Apple siger, at A13 Bionic-chip er designet med præstation-per-watt-fokus

I et indslag til KABLET satte Om Malik sig ned med Apples marketingchef Phil Schiller og chipfremstillingsingeniør Anand Shimpi for at diskutere A13 Bionic-chippen i den nye iPhone 11 , & zwnj; iPhone 11 & zwnj; Pro, og iPhone 11 Pro Max .

Malik giver først et overblik over A13-chippens specifikationer og ydeevneforbedringer:

• 8,5 milliarder transistorer , en stigning på cirka 23 procent i forhold til A12-chippens 6,9 milliarder transistorer
  
  
  
  
• Seks-core CPU : to 2,66 GHz højtydende kerner kaldet Lightning og fire effektivitetskerner ved navn Thunder
  

• Quad-core grafikprocessor , en Apple-designet billedprocessor og en octa-core neural motor til maskinlæring, der er i stand til en trillion operationer i sekundet
  

• Op til 20 procents ydelsesforøgelse på tværs af alle hovedkomponenterne, inklusive CPU, GPU og neurale motor
  
  Op til 30 procent mere strømeffektivend A12-chippen

Schiller fortalte Malik, at et af de største eksempler på stigningen i ydeevnen i år er tekst-til-tale på iPhones.

'Vi har forbedret vores iOS 13 tekst-til-tale-funktioner, så der er meget mere naturlig sprogbehandling, og det hele er gjort med maskinlæring og den neurale motor,' forklarede Schiller.

Shimpi bemærkede, at når Apple designer sine A-serie-chips, fokuserer Apple på både ydeevne og effektivitet. 'Vi taler om præstationer meget offentligt. Men virkeligheden er, at vi ser det som ydeevne pr. watt. Vi ser på det som energieffektivitet, og hvis man bygger et effektivt design, bygger man tilfældigvis også et performance-design.'

Artiklen bemærker, at Apples chipfremstillingsteam vil studere, hvordan apps bliver brugt på iOS-enheder for at optimere fremtidige chipdesigns. 'For applikationer, der ikke har brug for den ekstra ydeevne, kan du køre med ydeevnen fra sidste år og bare gøre det med en meget lavere effekt,' sagde Shimpi.

Maskinlæring spiller også en stor rolle i A13-chippen, hvilket hjælper med at styre batterilevetiden og optimere ydeevnen, ifølge Schiller. »Der kørte ikke maskinlæring for ti år siden. Nu kører den altid og laver ting.'