喔喔 發郵件軟體
按下全啟動即可，一鍵啟動 ！
本文來自愛范兒 擁有和 iPad Pro 類似的全面屏外觀，側邊指紋識別鍵、5 種配色……說今年的 iPad Air 是該系列有史以來變化最大的一代，完全不過分。 更別說，它還率先搭載了蘋果的 A14 晶元。 這可能比外觀層面的相似，更能令人懷疑它與 iPad Pro 之間的定位差距。
▲ 歷代 A 系晶元都在製程工藝上處於領先地位 A 系晶元對蘋果有著非凡的意義，不僅因為它是蘋果每年在矽工藝領域拿出來的最新成果，同時，iPhone、iPad 上諸多新功能和新能力，也都由它來支撐與驅動。 正因如此，歷代 iPhone 亮相，往往都是新一代 A 系晶元正式登台的時刻。
▲ iPad Air 4 搭載了蘋果最新的 A14 晶元 但今年不太一樣了，蘋果選擇將 A14 的首發權交給了 iPad，而非 iPhone。 上一次蘋果會這麼做，還是在 9 年前發佈 iPad 2 的時候。當時，它也是第一款搭載蘋果 A5 晶元的設備，比同年的 iPhone 4s 早了近 6 個月。 如果不是因為疫情影響，令 iPhone 的上市被迫延期了一個月，iPad Air 4 大概也很難享受到這份『首發殊榮』。 全球第一顆 5nm 工藝晶元，卻不是最強性能？ 先來看看蘋果官方是怎麼介紹 A14 的。 首先，它是全球第一款基於 5nm 製程工藝設計的晶元，這令它的晶體管數量得到了大幅提升，從 A13 的 85 億顆，增加到了 118 億顆。
▲ A14 仍然延續和 A13 一樣的 CPU 核心數設計，包括 2 顆主打性能的大核，以及 4 顆主打能效的小核 具體到各個模塊部分，A14 仍然延續了和前代一樣 6 核心 CPU 與 4 核心 GPU 的設計，兩部分性能相比 A12，分別提升了 40% 和 30% 左右。 還有一點改進是 A14 的神經網路引擎：全新的 16 核架構，相比 A13 的 8 核心數直接翻番，能夠提供高達 11Tops 的算力。 另外，這次蘋果也為 A14 引入了和 A13 類似的機器學習加速器結構，使得 iPad Air 4 獲得了更快的矩陣運算速度。
▲ 蘋果官方對於 A14 的介紹 光從數據上看，A14 的提升幅度還是很亮眼的，考慮到之後 iPhone 12 也將搭載這顆晶元，現在等於是讓我們提前一睹了 iPhone 12 的性能提升。 但細看后你會發察覺到異樣，比如說 A14 在 CPU 和 GPU 上的對比數據，都是基於前年的 A12 得出，而非去年的 A13，這並不符合常理。
▲ 蘋果選擇讓 A14 和 A12 進行對比，主要是想反映兩代 iPad Air 的性能差異 據愛范兒得到的消息，蘋果會這麼做，是由新舊兩代 iPad Air 的晶元決定的。畢竟只有同系產品的對比，才能做到絕對的公平公正，並非是蘋果有意避開 A13。 不過，A14 與 A13 的性能對比，依舊引起了硬體愛好者的關注。 目前，從 AnandTech 等專業媒體的推測來看，A14 在 CPU/GPU 部分，僅比 A13 提升了 16% 和 8% 左右，但 A13 相比 A12，在這兩部分都有著約 20% 的提升。 這就意味著，哪怕是 A14 採用了新一代 5nm 製程，但提升幅度很可能不如上一代 A13，尤其是 GPU 圖形處理器部分，不到 10% 的提升，更是相當的『保守』。
▲ 今年的 iPhone 12 不僅要支持 5G，還有新的小屏型號，不平衡好功耗，續航很容易出問題 背後的原因是什麼，我們暫時還不得而知。坊間猜測，蘋果可能是從 5G iPhone 的功耗考慮，才有意放緩了這一代 A14 的性能升級，對於這一點，我們只能等待 iPhone 12 上市后才能獲悉。 也有說法稱，目前台積電的 5nm 工藝良率還未達標，間接影響了 A14 的性能釋放，是否真的如此，則需要等待進一步的真機晶元拆解和分析。
▲ 目前 A14 的信息還十分有限，我們仍要等待後續的晶元拆解與測試數據 A14 衍生出來的另一個問題，是 iPad Air 4 與 iPad Pro 之間的性能對比。 由於目前 iPad Pro 搭載的還是 A12Z 晶元，不少人便認為，搭載最新一代 A 系晶元的 iPad Air 4 ，是在『以下犯上』，在性能上超越了老一代的 iPad Pro。 但『數字越大，性能越強』的理論，卻並不適用於帶 X、Z 這類後綴的 A 系晶元。
發信軟體 客觀的說，製程工藝的升級，還有能耗的差距，確實會讓 A14 擁有更強的單核性能。 但我們也不能忽視，A12Z 本身擁有 8 核心 CPU 與 8 核心 GPU。
發信軟體這種多核心數結構，還有內存帶寬上的優勢，依舊能讓 iPad Pro 在多線程以及圖形處理能力上，比 iPad Air 4 更勝一籌。
▲ iPad Pro 上的 A12Z 用上了 8 核心圖形處理器，就是為了應對 4K 視頻剪輯、3D 設計和 AR 增強現實等重度任務需求 所以，只要蘋果還沒有發佈 A14X 或 A14Z 的打算，目前 A12Z 依舊會是蘋果移動設備上，綜合性能最強的 A 系晶元，這點估計在 iPhone 12 發佈后，也不會有所改變。 機器學習算力大提升，為什麼蘋果要重視它？ 近兩代的 A 系晶元中，神經網路引擎是一個經常會被蘋果提及的模塊。 本次 A14 也不例外，神經網路引擎的內核數直接增加了一倍，從 A13 的 8 核變成了 A14 的 16 核，估計那 40% 的晶體管數量提升，有相當一部分都用在了這裏。 而由此帶來的近兩倍的機器學習算力提升，也明顯要比 CPU、GPU 升級耀眼得多，更別說還有應用在處理器上的機器學習加速器。
▲ 相比 CPU 和 GPU，A14 在機器學習算力上的提升會更明顯 但這個神經網路引擎會影響哪些體驗，很多人並不清楚。 我們很難把它歸結為單純的『手機流暢度提升』，因為它不像 CPU、GPU 一樣，可以有量化數據作為對比依據；就算是算力翻倍，它也不會讓你的遊戲，從原來的 30 幀升到 60 幀。 不過，近幾代 iOS 系統內的特性，有很多都是離不開機器學習技術的。
比如說拍照，去年 iPhone 11 Pro 引入的 DeepFusion 三合一圖像處理技術，就是通過機器學習訓練的演算法，來實現圖像合成，最終生成出一張更高質量的照片。
▲ 圖像識別、文本概述、語義分析等，都涉及到機器學習技術的運用 更進一步，iPhone 的相冊能夠自動根據人臉特徵，對圖庫進行分類；還有像 Apple Music 能夠根據我們的聽歌偏好，自動推薦你喜歡的歌曲；而 iPhone 的電源管理系統也會主動學習我們的使用習慣，延長、優化續航時間，背後都有機器學習技術的參與。 在本次 iPad Air 4 中，蘋果也介紹了兩個使用了 A14 機器學習技術的案例。
一個是 djay Pro 應用，它可以讓 iPad Air 調用前置攝像頭，捕捉、識別出音樂人打碟的手勢，實現『隔空打碟』的特性。 考慮到 iPad Air 4 並未搭載可感知深度場景的 Face ID 元件，這種動作識別，也只能靠機器學習的方案來實現。
另一個案例則是照片編輯應用 Pixelmator，藉助機器學習能力，它可以讓被裁減、放大后的照片，實現自動修復。 哪怕是照片本身的解析度十分有限，但機器學習依舊能填補缺失的像素點，改進邊緣鋸齒和圖像紋理。
所以，從上述幾個例子可以看到，A 系晶元的神經網路引擎看似是『感知不強』，但實際上，是它施加的影響更底層，不容易被我們察覺而已，很多功能其實與我們的使用體驗是息息相關的。 去年，蘋果前高管菲爾·席勒（Phil Schiller）在接受 《連線》採訪時也說，目前 iOS 系統的功能中，基本已經不存在不使用機器學習的領域了。無論是對電池壽命的影響，還是性能的優化，它一直都你所不知道的地方，持續地運行著。 既然如此，發展更強的算力，這些工作顯然能更有效率地去運行；而蘋果也能規避掉個人數據收集的風險，讓設備只靠本地算力而非聯網，就能完成更重度、更複雜的任務。 A 系晶元，已經不再是 iPhone 和 iPad 的專屬了 A14 會是蘋果在 5nm 製程工藝上的唯一晶元嗎？我們並不這麼認為。哪怕是這次蘋果把重點放在了機器學習算力，而非 CPU、GPU 的性能上，我們仍有機會在下一代 iPad Pro，甚至是 Mac 上，看到性能更強的衍生版本。
▲ 今年 WWDC 上，蘋果就面向開發者推出了搭載 A12Z 晶元的 Mac mini 開發機發信軟體 我們在之前的文章也談到過，目前蘋果在 iPhone、iPad 等產品線上，都已經開始維持『高中低』三條，甚至是三條以上，有著不同命名，以及不同價位的產品，但並不是所有的產品都需要最強的晶元性能。 受眾的變化，已經使蘋果很難再靠每年一顆 A 系晶元，就做到全產品線覆蓋，而是要分別針對手機、平板等設備的性能需求，來做出取捨。
▲ 要讓 Pro 級和大眾級產品拉開差距，晶元上層面就需要形成差異化 近幾年，蘋果也有意識地在擴展 A 系晶元的分支，比如說光是 A12 這一代，我們就能看到 A12X、A12Z 兩種版本，后兩者都在 CPU、GPU 核心數上做了加強，以支撐起專業領域所需的性能。 如今，就算是完全相同的一代 A 系晶元，蘋果也會根據良率狀況，採取屏蔽核心或是開核的做法（比如 A12X 就屏蔽了一顆 GPU 核心，A12Z 則完全開放），拉開不同產品間的差距，那麼在 A14 上，類似的狀況說不定還會重演一次。
發信軟體 更別說在今後，當蘋果 Mac 產品線脫離 X86 架構，納入到 A 系晶元的管轄範圍中，我們是否還會看到更多掛上 X、Y、Z、L、M 等後綴名的 A 系改版晶元，分佈於在各個蘋果設備之上呢？ 或許蘋果想要的軟硬體大一統，最終也得靠 A 系晶元來完成了。 題圖來源：Wccftech
