Σε μια συνέντευξη που παραχώρησαν στο Wired ο VP of product marketing της Apple, Phil Schiller και ο Anand Shimpi της ομάδας αρχιτεκτονικής πλατφόρμας της εταιρείας ανέφεραν με πολλές λεπτομέρειες την μεθοδολογία τους για τον σχεδιασμό τον επεξεργαστών και την βελτίωση αυτών για το iPhone. Με τον νέο A13 Bionic επεξεργαστή τόνισαν πόσο σημαντικό ήταν να κάνουν αυτό το chip λιγότερο ενεργειακά απαιτητικό χρησιμοποιώντας ακόμη και λογισμικό για να επηρεάσουν τα εξαρτήματα του και τελικά πως αυτή η προσπάθεια έφερε πραγματικά θετικά αποτελέσματα στους χρήστες.
Όπως ανέφερε η Apple στο iPhone 11 event της νωρίτερα μέσα στο μήνα, ο A13 Bionic επεξεργαστής που βρίσκεται στην νέα σειρά iPhone έχει 8.5 δις τρανζίστορ, 6 πυρήνες – 4 που εστιάζουν στις αποδόσεις και 2 που εστιάζουν στις επιδόσεις – και δύο επιταχυντές μηχανικής μάθησης που μπορούν να επεξεργαστούν 3 δις διεργασιών το δευτερόλεπτο.
Αυτό είχε σαν αποτέλεσμα την παρουσίαση ενός chip που είναι κατά 30% πιο αποδοτικό και 20% πιο γρήγορο από τον A12 επεξεργαστή που συναντήσαμε στα περσινά iPhone. Αν και ο ανταγωνισμός από το Android παρουσιάζει επεξεργαστές 8 πυρήνων πάρα αυτά η μοναδική αρμονία που φέρνει η Apple σε λογισμικό και hardware την κρατάνε μπροστά από τον ανταγωνισμό με την παρουσίαση κάθε νέου iPhone και μάλιστα με διαφορά.
“Για ένα chip που έχει τόσο υψηλές επιδόσεις να βλέπεις μια τόσο σημαντική αναβάθμιση είναι σαν να κοιτάς τον Usain Bolt να κερδίζει τον ίδιο του τον εαυτό σε έναν αγώνα 100 μέτρων”
Ο Phil Schiller και ο Anand Shimpi ανέφεραν περισσότερα για την μεθοδολογία της Apple πάνω σε αυτό:
“Μιλάμε πολύ για τις επιδόσεις δημόσια. Η πραγματικότητα όμως είναι πως εμείς το βλέπουμε ως επιδόσεις ανά Watt. Πάντα σκοπός είναι η ενεργειακή απόδοση και αν έχεις ένα καλό σχεδιασμό τότε μπορείς με βάση αυτό να σχεδιάσεις και ένα διάγραμμα επιδόσεων επιπλέον”
Οι ομάδες της Apple λοιπόν δουλεύουν κάθε χρόνο με τεράστιο πάθος με εστιάσει στην ενεργειακή απόδοση και τις επιδόσεις κάθε νέου επεξεργαστή. Για παράδειγμα η CPU ομάδα μελετάει πως οι εφαρμογές χρησιμοποιούνται από το iOS και εν συνεχεία χρησιμοποιούν αυτά τα δεδομένα για να βελτιώσουν τον σχεδιασμό του ίδιου του επεξεργαστή. Έτσι λοιπόν όταν μια νέα συσκευή κυκλοφορήσει στην αγορά θα είναι καλύτερη στο να κάνει πράγματα που οι περισσότεροι χρήστες κάνουν καθημερινά στο iPhone τους.
“Η στρατηγική δεν ισχύει μόνο για τους επεξεργαστές. Η ίδια στρατηγική μέτρησης επίδοσης ανά Watt εφαρμόζεται και στην μηχανική μάθηση και στην επεξεργασία των γραφικών. Για παράδειγμα αν ένας προγραμματιστής δουλεύει στο λογισμικό της κάμερας του iPhone και δει πολύ μεγάλη χρήση της GPU τότε αυτόματα θα εστιάσει σε μια αρχιτεκτονική μιας GPU πιο θα είναι πιο αποδοτική και έτσι έχουμε πάντα ένα καλύτερο σχεδιασμό για όλα τα μελλοντικά μας chips”
To μυστικό βέβαια της Apple βρίσκεται στο ότι όλα αυτά τα ξεχωριστά τμήματα του chip δουλεύουν αρμονικά μαζί με έναν τρόπο που εξοικονομείται ενέργεια από την μπαταρία.
Ο Schiller επίσης ανέφερε πως η μηχανική μάθηση είναι το κλειδί για όλες αυτές τις παραμετροποιήσεις της Apple.
“H μηχανική μάθηση τρέχει κατά την διάρκεια όλων των διεργασιών, είτε για να διαχειριστεί την μπαταρία, είτε για να δώσει μεγαλύτερη ώθηση στις επιδόσεις. Παλαιότερα και πριν 10 χρόνια δεν υπήρχε η μηχανική μάθηση. Πλέον τρέχει παντού σε όλα τα συστήματα μας και κάνει διαφορετικές ενέργειες.”
