Apple యొక్క మార్కెటింగ్ డైరెక్టర్ ఫిల్ షిల్లర్ మరియు ప్రాసెసర్ డెవలప్మెంట్ టీమ్ నుండి ఇంజనీర్ అయిన ఆనంద్ షింపి (ఆనంద్టెక్ వెబ్సైట్ వ్యవస్థాపకుడు)తో ఒక ఆసక్తికరమైన ఇంటర్వ్యూ అమెరికన్ మ్యాగజైన్ వైర్డ్లో కనిపించింది. సంభాషణ ప్రాథమికంగా కొత్త A13 బయోనిక్ ప్రాసెసర్ చుట్టూ తిరుగుతుంది మరియు కొత్త చిప్లో అనేక ఆసక్తికరమైన విషయాలు కనిపించాయి.
ఇంటర్వ్యూలో భాగంగా, కొత్త చిప్ రూపకల్పనలో Apple SoC ఇంజనీరింగ్ బృందం గత సంవత్సరం నుండి సాధించిన పురోగతిని వివరించే కొన్ని ప్రాథమిక సారాంశాలు ఉన్నాయి. A13 బయోనిక్ ప్రాసెసర్ కలిగి ఉంది:
- 8,5 బిలియన్ ట్రాన్సిస్టర్లు, ఇది 23 బిలియన్లతో మునుపటి A12 బయోనిక్ విషయంలో కంటే 6,9% ఎక్కువ
- 2,66GHz గరిష్ట పౌనఃపున్యం కలిగిన రెండు శక్తివంతమైన కోర్లతో ఆరు-కోర్ లేఅవుట్ మెరుపు లేబుల్ మరియు థండర్ అనే నాలుగు ఆర్థిక కోర్లు
- SoCలో అమలు చేయబడిన గ్రాఫిక్స్ ప్రాసెసర్ నాలుగు కోర్లను కలిగి ఉంది మరియు పూర్తిగా దాని స్వంత రూపకల్పనతో ఉంటుంది
- అదనంగా, SoC (సిస్టమ్ ఆన్ చిప్) మెషిన్ లెర్నింగ్ అవసరాల కోసం మరొక ఎనిమిది-కోర్ "న్యూరల్ ఇంజిన్"ని కలిగి ఉంది, ఇది సెకనుకు ఒక ట్రిలియన్ కార్యకలాపాలను నిర్వహించగలదు.
- CPU, GPU మరియు న్యూరల్ ఇంజిన్ రెండింటిలోనూ దాని ముందున్న దానితో పోలిస్తే మొత్తం పనితీరు దాదాపు 20% పెరిగింది.
- అయితే, అదే సమయంలో, మొత్తం SoC A30 బయోనిక్ కంటే 12% వరకు ఎక్కువ సమర్థవంతమైనది
మరియు కొత్త చిప్ను అభివృద్ధి చేసేటప్పుడు హార్డ్వేర్ ఇంజనీర్లు సెట్ చేసిన ప్రధాన లక్ష్యం ఇది చివరిగా పేర్కొన్న లక్షణం. అధిక పనితీరు మరియు ప్రధానంగా తక్కువ శక్తి వినియోగం రెండింటినీ తీసుకువచ్చే అత్యంత సమర్థవంతమైన చిప్ డిజైన్ను ప్రతిపాదించడమే లక్ష్యం. చిప్ డిజైన్ ఎంత సమర్థవంతంగా ఉంటే, రెండింటినీ సాధించడం అంత సులభం, మరియు A13 బయోనిక్ చిప్ ఆ పని చేసింది.
మెషిన్ లెర్నింగ్ రంగంలో కంప్యూటింగ్ పవర్లో గణనీయమైన పెరుగుదల గత సంవత్సరం మోడల్ కంటే పురోగతికి అత్యంత అద్భుతమైన ఉదాహరణ. ఇది ప్రతిబింబిస్తుంది, ఉదాహరణకు, టెక్స్ట్-టు-స్పీచ్ ఫంక్షన్ యొక్క గణనీయంగా మెరుగుపడిన పనితీరులో, అంటే వినియోగదారుకు కొంత వచనాన్ని చదవగల సామర్థ్యం. కొత్త ఐఫోన్లలో వాయిస్ అవుట్పుట్ చాలా సహజంగా ఉంటుంది, ప్రధానంగా మెషిన్ లెర్నింగ్ విభాగాల్లో పెరిగిన సామర్థ్యాల కారణంగా కొత్త ఐఫోన్లు మాట్లాడే పదాన్ని మెరుగ్గా ప్రాసెస్ చేయడానికి వీలు కల్పించాయి.
కొత్త ప్రాసెసర్ల రూపకల్పనకు బాధ్యత వహించే డెవలప్మెంట్ బృందం, ఇంటర్వ్యూ నుండి వచ్చిన సమాచారం ప్రకారం, ప్రాసెసర్ వారికి అందుబాటులో ఉంచే అందుబాటులో ఉన్న వనరులతో వ్యక్తిగత అప్లికేషన్లు ఎలా పని చేస్తాయో వివరంగా పరిశీలిస్తుంది. ఇది కొత్త చిప్ డిజైన్లను ఆప్టిమైజ్ చేయడాన్ని సులభతరం చేస్తుంది, తద్వారా అవి అప్లికేషన్లతో ఉత్తమంగా పని చేస్తాయి మరియు వనరులను సాధ్యమైనంత సమర్థవంతంగా ఉపయోగిస్తాయి.
ఇది స్పష్టంగా కనిపిస్తుంది, ఉదాహరణకు, పని చేయడానికి అదనపు అధిక పనితీరు అవసరం లేని అప్లికేషన్లలో. మెరుగైన ఆప్టిమైజేషన్కు ధన్యవాదాలు, ఈ అప్లికేషన్లు చాలా తక్కువ CPU పవర్ అవసరాలతో రన్ అవుతాయి, తద్వారా బ్యాటరీ జీవితాన్ని పొడిగిస్తుంది. ఫిల్ షిల్లర్ ప్రకారం, మెషిన్ లెర్నింగ్ ద్వారా బ్యాటరీ జీవితకాల మెరుగుదల కూడా బాగా ప్రభావితమవుతుంది, దీనికి కృతజ్ఞతలు చిప్ దాని వనరులను మెరుగ్గా పంపిణీ చేయగలదు మరియు మరింత సమర్థవంతంగా మరియు కొంత వరకు "స్వయంప్రతిపత్తితో" పని చేస్తుంది. అంటే, కొన్నేళ్ల క్రితం ఊహకందని విషయం.
మూలం: వైర్డ్