In un'intervista rilasciata oggi a Wired , il vicepresidente del marketing dei prodotti Apple, Phil Schiller e Anand Shimpi del team Platform Architecture dell'azienda, danno uno sguardo dettagliato su come si stanno avvicinando alla progettazione dei chip e migliorando le prestazioni dell'iPhone ogni anno. Con A13 Bionic, i due hanno sottolineato quanto sia importante rendere il chip più efficiente dal punto di vista energetico, utilizzando il software per influenzare il suo silicio e come ciò si traduca in vantaggi reali per gli utenti.
Come dettagliato da Apple durante il suo evento iPhone 11 all'inizio di questo mese, il chip A13 Bionic che alimenta la nuova gamma di iPhone presenta 8,5 miliardi di transistor, per un totale di sei core: quattro focalizzati sull'efficienza e due core focalizzati sulle prestazioni, una GPU quad-core, un motore neurale octa-core e due acceleratori di machine learning in grado di gestire un trilione di operazioni al secondo.
Tutto ciò rende fino al 30% di chip più efficiente con prestazioni fino al 20% più veloci rispetto all'A12. Mentre i concorrenti di Apple ora hanno chip mobili a 8 core rispetto al suo A13 a 6 core, la stretta integrazione di Apple tra hardware e software gli dà ancora il vantaggio quando si tratta di prestazioni.
Per un chip già altamente performante vedere una spinta così significativa è un po 'come guardare Usain Bolt battere se stesso in uno sprint.
Phil Schiller e Anand Shimpi hanno condiviso con Wired il modo in cui affrontano lo sviluppo di chip con un focus sull'efficienza.
"Parliamo molto di prestazioni pubblicamente", afferma Shimpi, "ma la realtà è che le consideriamo prestazioni per watt. Lo consideriamo come efficienza energetica e se costruisci un design efficiente, ti capita anche di costruire un design prestazionale. ”
Spiegando ulteriormente il processo di sviluppo del chip, i due hanno affermato che Apple analizza il modo in cui vengono utilizzate applicazioni specifiche per guidare la progettazione della CPU.
Shimpi e Schiller erano entrambi forti di questa focalizzazione maniacale sull'efficienza energetica e sulle prestazioni. Ad esempio, il team della CPU studierà come vengono utilizzate le applicazioni su iOS, quindi utilizzerà i dati per ottimizzare i progetti futuri della CPU. In questo modo, quando uscirà la prossima versione del dispositivo, sarà meglio fare le cose che la maggior parte delle persone fa sul proprio iPhone.
Quindi, per le applicazioni che non richiedono l'ottimizzazione aggiuntiva, Shimpi ha dichiarato che alla fine consumano meno energia. L'intervista ha inoltre rivelato che Apple applica lo stesso approccio alla sua GPU e allo sviluppo del machine learning.
Questa strategia non è solo per le CPU. Le stesse regole di prestazioni per watt si applicano alle funzioni di apprendimento automatico e all'elaborazione grafica. Ad esempio, se uno sviluppatore che lavora con il software della fotocamera dell'iPhone vede molto utilizzo della GPU, allora può lavorare con un architetto GPU per capire un modo migliore di fare le cose. Ciò porta a un design più efficiente per i chip grafici futuri.
Un altro vantaggio che Apple ha con la sua A13 Bionic è il modo in cui funziona in modo diverso rispetto ad altri chip.
Il segreto di Apple, tuttavia, sta nel modo in cui tutte queste varie parti del chip funzionano insieme in modo da preservare la carica della batteria. In un tipico chip per smartphone, parti del chip sono attivate per svolgere compiti particolari. Pensa a come accendere il potere per un intero quartiere per loro di cenare e guardare Game of Thrones , quindi spegnere il potere, quindi accendere il potere per un altro quartiere che vuole giocare ai videogiochi.
Con la A13, pensa di fare lo stesso approccio on-and-off, ma su una sola base domestica. Meno elettroni vanno sprecati.
Schiller osserva che l'apprendimento automatico è la chiave di queste ottimizzazioni che distinguono il suo silicio dal resto.
"L'apprendimento automatico è in esecuzione durante tutto ciò, sia che si tratti di gestire la durata della batteria o di ottimizzare le prestazioni", ha affermato Schiller. “Dieci anni fa non esisteva l'apprendimento automatico. Ora corre sempre, fa cose. ”
