دیوید هاناک مصاحبه جالبی با مدیر بازاریابی اپل، فیل شیلر، و مهندس تیم توسعه پردازنده، آناند شیمپی (موسس وب سایت AnandTech) در مجله آمریکایی Wired منتشر شد. گفتگو عمدتاً حول محور پردازنده جدید A13 Bionic می چرخد و چندین چیز جالب در تراشه جدید ظاهر شد.
میتوانست باشد به شما علاقه مند است
از حاشیه مصاحبه، چند خلاصه اولیه وجود داشت که پیشرفت تیم مهندسی SoC اپل را از سال گذشته در طراحی تراشه جدید توصیف می کند. پردازنده A13 Bionic دارای موارد زیر است:
- 8,5 میلیارد ترانزیستور، که حدود 23 درصد بیشتر از A12 Bionic قبلی با 6,9 میلیارد است.
- طرح شش هسته ای با دو هسته قدرتمند با حداکثر فرکانس 2,66 گیگاهرتز با برچسب لایتنینگ و چهار هسته اقتصادی به نام Thunder
- پردازنده گرافیکی پیاده سازی شده در SoC دارای چهار هسته است و کاملاً از طراحی خاص خود است
- علاوه بر این، SoC (سیستم روی تراشه) یک «موتور عصبی» هشت هسته‌ای دیگر را برای نیازهای یادگیری ماشین در خود جای داده است که می‌تواند تا یک تریلیون عملیات در ثانیه را انجام دهد.
- عملکرد کلی در مقایسه با نسل قبلی خود تقریباً 20٪ افزایش یافته است، هم در زمینه CPU، GPU و موتور عصبی.
- با این حال، در عین حال، کل SoC تا 30٪ کارآمدتر از A12 Bionic است
و این آخرین ویژگی ذکر شده بود که هدف اصلی مهندسین سخت افزار هنگام توسعه تراشه جدید بود. هدف پیشنهاد کارآمدترین طراحی تراشه بود که هم عملکرد بالاتر و هم در درجه اول مصرف انرژی کمتری به همراه داشته باشد. هرچه طراحی تراشه کارآمدتر باشد، دستیابی به هر دوی آن ها آسان تر است و تراشه A13 Bionic این کار را انجام داد.
یکی از بارزترین نمونه های پیشرفت نسبت به مدل سال گذشته، افزایش قابل توجه قدرت محاسباتی در زمینه یادگیری ماشینی است. این به عنوان مثال، در عملکرد قابل توجه بهبود یافته عملکرد متن به گفتار، یعنی توانایی خواندن متن برای کاربر، منعکس شد. خروجی صدا در آیفون‌های جدید بسیار طبیعی‌تر است، که عمدتاً به دلیل افزایش قابلیت‌ها در زمینه‌های یادگیری ماشینی است که آیفون‌های جدید را قادر می‌سازد تا کلمات گفتاری را بهتر پردازش کنند.
گالری عکس
تیم توسعه که وظیفه طراحی پردازنده های جدید را بر عهده دارد، بر اساس اطلاعات حاصل از مصاحبه، نحوه عملکرد برنامه های کاربردی را با منابع موجودی که پردازنده در اختیار آنها قرار می دهد، به تفصیل بررسی می کند. این امر بهینه‌سازی طراحی‌های جدید تراشه‌ها را آسان‌تر می‌کند تا با برنامه‌ها بهترین کار را داشته باشند و از منابع تا حد امکان بهینه استفاده کنند.
این امر به عنوان مثال در برنامه هایی که برای عملکرد نیازی به عملکرد بالا ندارند، مشهود است. به لطف بهینه‌سازی بهبودیافته، این برنامه‌ها با نیاز به توان CPU بسیار کمتر اجرا می‌شوند، بنابراین عمر باتری را افزایش می‌دهند. به گفته فیل شیلر، بهبود عمر باتری نیز تا حد زیادی تحت تأثیر یادگیری ماشینی است، به لطف آن، تراشه می‌تواند منابع خود را بهتر توزیع کند و کارآمدتر و تا حدی «خودکار» کار کند. یعنی چیزی که همین چند سال پیش غیرقابل تصور بود.
منبع: سیم
