Apple Mengatakan Chip Bionic A13 Dirancang Dengan Fokus Kinerja-Per-Watt

Dalam fitur untuk KABEL , Om Malik duduk dengan kepala pemasaran Apple Phil Schiller dan insinyur pembuat chip Anand Shimpi untuk membahas chip A13 Bionic di iPhone 11 , & zwnj;iPhone 11 & zwnj; Pro, dan iPhone 11 Pro Max .

Malik pertama-tama memberikan ikhtisar tentang spesifikasi dan peningkatan kinerja chip A13:

• 8,5 miliar transistor , peningkatan sekitar 23 persen dari 6,9 miliar transistor chip A12
  
  
  
  
• CPU enam inti : dua core berkinerja tinggi 2,66GHz bernama Lightning dan empat core efisiensi bernama Thunder
  

• Prosesor grafis quad-core , prosesor gambar rancangan Apple, dan mesin saraf octa-core untuk pembelajaran mesin yang mampu melakukan satu triliun operasi per detik
  

• Peningkatan kinerja hingga 20 persen di semua komponen utama, termasuk CPU, GPU, dan mesin saraf
  
  Hingga 30 persen lebih hemat dayadaripada chip A12

Schiller mengatakan kepada Malik bahwa salah satu contoh terbesar dari peningkatan kinerja tahun ini adalah text-to-speech di iPhone.

'Kami telah meningkatkan kemampuan text-to-speech iOS 13 kami sehingga ada lebih banyak pemrosesan bahasa alami, dan itu semua dilakukan dengan pembelajaran mesin dan mesin saraf,' jelas Schiller.

Shimpi mencatat bahwa ketika merancang chip A-series, Apple berfokus pada kinerja dan efisiensi. 'Kami berbicara tentang kinerja banyak publik. Tapi kenyataannya, kami melihatnya sebagai kinerja per watt. Kami melihatnya sebagai efisiensi energi, dan jika Anda membangun desain yang efisien, Anda juga membangun desain kinerja.'

Artikel tersebut mencatat bahwa tim pembuat chip Apple akan mempelajari bagaimana aplikasi digunakan pada perangkat iOS untuk mengoptimalkan desain chip di masa mendatang. 'Untuk aplikasi yang tidak memerlukan kinerja tambahan, Anda dapat menjalankannya pada kinerja tahun lalu dan melakukannya dengan daya yang jauh lebih rendah,' kata Shimpi.

Pembelajaran mesin juga memainkan peran besar dalam chip A13, membantu mengelola masa pakai baterai dan mengoptimalkan kinerja, menurut Schiller. 'Tidak ada pembelajaran mesin yang berjalan sepuluh tahun yang lalu. Sekarang, itu selalu berjalan, melakukan banyak hal.'