2021年10月19日凌晨，蘋果召開了可能是他們2021年的最后一場新品發(fā)布會，正式推出了包括AirPods 3，MacBook Pro 14和MacBook Pro 16在內(nèi)的一系列新品。 

而在此次的新品中，最受關(guān)注的毫無疑問就是兩個(gè)不同尺寸的全新MacBook Pro了。畢竟，此次其既升級了miniLED背光的1600nit超高亮XDR 120Hz屏幕、帶來全面改進(jìn)的鍵盤結(jié)構(gòu)，增加了大量實(shí)用接口的同時(shí)，還首次配備了快充，同時(shí)在續(xù)航能力上也幾乎實(shí)現(xiàn)了翻倍。 

當(dāng)然，最為重要的是，隨著新款MacBook Pro的發(fā)布，蘋果方面也徹底完成了旗下MacBook產(chǎn)品線的自研芯片替換進(jìn)程。而全新MacBook Pro上所使用的M1 Pro和M1 Max兩款“大號”PC芯片，自然也就成為了此次發(fā)布會最大的亮點(diǎn)。 

M1 Pro和M1 Max，你知道它們有多強(qiáng)嗎

自從去年蘋果推出劃時(shí)代的M1芯片后，幾乎所有業(yè)內(nèi)人士都很明白，這意味著其幾乎一定會將自研PC芯片擴(kuò)展到高性能工作站，甚至是服務(wù)器產(chǎn)品線。而早在10月19日這場發(fā)布會之前，關(guān)于“M1X”或者“M2”的傳言也早已滿天飛。 

然而大家都沒有想到的是，蘋果的新款PC芯片在命名上完全脫離了以往的規(guī)則，而是采取了更接近自家消費(fèi)級產(chǎn)品的風(fēng)格。不止如此，它們甚至還不只是一款，而是總共包含了兩個(gè)型號、五種不同細(xì)分配置的“家族”。 

首先是定位“相對較低”的M1 Pro，其采用了8大核+2小核的CPU設(shè)計(jì)，晶體管數(shù)量為337億個(gè)，配有320KB L1指令緩存、192KB L1數(shù)據(jù)緩存，并提供了高達(dá)28MB的超大L2緩存設(shè)計(jì)。此外，內(nèi)存控制器規(guī)格為四通道LPDDR5-6400，內(nèi)存位寬總共256bit，內(nèi)存帶寬高達(dá)204.8GB/s。與此同時(shí)，M1 Pro還集成了一個(gè)ProRes視頻處理加速單元、一個(gè)16核心的AI加速處理單元（算力11Tops），以及一個(gè)最大16核心、浮點(diǎn)性能5.2TFlops的GPU單元。 

除此之外，蘋果此次還推出了定位更高的M1 Max。它的CPU部分與M1 Pro基本一致，也是8大2小的10核心設(shè)計(jì)、320KB+192KB的L1緩存，以及28MB的超大L2緩存。但是與M1 Pro相比，M1 Max的內(nèi)存子系統(tǒng)、視頻處理加速單元，以及GPU單元規(guī)格全部翻倍，這意味著它最大支持64GB、帶寬高達(dá)409.6GB/s的LPDDR5內(nèi)存，具備能夠同時(shí)處理7條8K分辨率視頻流，且功耗極低的視頻加速處理單元，并且其32核GPU的總算力也達(dá)到了驚人的10.4TFlops。 

這樣的是一個(gè)什么概念呢？用蘋果自己的話來說，這代表著M1 Pro或M1 Max的CPU可以僅用30%的功耗，就達(dá)到相當(dāng)于市面上x86架構(gòu)八核筆記本電腦處理器的同等性能。而根據(jù)我們?nèi)咨畈殚喌降臄?shù)據(jù)顯示，MacBook Pro 16上M1 Max芯片的內(nèi)存帶寬，已經(jīng)達(dá)到了當(dāng)前最頂級家用臺式機(jī)處理器銳龍線程撕裂者PRO 3995WX（八通道DDR4-3200內(nèi)存）的兩倍。 

深入探究蘋果新GPU設(shè)計(jì)，它的訣竅其實(shí)并不復(fù)雜

當(dāng)然，如果你還想了解更多有關(guān)新款MacBook Pro的配置信息和功能特點(diǎn)，那么推薦大家可以去翻看我們?nèi)咨罱裉煸缧r(shí)候發(fā)布的 《新款MacBook Pro“炸場”，蘋果自研芯片再度傲視全行業(yè)》一文，其中會有更加詳細(xì)的產(chǎn)品解析。 

而接下來我們要講的，可能是到目前為止還沒有其他媒體分析過的一件事，那就是此次M1 Pro與M1 Max的GPU設(shè)計(jì)，以及它們背后所體現(xiàn)出來的產(chǎn)品設(shè)計(jì)思路。 

首先，讓我們來看看M1 Pro和M1 Max的GPU性能數(shù)據(jù)。根據(jù)目前的公開信息顯示，M1 Pro的16核GPU單精度浮點(diǎn)算力為5.2TFlops，整個(gè)SoC的功耗約為65W；而M1 Max的32核GPU單精度浮點(diǎn)算力為10.4TFlops，整個(gè)SoC的功耗為100W。 

以M1 Max為例，10.4TFlops的GPU單精度浮點(diǎn)算力意味著什么呢？這意味著它的理論性能已經(jīng)超過了桌面版Geforce RTX2080S(10.14TFlops）、移動版Geforce RTX3080 Max-Q（9.585TFlops），或是PS5集成的Oberon GPU（10.28TFlops）的水準(zhǔn)。 

但是這里就產(chǎn)生了一個(gè)問題，如果根據(jù)M1 Max和M1 Pro的功耗差值來推算，將不難得出，M1 Max的GPU功耗最高不會超過70W（這還是多算了一個(gè)媒體引擎在里面，實(shí)際應(yīng)該更低）。而它的三個(gè)對比對象的功耗，卻分別達(dá)到了250W、80W和125W左右（PS5是180W SoC設(shè)計(jì)，但其CPU規(guī)格基本等同于桌面版65W的Zen2 APU）。 

那么，蘋果是如何實(shí)現(xiàn)比A、N兩家老牌GPU廠商都性能更高、同時(shí)功耗更低的GPU設(shè)計(jì)的呢？要搞清楚這一點(diǎn)，我們還需要了解兩件事。一是在蘋果的M1 Pro和M1 Max芯片里，每一個(gè)GPU“核心”其實(shí)都包含了64個(gè)ALUs（算術(shù)邏輯單元），而ALU其實(shí)才是我們在PC上常說的GPU“流處理器”；二是對于M1 Max來說，它的GPU運(yùn)行頻率為1278MHz，這一點(diǎn)M1 Pro上也是一樣的。 

弄明白了這些，我們就可以列出下面這個(gè)表格了。 

大家看明白了嗎？沒錯(cuò)，其實(shí)蘋果的自研芯片之所以能夠做到用極低的功耗去實(shí)現(xiàn)相當(dāng)于旗艦級的性能，訣竅其實(shí)無非就兩條。一是更積極地采用最先進(jìn)的半導(dǎo)體制程，用制程換取更高的晶體管密度和能效比；其二則是采用“多核心+低頻率”的設(shè)計(jì)思路，用更多的流處理器去確保性能，同時(shí)壓低運(yùn)行頻率來保障功耗和發(fā)熱更為可控。 

M1 Max的設(shè)計(jì)優(yōu)勢，傳統(tǒng)PC行業(yè)并非不懂

請注意，這種“先進(jìn)制程+超多核心+低運(yùn)行頻率”的芯片設(shè)計(jì)思路，在整個(gè)PC行業(yè)來說其實(shí)并不是什么新東西。因?yàn)殚L期以來，各種專業(yè)級顯卡和服務(wù)器CPU一直都是這么做的。 

你以為RTX3090S就是NV的旗艦？其實(shí)A100才是他們真正看重的產(chǎn)品 

比如NVIDIA的Tesla A100計(jì)算卡相比即將發(fā)布的RTX3090S，前者擁有幾乎翻倍的核心規(guī)模（542億晶體管 vs 283億晶體管），但因?yàn)椴捎昧烁冗M(jìn)的制程（A100是臺積電7nm，而3090S是三星8nm）、更低的運(yùn)行頻率（1275MHz vs 1395MHz），結(jié)果就是A100的功耗最終與RTX3090S完全相同。 

Intel并不是沒有10nm的桌面高性能CPU，他們只是沒有針對家用市場而已 

又比如說，大家都知道現(xiàn)在Intel的桌面旗艦CPU Core i9-11900K實(shí)際功耗可以到200W以上，而它采用的是14nm、8核心、主頻5.3GHz的設(shè)計(jì)?？珊芏嗳丝赡懿恢赖氖?，Intel還有一款名為Xeon W3375的工作站CPU，其擁有10nm、38核心、4GHz的恐怖規(guī)格，但功耗卻只比11900K高了一點(diǎn)點(diǎn)（270W）。 

這說明其實(shí)其他的PC芯片廠商也明白，更先進(jìn)制程+多核心+低頻率的設(shè)計(jì)，能夠更容易實(shí)現(xiàn)高能效比的這個(gè)道理。只不過，先進(jìn)的制程加上超大尺寸的多核心芯片，本身就意味著比“高頻率小芯片”高得多的制造成本。因此在如今的大多數(shù)民用PC芯片上，高頻率、高發(fā)熱、高功耗的“小芯片”才會成為主流。 

而在這個(gè)過程中，廠商一方面成功控制了制造成本，另一方面又能實(shí)現(xiàn)預(yù)期的性能增長。至于高功耗的問題，最終反正是交由消費(fèi)者來買單，自然也就被在一定程度上被忽視掉了。 

本文來自微信公眾號 “三易生活”（ID：IT-3eLife），作者：三易菌，36氪經(jīng)授權(quán)發(fā)布。

關(guān)鍵詞： 蘋果 M1 Max GPU