7 oppo r17 pro vivo x5 DP-UB9000 eos1100D 技嘉H310 SONY DMP-Z1 IER-Z1R DMP-Z1 Ryzen52400G Kanton DX35 4G-AC68U g703bi R52400g 锐龙r32200g rog g703 BitoPro pep572 i78700 i78700K i7 8700 i7 8700k

相关文章

最新资讯


手机


数码


科技