苹果或在 WWDC 宣布放弃英特尔转向自研 5nm ARM 芯片,这次时机成熟了?

整理 | 夕颜

头图 | CSDN付费下载自视觉中国

出品 | CSDN(ID:CSDNnews)

近日,据彭博社报道,苹果公司将在 WWDC 2020 上宣布自研 Mac ARM 芯片,产品将从英特尔处理器过渡到 ARM 处理器。

 

报道称,苹果内部早在几年前就开始开发桌面版 Arm 处理器项目了,这个项目叫做Kalamata,作为该项目的一部分,目前苹果正在准备定制设计至少 3 款基于 ARM 的 12 核(八个高性能内核代号 Firestorm;至少四个高能效内核,内部代号 Icestorm) Mac 芯片,据估计第一台搭载 ARM 处理器的 Mac 将在 2021 年问世。据悉,这批芯片基于下一代 iPhone 采用的自研 A14 芯片,以台积电的 5nm 制造工艺打造,预计将胜过当前 Intel 系列 MacBook Air 的性能。

 

苹果要摆脱英特尔了吗?

 

从 X86 转向 Arm,这是苹果时隔 15 年后首次重大的处理器转变。

 

2005 年,在当年的 WWDC 全球开发者大会上,苹果联合创始人兼 CEO史蒂夫·乔布斯宣布,终止与摩托罗拉与 IBM 的合作,Mac 的处理器从苹果、摩托罗拉与 IBM 共同开发的 Power PC 转向英特尔的处理器,并首次用于经典款 Macintosh(麦金塔)。

在手机端,2011 年到 2015 年期间,为获得包含基带在内的整合方案,也许还包括看中高通 CPU 性能的原因,苹果手机的芯片一直是高通在供应。但从 2016 年起,苹果首次在 iPhone 7 手机中使用了来自英特尔的通信基带,与英特尔结下“秦晋之好”。到了 2018 年,高通已经在苹果这儿一颗芯片也卖不动了。

 

然而世事难料,如今,英特尔也终于从“新欢”变成“旧爱”,即将惨遭苹果抛弃,失去 Mac 这块说大不大,说小不小的阵地。

 

事实上,苹果 Mac 要放弃英特尔处理器传闻已久,但在这个时间点,苹果提出 Mac 即将正式宣布这一消息的考虑是什么?苹果真能趁机摆脱对英特尔的依赖吗?

 

有人猜测,苹果在此刻宣布将不再用英特尔 CPU,转向自家自研芯片,原因无非有三:

 

首先,Intel CPU 14nm、10nm 节点接连延期,性能提升放缓,直接影响苹果的产品迭代,而苹果对使用基于 ARM 芯片的 Mac 进行的内部测试表明,与采用英特尔技术的产品相比,其性能有了大幅提高;其次,层出不穷的安全性漏洞,让包括苹果终于失去耐心;第三,台积电的 5nm 工艺已可以打造满足苹果要求的 ARM-based CPU,成为苹果选择的生产商,这给了苹果底气。

 

转向自研芯片时机已成熟?

 

虽然摆脱对英特尔的依赖自力更生是苹果的长远之道,但是在此时要放弃英特尔支持,有人自然有疑问,苹果自家的自研芯片到底什么水平?是什么给了苹果底气?

 

从目前的性能测试上来看,苹果自家处理器性能已足够强大。

 

比如,据彭博社报道,苹果已经在内部测试中得出了 Arm Mac 芯片在图片和 AI 性能上相较 Intel 芯片已经有“相当大提升”的结果,新芯片还具有更高的能效,可以延长电池寿命或生产更薄、更轻的笔记本电脑,或者两者可以同时实现。

 

消息透露,Arm Mac 将基于苹果的 A14 进行开发,目前来看,GeekBench5 测试结果表明,苹果 A14 获得了单核心1658、多核心 4618 的分数,在当前市面上的手机处理器中性能最强。  

  图源:GeekBench5        

另外,图像处理芯片 GPU 是苹果的优势所在。有热心用户就在网上公布了自己对苹果 A 系列 GPU 图形加速的测试体验,以视频剪辑为例,实地证明 iPad Pro 的 A12Z 处理器的图像加速性能就已经非常有优势,本来在其他笔记本上处理起来卡顿不已的任务,在 iPad Pro 上可以轻松解决,且图片导出速度非常快。

对于日常的其他任务,A12Z 至少能达到 i5 1035G1+MX350 的水平,而后者的功率至少 30W,A 系列处理器在能效方面有很强的优势。如果是5nm+12核心,加个MacBook Air那样的小风扇,性能肯定会明显超过市面上的主流轻薄本(包括苹果自家的mbp 13)。

——引用自知乎用户“哈哈哈”( https://www.zhihu.com/people/chen-song-8-68)

对苹果、英特尔、计算行业、开发者的影响

 

苹果放弃英特尔的做法势必会对自身、英特尔,乃至整个计算行业与开发者产生重大影响。

 

首先,对苹果来说,像当初手机端摆脱对高通的依赖一样,Mac 处理器的自力更生对其最重要的作用,是苹果终于可以按照自己的技术升级节奏来发布新产品,而不必受制于英特尔新品发布的进度。

 

其次,苹果还可能因此不再需要引入诸如 T2 安全芯片之类的辅助芯片。它可以将所需的大部分或全部芯片做成片上系统,包括其 iPhone 和 iPad 的机器学习和 AI 芯片,目前在 Mac 中还没有对等的处理器。

 

此外,苹果可能会通过摆脱英特尔来削减成本,随着 iOS 和 MacOS 开发被合并,研发支出将有一定度的削减。

 

对于英特尔来说,苹果的做法不能不说是一个巨大的打击,让英特尔陷入争议与困境。数据显示,2017 年,苹果公司与英特尔的合作收益为后者贡献了约 4% 的营收,虽然就像彭博社的古尔曼所指出的那样,这种转变不太可能立即对英特尔的利润产生重大影响,因为与其他类型的个人计算机相比,Mac 电脑几乎没有突破两位数的市场份额。但是他推测,此举可能会激发其他笔记本电脑制造商采取类似的行动,这些笔记本电脑制造商倾向于在某些产品中模仿苹果公司,这可能会给英特尔带来麻烦。

 

更最重要的是,苹果放弃英特尔的做法释放出一个信号——不信任,直言英特尔的产品缺乏竞争力。这一点相信大家自有评判,近年来其他芯片厂商你追我赶,不断进行产品迭代与性能提升,竞争异常激烈,而 Intel 挤牙膏式的产品进度非常消耗人的耐心。

 图源:视觉中国

改造 macOS 底层对于开发者来说也是个极大的挑战,基于 ARM Mac 的硬件发布之前,想必苹果需要留出足够的时间通知开发者,并制定 ARM Mac 软件的开发规范,才能逐步引导 App 开发者进行迁移。而一旦完成,Mac 用上苹果自研 ARM 芯片,则大大有助于 iOS、macOS、iPadOS 软件生态的互通。事实上,苹果很早之前就已经尝试融合 iPadOS 和 macOS 了,比如为此推出的 Catalyst,该框架可轻松将 iPad 应用程序移植到 Mac,但是大多数开发人员将 Catalyst 视为跳板,而最终杀手锏似乎是  SwiftUI,一个为多个 Apple 操作系统并行开发应用程序的框架。

MacBook 将更轻薄,期待吗?

 

两年前,一些专家还信誓旦旦料定苹果 Mac 抛弃 Intel 芯片的理想与现实差距巨大,然而不过短短两年时间,苹果的理想即将变成现实。

 

6 月 23 日,苹果 WWDC 2020 将拉开帷幕。今年会上,苹果预计还将推出 iOS 14、macOS 10.16、watchOS 7 等系统。

 

采用 ARM,未来的 MacBook 或许会变成仍将运行 macOS 系统,但更轻薄、寿命更长的产品,而距离苹果宣布采用新的处理器架构的时间不多,开发者需要一些时间来准备迎接优化软件,你做好准备迎接全新的 Mac 生态了吗?

 

参考链接:

https://www.theverge.com/2020/4/23/21232441/apple-arm-mac-2020-5nm-processor-12-cores

https://arstechnica.com/gadgets/2020/06/apple-plans-to-announce-arm-transition-for-all-macs-at-wwdc-2020/

更多精彩推荐
☞Facebook 公司:如何清除 960 万句“脏话”?
☞Linux 之父怒删工程师提交的补丁,称“太蠢了”网友:怼得好!
☞张一鸣是如何练就字节跳动的
☞性能超越最新序列推荐模型,华为诺亚方舟提出记忆增强的图神经网络
☞DevOps 在移动应用程序开发中扮演什么角色?
☞稳定币经济:十大稳定币简史
你点的每个“在看”,我都认真当成了喜欢
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CSDN资讯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值