大衛哈納克 美國《連線》雜誌刊登了蘋果行銷總監 Phil Schiller 和處理器開發團隊工程師 Anand Shimpi（AnandTech 網站創辦人）的有趣訪談。談話主要圍繞在新的 A13 Bionic 處理器，新晶片中出現了一些有趣的東西。
它可能是 你有興趣
採訪間隙，有一些基本總結描述了蘋果 SoC 工程團隊自去年以來在新晶片設計方面的進展。 A13 仿生處理器具有：
- 8,5 億個晶體管，比前身 A23 Bionic 的 12 億個電晶體多出約 6,9%
- 六核心佈局，兩個最高主頻2,66GHz的強大核心（Lightning）和四個經濟型核心（Thunder）
- SoC中實現的圖形處理器有四個核心，完全是自己設計的
- 此外，SoC（系統單晶片）還內建另一個八核心“神經引擎”，滿足機器學習需求，每秒可處理高達萬億次運算
- 與前代產品相比，CPU、GPU 和神經引擎的整體效能提升了約 20%
- 但同時，整個 SoC 的效率比 A30 Bionic 高出 12%
最後提到的屬性是硬體工程師在開發新晶片時設定的主要目標。目標是提出最高效的晶片設計，既能帶來更高的性能，又能降低能耗。晶片設計越高效，就越容易實現這兩者，而 A13 Bionic 晶片正是做到了這一點。
與去年的模型相比，最引人注目的進步例子之一是機器學習領域運算能力的顯著提高。例如，這反映在文字轉語音功能的顯著改進上，即向使用者朗讀一些文字的能力。新款 iPhone 的語音輸出更加自然，這主要是由於機器學習領域的功能增強，使新款 iPhone 能夠更好地處理語音。
Fotogalerie
根據採訪中的信息，負責新處理器設計的開發團隊詳細檢查了各個應用程式如何使用處理器提供的可用資源。這使得優化新晶片設計變得更加容易，使其能夠最好地與應用程式配合並盡可能有效地使用資源。
例如，在不需要額外高效能即可運行的應用程式中，這一點很明顯。由於改進的最佳化，這些應用程式運行時的 CPU 功率需求要低得多，從而延長了電池壽命。 Phil Schiller 表示，電池壽命的提高也很大程度上受到機器學習的影響，透過機器學習，晶片可以更好地分配資源，更有效率地工作，並在某種程度上實現「自主」。這在幾年前是不可想像的事。
來源： 有線
