分析:苹果招GPU工程师并不是打算放弃英特尔

简介:

大约十年之前,苹果决定使用来自芯片巨头英特尔设计和制造的处理器,并慢慢覆盖自家的台式机iMac和笔记本电脑MacBook产品线。然而,现在随着苹果芯片设计的实力不断壮大,主要是那些为移动设备如iPhone、iPad和Apple Watch设计的芯片越来越出色,开始有各种分析认为,苹果最终将打造自家的高性能处理器,从而取代英特尔芯片在Mac中的地位。

这样的事情至今从未被证实,也没有真正发生,不过英特尔的个人电脑处理器业务却已经受到了负面影响。当然了,即便谣传成真,其实对于英特尔的芯片业务而言并没有非常巨大的影响,因为查看2015年英特尔公司的财务业绩报告不难发现,来自苹果回报的收入占总收入的比例远不到10%。

然而,相关A系芯片取代英特尔芯片的流言蜚语到今天也仍未停歇。例如说,前段时间巴黎银行证券公司(Exane BNP Paribas)提供的一份新报告显示,苹果正雇佣越来越多不同类型的芯片工程师,而最终目的就是将英特尔芯片驱逐出Mac产品线。到底这是怎么回事呢?我们来一探究竟。

苹果正招聘Mac定制图形处理芯片方面的工程师?

根据那份报告的内容了解,苹果内部正计划填补自家图形处理技术上的空白,为此至少开设了多达87个工程师职位。基于这点,参与报告的分析师认为,“如此之多图形处理技术工程师职位的空缺,无疑表明苹果正在打造一个全新的、庞大的、优秀的芯片设计团队,以过往个人经验来看,这必然包含芯片硬件和软件驱动两个方面。”

该分析师没有停止猜测,进一步解释后得出结论称,“苹果要求这些应聘的人员,对计算性能,以及CPU和GPU设计技能必须要有所掌握。因此,这极有可能就是苹果希望为MacBook打造自主芯片的措施。这个猜测完全合理,我认为苹果甚至可能已经开始准备7纳米应用处理器了……最快2018年就能够搭载到MacBook上。”

关于分析师这一大波看似信口雌黄的猜测和结论,你信了吗?

苹果有CPU还要GPU技术来干什么呢?

我们都知道,苹果今天最看重的芯片设计自然还是为iPhone和iPad设计的A系列处理器,而且不可否认的是,其A系列芯片取得的成就令整个行业的竞争对手都感到无比畏惧。因为参与到定制芯片竞争的厂商都很清楚,一枚芯片的定制可不那么简单,要考虑CPU内核、GPU图形处理单元和内存控制器等一大堆东西。

那么苹果要GPU技术何用?不久之前我们在《苹果野心很大其实A系芯片已定制自主GPU》这篇报道中提到过,那位在芯片领域号称比较牛掰的分析师大卫·坎特(David Kanter),通过深度挖掘A系芯片发现,其实从为iPhone 6系列智能手机设计A8芯片开始,苹果就已经特别定制了首个GPU内核,并且苹果在随后设计的A9以及今年推出的A10 Fusion芯片中,还对自主定制的GPU进行了更新换代。

分析:苹果招GPU工程师并不是打算放弃英特尔

大卫·坎特解释称,考虑到苹果一直以来都没有自己的GPU图形处理单元,主要依靠供应商Imagination Technologies公司提供的授权解决方案,苹果肯定无法对GPU实现全部定制。苹果定制的CPU内核中,Imagination Technologies依然负责大部分技术活,只不过苹果调整了着色核心,换成更高性能、更高效的可编程着色器内核,而且苹果还自行开发了生成代码的编译器,自主设计最兼容系统的驱动软件。

所以,表面上苹果A系列芯片的GPU采用Imagination Technologies的PowerVR硬件,但是内部却已经整合了诸多独家的专利技术。

很明显,不久前苹果特别开设多个GPU图形处理技术方面的招聘职位,看起来更像是为了进一步完善A系列芯片定制的团队,这才更应该是最合理的猜测,而且是为了iPhone和iPad的A系列芯片,并非Mac产品线。更关键是,这些招聘岗位有将近20个工作地点都是在伦敦,难道不是为了与身在英国的Imagination Technologies更好配合项目吗?

那未来英特尔有没可能被拒绝?

这个答案显然只有苹果自己知道,如果苹果内部长期计划就是利用A系列芯片取代英特尔芯片为目标,那未来肯定会往这个方向前进,最终取而代之将会是顺其自然的事情。更进一步说,苹果也是Imagination Technologies的大股东之一,手持近9%的股份,而且还曾公开确认考虑过全额收购该公司,有此行动也不奇怪。

不过,最需要明确的是,苹果的Mac产品线抛弃英特尔处理器短期内可能性不大,即便是闭门造成打造出了史上最强的A系芯片,也很难如谣言所愿。因为Mac的系统和软件,无论是第一方还是第三方,目前已全然围绕英特尔的芯片技术设计和开发,如果要在ARM架构的处理器上运行,必须还要再花大量时间和精力完全重新设计。

很多人会说,苹果的Mac产品线之前又不是没有过芯片架构转变的战略,上一次就是从Power PC过渡到英特尔处理器。但是,苹果当时提前给开发者发了明确通知,而且还给予他们充分的时间准备好软件。当时苹果发布通知的时间比2005年WWDC宣布处理器架构迁移的时间还要早,而第一款第一英特尔处理器的Mac直到2006年的WWDC才出货。

然而,查看各种报道和所谓的流言,到目前为止都没有任何苹果已经通知开发者或开发商的相关消息,因此Mac产品线从英特尔架构过渡到ARM芯片的说法根本无从说起。说到底,问题的关键不在于苹果是否为Mac打造芯片,而在于苹果大规模聘请图形处理技术工程师这件事情,事实上与苹果Mac是否放弃英特尔处理器一点关系都没有。

本文转自d1net(转载)

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
6月前
|
并行计算 TensorFlow 调度
推荐场景GPU优化的探索与实践:CUDA Graph与多流并行的比较与分析
RTP 系统(即 Rank Service),是一个面向搜索和推荐的 ranking 需求,支持多种模型的在线 inference 服务,是阿里智能引擎团队沉淀多年的技术产品。今年,团队在推荐场景的GPU性能优化上又做了新尝试——在RTP上集成了Multi Stream,改变了TensorFlow的单流机制,让多流的执行并行,作为增加GPU并行度的另一种选择。本文详细介绍与比较了CUDA Graph与多流并行这两个方案,以及团队的实践成果与心得。
|
缓存 运维 Kubernetes
NVIDIA GPU Operator分析一:NVIDIA驱动安装
背景我们知道,如果在Kubernetes中支持GPU设备调度,需要做如下的工作:节点上安装nvidia驱动节点上安装nvidia-docker集群部署gpu device plugin,用于为调度到该节点的pod分配GPU设备。除此之外,如果你需要监控集群GPU资源使用情况,你可能还需要安装DCCM exporter结合Prometheus输出GPU资源监控信息。要安装和管理这么多的组件,对于运维
4337 0
NVIDIA GPU Operator分析一:NVIDIA驱动安装
|
6月前
|
人工智能 弹性计算 并行计算
技术改变AI发展:CUDA Graph优化的底层原理分析(GPU底层技术系列一)
随着人工智能(AI)的迅速发展,越来越多的应用需要巨大的GPU计算资源。CUDA是一种并行计算平台和编程模型,由Nvidia推出,可利用GPU的强大处理能力进行加速计算。
104033 1
|
6月前
|
并行计算 Linux 计算机视觉
DeepFace【部署 04】轻量级人脸识别和面部属性分析框架deepface使用Docker部署CPU+GPU两个版本及cuDNN安装
DeepFace【部署 04】轻量级人脸识别和面部属性分析框架deepface使用Docker部署CPU+GPU两个版本及cuDNN安装
603 0
|
视频直播 芯片 异构计算
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
总而言之,对于直播系统源码来说,GPU加速功能是提升实时图像质量和观看体验的重要手段,是不可或缺的重要功能技术之一。
山东布谷科技直播系统源码热点分析:不同芯片实现高质量编码与渲染视频的GPU加速功能
|
机器学习/深度学习 并行计算 算法
机器学习算法对GPU的要求分析
简单介绍做机器学习算法的厂家对GPU的要求
519 1
|
Prometheus Kubernetes 监控
NVIDIA GPU Operator分析六:NVIDIA GPU Operator原理分析
背景我们知道,如果在Kubernetes中支持GPU设备调度,需要做如下的工作:节点上安装nvidia驱动节点上安装nvidia-docker集群部署gpu device plugin,用于为调度到该节点的pod分配GPU设备。除此之外,如果你需要监控集群GPU资源使用情况,你可能还需要安装DCCM exporter结合Prometheus输出GPU资源监控信息。要安装和管理这么多的组件,对于运维
2709 0
|
存储 机器学习/深度学习 缓存
探索大模型世界的多元算力:CPU、GPU与算存互连的复杂比较与重要性分析
据科技部新一代人工智能发展研究中心发布的报告显示,我国已发布79个参数规模超过10亿的大模型,几乎形成了百模大战的局面。在大模型研发方面,中国14个省区市都在积极开展工作,其中北京拥有38个项目,广东拥有20个项目。
1359 0
|
Android开发 开发者 异构计算
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(二)
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(二)
266 0
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(二)
|
Android开发 开发者 异构计算
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(一)
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(一)
425 0
【Android 性能优化】布局渲染优化 ( GPU 过度绘制优化总结 | CPU 渲染过程 | Layout Inspector 工具 | View Tree 分析 | 布局组件层级分析 )(一)