苹果A10X芯片跑分破23万 不愧为最猛芯片!

简介:

两天前,苹果全新 A10X Fusion 芯片的在 GeekBench 跑分库上首秀,单核成绩达到了 3800 分以上,而多核成绩也接近于 9100 分。与竞争对手骁龙 835 相比,单核分数高 85% 以上,而多核也多出 40% 左右。因此 A10X 当之无愧成为目前所有移动设备中跑分最猛的芯片。

就在昨天,被誉为“娱乐跑分”的安兔兔,官方也发布了 A10X Fusion 芯片的基准测试情况。从安兔兔提供的数据来看,A10X Fusion 综合性能得分果然突破了 20 万关口,达到了 23.4万分(单次跑分成绩)。

至于安兔兔提供的单项性能数据方面,苹果 A10X Fusion 的 3D 性能达到了 93546 分,逼近 10 万,相当惊人,因为骁龙 835 在 7.2 万左右,而 A10 Fusion 则是 5.6 万。至于单核性能更是得到了 21280 分,多核性能 19941 分;最后 UX 性能则超过了 6 万,3D 游戏表现以及流畅度可想而知。

相比之下,苹果在 iPhone 7 Plus 上所搭载 A10 Fusion 芯片,其综合性能平均分在 18 万左右,目前整个 5 月份的最高分也尚未突破 20 万,最高只有 7 Plus 的 18 万分,如今全新的 A10X Fusion 可谓史无前例。为此安兔兔官方表示,“无论是对比苹果 A10 Fusion,亦或是高通骁龙 835,苹果 A10X Fusion 默全秒!”

很显然,在 A10 Fusion 的基础上,A10X 的架构改动起到了很大的助跑作用,因为这枚 64 位架构的芯片采用了 6 核 CPU 设计,由 3 个高频与 3 低频内核组成,同时 GPU 则是 12 集群的设计,相比 A10 多了一倍。另外,GeekBench 的数据显示 A10X Fusion 的主频提升到了 2.32GHz。因此,无论从核心数还频率来说,其跑分的优势就尤为明显。

无论如何, A10X Fusion 的成绩已经遥遥领先其他处理器,包括骁龙 835 或者麒麟 960旗舰芯,现阶段完全无法与之相比。或许今年下半年为 Windows PC 定制的更大面积的骁龙 835 能够再比一次?不过,到那时候,我们更期待苹果 A11 Fusion 的首秀了。



本文转自d1net(转载)

相关文章
|
测试技术 UED
对百度搜索页面设计的测试用例设计
对百度搜索页面设计的测试用例设计
462 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
智能语音识别技术在多语言环境下的挑战与优化策略###
随着全球化的加速推进,智能语音识别技术作为人机交互的关键一环,其跨语言适应性成为了研究热点。本文深入探讨了智能语音识别技术在多语言环境下面临的挑战,包括口音差异、词汇多样性、语法结构复杂性等,并提出了相应的优化策略。通过对比分析不同算法和技术路线,本文旨在为提升智能语音识别系统的跨语言性能提供理论依据和实践指导。 ###
|
11月前
|
机器学习/深度学习 自然语言处理 搜索推荐
深度学习中的多头注意力机制及其应用探索
深度学习中的多头注意力机制及其应用探索
713 2
|
3月前
|
机器学习/深度学习 自然语言处理 搜索推荐
搜索结果太乱?5种重排序模型让你的搜索系统准确率提升40%
本文将系统性地分析重排序模型的技术原理,深入探讨从传统学习排序方法到基于Transformer架构的前沿解决方案。
359 0
搜索结果太乱?5种重排序模型让你的搜索系统准确率提升40%
|
3月前
|
人工智能 数据挖掘 API
Kimi K2开源炸场,1万亿参数碾压GPT-4.1,成本仅Claude 4的1/5!
月之暗面开源的万亿参数大模型Kimi K2引发行业震动,48小时内即登顶OpenRouter API调用榜,GitHub项目激增200%。该模型在代码生成、Agent任务及中文创作上超越Claude 4,标志着中国大模型首次在三大核心能力上达到全球顶尖水平。
|
弹性计算 固态存储 大数据
2024阿里云服务器租用价格表(一年/按月/按小时报价明细)
阿里云服务器2024年最新租用价格表显示,轻量应用服务器2核2G3M带宽一年82元(约6.8元/月),2核4G4M带宽轻量服务器一年298元。新老用户共享99元一年的2核2G3M带宽ECS经济型e实例服务器与199元一年的企业专享2核4G5M带宽ECS u1实例服务器优惠。4核16G10M带宽游戏服务器70元/月,8核32G10M带宽160元/月。GPU服务器如gn6v和gn6i等提供新用户专享折扣。续费折扣方面,续费一年享有7.5折,续费五年则有3折优惠。按小时计费的云服务器ECS实例中,如ecs.u1-c1m4.large(2核8G)每小时0.45元。
29374 16
|
10月前
|
存储 Windows
如何删除DMP文件
如何删除DMP文件
1443 12
|
机器学习/深度学习 人工智能 数据可视化
号称能打败MLP的KAN到底行不行?数学核心原理全面解析
Kolmogorov-Arnold Networks (KANs) 是一种新型神经网络架构,挑战了多层感知器(mlp)的基础,通过在权重而非节点上使用可学习的激活函数(如b样条),提高了准确性和可解释性。KANs利用Kolmogorov-Arnold表示定理,将复杂函数分解为简单函数的组合,简化了神经网络的近似过程。与mlp相比,KAN在参数量较少的情况下能达到类似或更好的性能,并能直观地可视化,增强了模型的可解释性。尽管仍需更多研究验证其优势,KAN为深度学习领域带来了新的思路。
5266 5
|
存储 机器学习/深度学习 人工智能
分析过688篇大模型论文,这篇论文综述了LLM的当前挑战和应
分析过688篇大模型论文,这篇论文综述了LLM的当前挑战和应
789 1
OpenCV-Python】滑动条Trackbar的创建和使用(createTrackbar())
该文章介绍了如何在OpenCV-Python中创建和使用滑动条(Trackbar)来动态调节参数,并通过实际代码示例演示了如何通过滑动条控制图像颜色。