當前位置:
首頁 > 新聞 > 為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?


iPhone X 並不完美,但 A11 Bionic 卻是無可挑剔。

本文作者:308

在已經塵埃落定的這場蘋果發布會中,真正的亮點是什麼?

iPhone X 的全面屏高大上,可惜「齊劉海」逼死強迫症;刷臉解鎖的 Face ID 取代了 Home 按鍵和 Touch ID,卻讓人擔心由此帶來的隱私問題,交互上似乎也不容易適應;無線充電也有了,但又不支持遠距離……這些本來都應該是這場發布會的亮點,卻總是有所折扣,讓熬夜追隨的觀眾找不到某種酣暢淋漓的快感。

但在雷鋒網看來,如果我們把目光轉向 iPhone 8/Plus 和 iPhone X 機身內部的全新 A11 Bionic 晶元,也許就會重新感受到這場發布會的耀眼光芒。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

低調的蘋果,高能的 A11 Bionic

在發布會上,負責介紹新 iPhone的蘋果高級副總裁 Phil Schiller用來介紹 A11 Bionic 的時間不超過三分鐘。他對 A11 Bionic 的一句總結性評價是:


這是一款智能手機到目前為止所能擁有的最強勁、最智能的晶元。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

A11 Bionic 擁有一個 6 核心 64 位 CPU,其中包括 2 個高頻核心和 4 個低頻核心,共包含 43 億個晶體管。作為對比,運行在 iPhone 7/Plus 上的 A10 Fusion CPU的核心數為 4位,包含兩個高頻核心和兩個低頻核心,共擁有 33 億晶體管。

也就是說,A11 Bionic 的 CPU 在集成度上更進一步。

體現在速度上, A11 Bionic 的高頻核心比 A10 Fusion 快了 25%,低頻核心比 A10 Fusion 快了 70%。由於採用了蘋果自主研發的第二代性能控制器,A11 Bionic 的六個核心可以同時運行,在多線程任務下的表現比 A10 Fusion 的整體表現快了 70%。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

除了 CPU,A11 Bionic 還率先用上了蘋果自主設計的第一款 GPU。這款 GPU 採用了 3 核心設計,比 A10 Fusion 所採用的定製 GPU 快了 30%,能效比提升了一倍。

關於這款 GPU,Phil Schiller 還在發布會中特別指出,它是為 3D 遊戲和 Metal 2(蘋果在今年 WWDC 上推出的新一代圖像渲染技術框架)專門設計的,並且能夠與機器學習技術和蘋果隨 iOS 11 推出的 Core ML(核心機器學習)框架相配合。不僅如此,A11 Bionic 還支持雙核架構神經網路處理引擎(Neural Engine)。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

除了 GPU 和 CPU,A11 Bionic 還包含了蘋果自主設計的新一代 ISP(圖像信號處理器),支持更快的弱光環境下自動對焦,擁有升級版像素處理器等。此外,A11 Bionic 還第一次在硬體層面增加了多頻段降噪功能。

毫無疑問,A11 Bionic 凝聚了蘋果在晶元技術層面的眾多努力和最新進展。

碾壓對手,超越隊友

雖然從 A9 開始蘋果的處理器單核性能就已經遙遙領先於 Android 陣營的處理器,但是我們還是要通過實實在在的跑分數據來做一番對比。在這裡,雷鋒網以 Android 旗艦普遍採用的最新款高通驍龍 835 為對比對象。

根據 GeekBench 跑分庫中出現的新一代 iPhone 跑分數據,有三款型號分別為 iPhone 10,2、iPhone 10,3 和 iPhone 10,5 的機型,搭載的均為 iOS 11 系統,這三款設備恰好與蘋果發布的三款新 iPhone 機型相對應;而三者搭載的均為 A11 Bionic 晶元。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

從圖片中顯示的數據來看,A11 Bionic 在幾款設備上的單核跑分均超越了 4000 分,多核跑分則在 10000 上下,最低的一次是 8218 分。同樣是在 GeekBench 的跑分中,高通驍龍 835 單核跑分在 2000 多分的級別,多核跑分為 6000 多。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

而在另外一款跑分軟體安兔兔公布的數據中,A11 Bionic 的跑分已經突破了 20 萬分;而高通驍龍 835 的跑分為 18 萬出頭。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

可見,至少在跑分方面,A11 Bionic 可謂吊打高通驍龍 835。

除了驍龍 835,A11 Bionic還有一個同陣營內的對手,也就是運行在最新款 iPad Pro 上的 A10X Fusion 晶元。從命名規則來看,A10X Fusion 可以被視為 A10 Fusion 的升級版,其 CPU 也擁有 6 個核心,分為三個高頻和三個低頻。

同樣是來自 GeekBench 的另外一組對比數據,在 12 組跑分結果中,A11 Bionic 晶元的單核性能平均得分為 4169,多核性能平均得分為 9836。作為對比,iPad Pro 中的 A10X Fusion 晶元的單核得分為 3887,多核得分為 9210。也就是說,單從 CPU 處理能力來說,A11 Bionic 的能力已經超越 A10X Fusion。

由以上對比來看,雷鋒網認為,A11 Bionic 可以說是當前性能最為強勁的的移動處理晶元。

從 Fusion 到 Bionic,蘋果的內功和戰略

1 年前的 iPhone 7/Plus 發布會上,蘋果除了將旗下 A 系列晶元進行了數字層面的迭代更新(A9 到 A10),也在命名形式上添加上了一個似乎具有指向意義的單詞 Fusion(中文可譯為融合或核聚變)。

於是,A 系列晶元在去年被命名為 A10 Fusion。A10 Fusion 不僅第一次用上了 4 核 CPU(此前幾代都是雙核),其單核還是多核的表現也都非常強勁;Fusion 這一單詞後綴似乎也在契合處理器在性能上的表現。後來,新一代 iPad Pro 所搭載的 A10X Fusion 也延續了這一命名規則。

到了今年,新一代晶元的後綴變成了 Bionic,其含義為仿生。如果從 A11 Bionic 和新一代 iPhone 的特色功能來分析的話,不難聯想到,Bionic 的寓意其實在於新一代蘋果晶元對於人工智慧相關技術的支持,尤其是在充分利用人的面部生物特徵方面。

從發布會的具體內容來看,Face ID 功能可以通過面部特徵來解鎖,需要的是 iPhone X 頂部感測器的數據;但這些數據並不是直接是三維的,而是需要 A11 Bionic 的大量運算來處理; Animoji 可以通過追蹤人的面部表情來實時創作動畫表情,不僅需要用到 A11 Bionic 的神經網路處理引擎(Neural Engine),還對 A11 Bionic 的處理速度提出了更高的要求。

實際上,A11 Bionic 的神經網路處理引擎每秒處理相應神經網路計算需求的次數可達 6000 億次,可以為面部特徵的識別和使用提供性能支撐;iPhone X 利用面部特徵識別技術在人像模式中創造出可以生動變化的光效(Portrait Lighting),用到的也是這個技術。

而到後期,神經引擎還將體現出其在神經網路和深度學習方面的優勢,為蘋果在人工智慧領域的發展提供助力。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

另外,在 iPhone 8 發布環節,蘋果還專門花出時間來展示一款名為 The Machines 的 AR 遊戲;在整個演示環節中,遊戲的運行都非常流暢;這也是得益於 A11 Bionic 強大的 CPU 以及專門為 3D 遊戲和 Metal 2 設計的 GPU。實際上,在 AR 遊戲中,iPhone 背部的雙攝像頭只有一個在工作, 而 AR 場景的實現,正是 A11 Bionic 利用單個攝像頭的數據計算、建模、再渲染出真實的 AR 效果。

A11 Bionic 的出現,意味著蘋果已經開始在 AR 領域探索新的發展機會。它也同時表明了,當手機處理器的性能達到一定水平的時候,就能夠量變引起質變,開闢出一個全新的技術應用場景;這對「性能無用論」的觀點,也是一個有力的駁斥。

為什麼說 A11 Bionic 晶元才是整個蘋果發布會真正的亮點?

總結來看,如果說 iPhone X 說明了蘋果在未來產品的外在打磨中還未能臻於至境,那麼 A11 Bionic 則預示著蘋果在不完美的外表下一直在修鍊內功。iPhone X 並不完美,但 A11 Bionic 卻是無可挑剔;而深厚的功底背後,蘊藏的正是蘋果未來發展的多種可能性。

雷鋒網原創文章,未經授權禁止轉載。網站轉載請至雷鋒網官網申請。但歡迎討論~

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 雷鋒網 的精彩文章:

奧比中光:確認iPhone X前置3D深度攝像頭採用結構光方案
專訪科沃斯國際事業部總裁,談中國、歐洲掃地機器人市場差異
同為個性化表情,Snapchat的Bitmoji 和蘋果的Animoji誰贏了
人臉識別向保險業的滲透,未來保險會有哪些新玩法?
深度學習理論研究已進入瓶頸期?看看李飛飛們怎麼說

TAG:雷鋒網 |