网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

　　辛皮和席勒都重点强调这种对能效和性能的关注。例如，CPU团队将研究如何在iOS上使用应用程序，然后使用数据优化未来的CPU设计。这样，当下个版本的设备问世时，它将能更好地支持大多数人在iPhone上做的事情。辛皮说：“对于不需要额外性能的应用程序，用户可以按照去年的性能运行，并且只需以低得多的功耗运行即可。”

　　这种策略不仅适用于CPU。同样的性能功耗比规则也适用于机器学习功能和图形处理。例如，如果一个开发iPhone摄像头软件的开发人员看到GPU的利用率很高，那么他可以与GPU架构师合作，找出一种更好的工作方式。这将为未来的图形芯片带来更有效的设计。

　　协同效应

　　那么，当A13仿生芯片开始工作时，里面会发生什么呢?通常涉及分配、委派和移交。对于低能耗任务，比如打开和阅读电子邮件，iPhone将使用更高效的内核。但对于能耗更密集的任务，如加载复杂的网页，这将由高性能内核负责。对于某些例行的和机器学习已经胜任的工作，神经引擎可以独自承担。而对于更新、更尖端的机器学习模型，CPU及其专门的机器学习加速器可以提供帮助。

　　然而，苹果的秘密在于，芯片的所有这些不同部分可以更节省能耗的方式协同工作。在典型的智能手机芯片中，芯片的某些部分被打开以执行特定的任务。你可以把它想象成打开整个社区的电源，让他们吃晚饭，看《权力的游戏》，然后关掉电源，然后为另一个想玩电子游戏的社区打开电源。

　　对于A13来说，在做上述同样事情的时候，它以精准控制单个家庭为基础，为此被浪费的电量更少。席勒说：“机器学习在整个过程中都在运行，无论是管理电池续航时间还是优化性能。10年前还没有机器学习运行。现在，它总是在运行，做很多不同的事情。”

　　归根结底，这项技术的发展取决于我们想从手机中获得哪些东西，比如在手机上玩流畅运行的游戏，或者在昏暗的夜色中拍摄美丽而干净的照片。当我们敲击和滑动手机屏幕时，苹果的工程师们正在关注和重新思考他们的设计，并致力于开发明年更先进的芯片，这将诱使我们不断升级设备。

特别提醒：本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。