Apple mówi, że układ Bionic A13 został zaprojektowany z naciskiem na wydajność na wat

W funkcji dla PRZEWODOWY , Om Malik usiadł z szefem marketingu Apple Philem Schillerem i inżynierem chipmaker Anandem Shimpi, aby omówić układ A13 Bionic w nowym iPhone 11 , & zwnj;iPhone 11 & zwnj; Pro i iPhone 11 Pro Max .

Malik najpierw przedstawia przegląd specyfikacji układu A13 i ulepszeń wydajności:

• 8,5 miliarda tranzystorów , około 23-procentowy wzrost w stosunku do 6,9 miliarda tranzystorów układu A12
  
  
  
  
• Sześciordzeniowy procesor : dwa wysokowydajne rdzenie 2,66 GHz nazwane Lightning i cztery wydajne rdzenie nazwane Thunder
  

• Czterordzeniowy procesor graficzny , zaprojektowany przez Apple procesor obrazu i ośmiordzeniowy silnik neuronowy do uczenia maszynowego, który jest w stanie wykonać jeden bilion operacji na sekundę
  

• Do 20 procent wzrostu wydajności we wszystkich głównych komponentach, w tym procesorze, procesorze graficznym i silniku neuronowym
  
  Do 30 procent bardziej energooszczędnyniż chip A12

Schiller powiedział Malikowi, że jednym z największych przykładów wzrostu wydajności w tym roku jest zamiana tekstu na mowę na iPhone'ach.

„Udoskonaliliśmy możliwości przetwarzania tekstu na mowę w systemie iOS 13, dzięki czemu przetwarzanie języka naturalnego jest znacznie bardziej wydajne, a wszystko to odbywa się dzięki uczeniu maszynowemu i silnikowi neuronowemu” – wyjaśnił Schiller.

Shimpi zauważył, że podczas projektowania układów z serii A Apple skupia się zarówno na wydajności, jak i wydajności. „Dużo rozmawiamy o występach publicznie. Ale rzeczywistość jest taka, że ​​postrzegamy to jako wydajność na wat. Patrzymy na to jako na efektywność energetyczną, a jeśli zbudujesz wydajny projekt, zdarzy ci się również zbudować projekt wydajnościowy”.

W artykule zauważono, że zespół producentów chipów Apple zbada, w jaki sposób aplikacje są używane na urządzeniach z systemem iOS, aby zoptymalizować przyszłe projekty chipów. „W przypadku aplikacji, które nie wymagają dodatkowej wydajności, można pracować z wydajnością ubiegłoroczną i po prostu robić to przy znacznie niższym poborze mocy” – powiedział Shimpi.

Według Schillera uczenie maszynowe odgrywa również dużą rolę w układzie A13, pomagając zarządzać czasem pracy baterii i optymalizować wydajność. „Dziesięć lat temu nie było uczenia maszynowego. Teraz zawsze działa i robi różne rzeczy.