tag 标签: Intel

相关帖子
相关博文
  • 热度 6
    2022-5-5 16:43
    1879 次阅读|
    1 个评论
    从Intel 4004聊到苹果M1:聊聊摩尔定律的续命
    译者的话:很多同学可能对半导体尖端制造工艺更感兴趣,毕竟 5nm、3nm 这些词听起来就格外的一颗赛艇。不过行业不是整天在说“摩尔定律停滞/放缓”吗?大体上说的就是晶体管器件微缩的速度变慢了,那么驱动整个电子科技行业的底层技术也就变慢了,做不到 12-18 个月单位面积的晶体管数量翻番。 几年前就看到有人提出 More than Moore 还有“超越摩尔”之类的市场营销词汇。包括现在有像 Synopsys 这样的 EDA 公司提出 SysMoore 从系统层面来延续摩尔定律。其实这些都离不开先进封装工艺的发展。 “封装”“封装”,应该是说把芯片给密封、包装起来把?放在纸盒子里?一般我们说,“封装”要达成的是对芯片的支撑和机械保护,以及把电信号从芯片上引出来。在封装技术上做文章,也就是现在我们常说的“先进封装”工艺,应该是当代半导体制造技术发展的一个主旋律。 所以我预计会翻译 4-5 篇这方面的技术文章,个人感觉都还相对通俗易懂,且比较有科普价值的。期望对各位半导体技术爱好者有帮助吧。本文是此系列文章的第一篇,我觉得可以作为先进封装技术的一个概览,从“形式”上让各位同学对“封装”有个基本的概念。后面的几篇会做进一步的深入。 原文标题: Semiconductor Packaging History and Primer ,作者:Doug O'Laughlin 个人转载的请随意,但起码标明原文地址和我这个译者吧(毕竟我翻译的文章都有浓重的个人风味...)... 正文开始: 为什么现在封装技术很重要? 封装(packaging)原本是半导体制造流程后面的一道工序。将小片的硅造出来,然后用某种方法把它连接到什么板子上。随着摩尔定律的发展,工程师们认为应当充分利用芯片的各个组成部分、工序,包括封装,让最终产品达到最佳状态。采用更优的封装方式,能够带来很多好处,比如说更厚的金属片提供了更好的导电性,还有像是 I/O 问题——也仍是半导体产品需要考虑的最重要的问题之一。 只不过以前,封装企业并不像传统的前道(front-end)制造工艺企业那样受重视。封装供应链常被称作“后道”(back-end),被视为成本中心,类似于银行的前厅和后勤办公室的关系。但现在前道生产工艺的器件缩放进度放缓,那么新的技术热点也就随之转移,封装也就受到了重视。本文将讨论各种封装工艺,让你了解包括 2.5D、3D 封装等在内的概念究竟是什么意思。 封装简史 下面这张图是封装技术一个简单的层级关系,来自于某个油管课程。建议有时间的同学 前往观看 。这个课程展示了封装技术从过去到现在的发展情况。 WLP 显然有挺多不同的封装技术的,不过我们只谈谈其中简单的一些——具有一定的代表性,然后再谈谈现在的一些技术。下面这张图作为高层级的一个总揽,也相当不错,虽然这张图有些过时了,但内容上没什么问题。 在封装技术发展初期,陶瓷、金属罐(metal cans)很常见;密封以达成最佳可靠性。这类方案绝大部分应用于航天、军用领域——这些领域的可靠性要求非常高。不过这样的要求对于日常民用设备而言就没有必要了,于是我们开始采用塑料封装以及 DIP(dual in-line packaging,双列直插式封装)。 DIP 封装(1964-1980s) DIP 最早是在 20 世纪 70 年代引入的。在表面贴装技术出现以前,DIP 在大约 10 年的时间里成为一项标准。DIP 采用塑料外壳,包围半导体器件;有两排伸出的 pin 脚——名为引线框(leadframes)——连接到 PCB 板,如下图所示。 内部的芯片 die 通过焊线(bonding wire)连接到两侧的引线框,引线框连接到 PCB 板 DIP 是于 1964 年由仙童半导体打造的。DIP 封装现在是具备了象征意义的,其设计方案在当时也比较好理解。Die 完全密封在树脂里面,达成较高的可靠性,且成本较低。早期不少颇具代表性的半导体器件都采用这种封装方式。Die 是通过引线连接到外部的引线框的,也就让这种封装方式称为“引线键合(wire-bonding)”,后文还将详细介绍。 下面这颗芯片是 Intel 8008,应该是最早的一批现代微处理器了。注意这颗芯片就采用了具代表性的 DIP 封装。类似于这种看起来像蜘蛛形态的半导体器件,那就表明是 DIP 封装了。 Intel 最早的微处理器,8008 家族 这样的金属片会焊到 PCB 板上,令其与其他电子器件和系统其余部分连接。下面这张图展示的,就是焊到 PCB 板上的样子。 PCB 本身通常由铜和非导电材料层积而成。PCB 能够从不同位置导通电信号,实现 PCB 板上的器件互联互通。PCB 板上不同电路器件之间会有很精细的线路连接,这些线路嵌入在主板上,扮演着导管的作用。上图的这个模块自然是封装过后的器件,不过其实从系统层级来看,PCB 板也可认为是最高层级的封装形式。 DIP 的传奇故事当然不止于此,不过接下来我们就来谈谈下一个时代的封装技术:表面贴装(Surface Mount Packaging)吧。 表面贴装(1980s-1990s) 表面贴装简称 SMT。顾名思义,表面贴装是直接贴装到 PCB 的表面上。这样一来 PCB 板能容纳更多组件,单基板实现了更低的成本。下面这张图就是典型的表面贴装应用。 这种封装方案有很多不同的变体。在半导体创新发展的全盛时期,这样的封装技术在较长时间里扮演着重要角色。这里需要注意的是,原本 DIP 上的两排引线框,换成了 4 边都有了引线。值得一提的是,封装技术的发展,在于占据越来越小的空间,同时增大连接带宽。每次技术演进,都是期望在这方面做文章。 这项工艺曾经是手工完成的,当然现在已经高度自动化了。除此之外,这项技术其实也给 PCB 带来了不少问题,比如说 popcorning。Popcorning 是指塑料封装内部存在的湿气,在焊接过程中被加热,则导致在快速加热、冷却的过程里,PCB 产生问题。此处值得一提的是,每次封装工艺进步,都意味着复杂度在增加、出错率也在增加。 BGA 封装(1990s-2000s) 随着半导体性能持续进化,封装技术的要求也越来越高。在此期间 QFN(quad-flat no-leads,方形扁平无引脚封装)和其他表面贴装技术其实也在持续发展,不过我想介绍一下随后的封装技术——这些封装设计也成为后续技术发展的开端。首先是 BGA 封装(Ball Grid Array packaging,球柵阵列封装)。 这些球或者说凸起,名为焊接凸点/焊球 这就是 BGA 球柵阵列的样子,可以直接把一片硅和 PCB 连起来,或者是连接到 PCB 板更下层的基板上,而不像之前的表面贴装技术那样只能局限在四边。 所以 BGA 封装本质上也属于封装技术发展的必然,即占据更小的空间、达成更多的连接点。BGA 封装是把一个封装模块直接连接到另一个模块(译者注:也就是 PCB)上,而不再是通过精细的连线。这样一来能够达成更高的密度、更好的 I/O 表现,与此同时也增加了复杂度——BGA 封装是否正常工作是需要仔细检查的。此前 BGA 封装需要从视觉上去观察和测试。现在我们已经看不到封装的样子了,需要藉由 X 光等更复杂的技术来进行检查。 像焊接凸点这样的方案,目前仍然是键合的一个主要技术,是模块之间互连最常见的类型。 现代封装(2000s-2010s) 接下来就该谈谈当代的封装技术了。其实前文谈到的不少方案今天依然在应用,只不过当代涌现出了更多的封装类型——其中的一些技术将来也会变得更普及。接下来我就谈谈这些技术。需要指出的是,其中的一些技术其实在很多年以前就已经发明出来了,但受限于成本,此前一直没有广泛应用。 倒装芯片(Flip Chip) 这应该是现在你们经常看到或者听到的一种常见的封装技术。很高兴我能在这儿给倒装芯片下个定义,因为我还从来没有在别的地方看到对这项技术满意的解释。芯片倒装是由 IBM 发明的,经常被简写成 C4。实际上芯片倒装并不是一种独立的封装形式,它描述的是某一种封装形态。它也需要搭配 die 上的焊接凸点。互连不是通过引线键合达成的,而且在封装的时候,芯片是翻转过来,面朝其他芯片;两者中间当然需要连接介质;所以被称作“倒装”芯片。 这句话可能还是很费解,所以我打算举个例子——来自维基百科,我觉得是比较好理解的。我们来谈谈这其中的步骤。 1.首先 IC 从晶圆上造出来; 2.芯片表面形成金属层的 pad;(译者注:原句为 Pads are metalized on the surface of the chip) 3.Pad 上沉积出焊接点; 4.把芯片从晶圆上切下来; 5.把芯片倒过来,如此一来这些焊接球就面向了电路; 6.焊接球再度融化; 7.然后再填充绝缘的胶粘剂 (译者注:个人感觉这个解释仍然不够完备,尤其是没有解释为什么要这么做,以及到底什么样的芯片用了倒装方案。实际上我们现在所见的很多基于尖端工艺的芯片,比如 Intel 酷睿处理器基本都是芯片倒装。另外,某些企业也将芯片倒装称作“先进封装工艺”...这部分将在未来翻译的文章里做更详细的解释...) 引线键合 注意倒装芯片和引线键合(wirebond)是不同的。还记得上面的 DIP 封装吗?那就是基于引线键合,die 藉由引线连接到另一片金属上,最终焊接到 PCB 板。引线键合已经不是某一种特定的技术方案了,而是一类技术的统称,可以衍生出各种不同形态的封装方案。我认为,这是描述倒装芯片最好的方法。引线键合相对于倒装芯片而言,是某种前置技术(译者注:原句为 Wirebond is a precursor to filp-chip to be clear;这句话可能也是着重在表达这两个词是不同层级的描述方式)。 这部分了解到这个程度也就可以了。实际上每种形式的封装方案都有不同的变体。顺带一提,KLIC(库力索法半导体)是这一领域的市场领导者,谈到旧封装技术,就应该想到这家公司。 先进封装(2010s 至今) 进入“先进封装”半导体时代还是相当漫长,我期望谈谈某些高层级的概念。这里面其实有多个层级的“封装”要谈。前面我们在谈的绝大部分封装,是专注在芯片到 PCB 的封装;而先进封装要从手机开始说。 从各个层面来看,手机都可以说是先进封装诞生的巨大前提。这其实也很合理,毕竟手机是以那么小的体积装下那么多的晶体管和硅相关技术,比笔记本和电脑密集多了。而且一切都需要被动散热,还必须尽可能地薄。每年苹果和三星都会发布性能更强、但外形更薄的手机,这也就驱动了封装技术的发展。我下面要谈的很多概念都是从智能手机封装开始的,并且最终将这样的技术在半导体行业的更多应用上普及开。 芯片级封装(Chip Scale Packaging,CSP) 芯片级封装描述的范围其实比较广,原本的意思是达到芯片尺寸的封装。其确切定义应该是描绘某一个封装模块,其尺寸不大于内部 die 尺寸的 1.2 倍,必须为单 die 且可连接。前面其实已经引入过 CSP 的概念了,就是在倒装芯片的部分。不过 CSP 还是藉由智能手机,将技术带到了新的高度。 本世纪 10 年代,CSP 几乎成为一种标准;上面这张图的一切封装尺寸,都大约是芯片 die 尺寸的 1.2 倍左右,极尽所能地节约占板面积。CSP 也有多种不同类型,包括倒装芯片、right substrate(?这是啥,欢迎评论补充)等其他技术。不过其实知道其中细节对你们应该也不会有多大帮助。 晶圆级封装(Wafer-level packaging,WLP) 这里其实还有一种更小的方案,属于“终极版”芯片级封装尺寸,或者可以叫晶圆级封装。基本上就是将封装直接放到 die 身上;在此,封装就是 die 本身。它比最高层级的 I/O 还要薄,显然也非常难于制造。先进封装解决方案当前仍在 CSP 级别,但未来将完全转向晶圆级。 这样的进化方向很有趣,封装某种程度上是被硅包含在内了。芯片即为封装,封装即为芯片。这样的方案比在芯片上焊个锡球就贵多了,那为什么还要用这样的方案呢?为什么我们还在追求高级封装呢?(译者注:个人感觉,这番解释还是有点问题) 先进封装:未来 这也是我之前一直在说的一个趋势。异构计算并不仅是架构专用化,还在于怎么将这些专用芯片放到一起。先进封装就是其中非常关键的技术。 我们来看看苹果 M1 芯片,典型的异构计算芯片,而且还配了统一内存架构。M1 出来的时候,我并没有感觉到多惊讶,它只是异构计算的典型代表。M1 的确表明了未来的方向,很多芯片设计也将很快追随苹果的方案。SoC(System on Chip)本身并不能说是异构,但采用定制化的封装方案,把内存放到 SoC 旁边就是异构了。(译者注:对这个说法深表不赞同) 这张图虽然是宣传图,但注意 PCB 上没有出现引线,应该是因为 2.5D 集成的关系(译者注:个人认为,这个说法应该也不对;苹果的这种统一内存充其量就是从基板走线的 2D 封装) 先进封装方案中比较具有代表性的另一个产品是英伟达 A100,注意 PCB 板上同样没有出现引线。 下面这段话来自英伟达的白皮书: A100 并没有像传统方案那样,在 GPU 芯片周围放上好几个独立的内存芯片(如 GDDR5 GPU 显卡设计),而是采用 HBM2 内存——这种内存本身在垂直方向就叠了多个内存 die。这些存储 die 通过一些很微小的“线”连接起来(基于 TSV 硅通孔和 microbump 微凸点)。1 个 8Gb HBM2 die 包含超过 5000 个 TSV 孔。然后再用一层有源(passive)硅中介(silicon interposer),把内存堆栈和 GPU die 连起来。HBM2 堆栈、GPU die、硅中介一起,装到一个 55mm x 55mm BGA 封装中。图 9 展示了 GP100 加上两个 HBM2 堆栈;图 10 则展示了 P100 的 GPU 和内存微观图片。 我们把这段话变成人话,首先要谈谈“高级封装”的两个类别:“2.5D 封装”和“3D 封装”。 2.5D 封装 2.5D 本质上属于倒装芯片的升级版本,不过不是将 die 堆在 PCB 板上,而是把多个 die 放在一层叫做“硅中介(silicon interposer)”的东西上面。下面这张图应当很好地解释了这个方案。 2.5D 就类似于开了个地下通道,通到邻居家里;实际上这个“通道”是藉由凸点(bump)或者 TSV 硅通孔深入到硅中介,然后通过硅中介把你和你的邻居连起来。这种方案在速度上当然不会比直接在芯片内部通信更快,但其输出表现取决于封装性能,两颗 die 之间的距离缩短、连接点增多。其价值还是比较大的。其中一个好处在于可以用“known good die”,或者说把更小片的 die 封装到一起,形成一个更大的封装。之所以这么做会比 1 整片 die 的方案要更优,是因为它让制造变得更容易了,毕竟只需要造小尺寸的 die。 这些小片的 die,常被称为 chiplet(译者注:国内有译作“芯粒”的),你们应该也常听到。如此一来,把较小功能模块的 chiplet 组合到一起,在一块硅基板上对这些 chiplet 进行连接,就构成了 2.5D 封装的芯片。 Chiplet 和 2.5D 封装可能还会应用较长的一段时间。它在各方面都有优势,比如质量、相比 3D 封装工艺更简单,而且成本也更低。另外,这种技术也具备了弹性,比如复用新的 chiplet,通过替换 chiplet 的方式把全新的芯片带到相同的封装之上。AMD Zen 3 就是一个例子,封装本身是类似的,chiplet 可做扩展。但还有个终极版本,3D 封装。 3D 封装 3D 封装乃是封装的超级形态(ultimate ending)。前面谈到的那些封装,其实都是把房子建在地上、一层楼高,然后通过地下室相连;而 3D 封装则是建高楼,按照功能需要做定制化。这就是 3D 封装,封装都建基于 die 本身。这是最快,且具备了能效比的方法;而且用这种方法能够打造规模更大、更复杂的结构,大幅“扩展”摩尔定律。未来或许要实现器件尺寸微缩会有很大的难度,但有了 3D 封装,就能延续摩尔定律。 其实整个半导体市场,已经有了 3D 堆叠的示范:存储器。3D 结构的存储就属于未来的写照。NAND 发展为 3D 结构的原因就是器件尺寸微缩难度变得很大。把存储介质想象成大型的 3D 高楼,每一层都通过电梯相连——也就是 TSV 硅通孔。 这就是未来的样子,甚至有可能把 CPU、GPU 相互叠起来,或者把存储堆栈放到 CPU 上面。这是最终的发展方向,而且我们很快应当就能达成这个目标。我们应该在未来 5 年内就会看到各种 3D 封装芯片的涌现。 2.5D/3D 封装解决方案一览 我不打算深入去谈 3D/2.5D 封装,还是展示一些已经在用的封装工艺会比较好。我想专注在 fab 厂的工艺上,这些也是驱动 3D/2.5D 集成往前发展的一些技术。 台积电 CoWoS 这应该是 2.5D 集成工艺的主力技术,赛灵思是采用该技术的先驱。 这项工艺主要是把所有的逻辑 die 放到一片硅中介上,然后再放到封装基板(package substrate)上。其上所有组成部分都通过 microbump(微凸点)或者焊球来连接。这是比较典型的 2.5D 结构。 (译者注:这里其实如果能够列举硅桥方案会更好。因为并非所有的 2.5D 封装都需要藉由硅中介来实现。不过未来高级封装技术的系列文章还是会仔细去谈这个部分的) 台积电 SoIC 这是台积电的 3D 封装平台,属于比较新的技术。 注意下图中的 bump 密度和键合间距(bonding pitch),SoIC 的这两个参数与倒装芯片/2.5D 封装相去甚远,基于密度和尺寸都属于前道工艺。 下面这张图则对其技术做了对比,SoIC 的确实现了芯片之间的堆叠,而不单是通过硅中介来实现 2.5D 集成。 三星 XCube 三星这些年也成为很重要的 foundry 厂, 这则视频 是其 XCube 技术的展示。 这则视频呈现的信息其实不多,不过要指出的是英伟达 A100 就是基于三星的这项工艺,这应该也是英伟达最近的一些芯片采用的技术方案。另外值得一提的是,三星可能是在 TSV 硅通孔技术上经验最多的企业,毕竟他们在 3D 存储平台上积累颇多。 Intel Foveros 最后要谈的是 Intel 的 Foveros 3D 封装 。未来我们应该还会看到更多这项技术的身影,尤其是 Intel 未来的 7nm(译者注:已更名为 Intel 4)及其 CPU 混合架构。Intel 也在 Architecture Day 上谈到了这会是他们未来发展的重点。 (译者注:这里之所以提到混合架构,也就是一般人所说的大小核设计,是因为 Intel 最早的大小核芯片 Lakefield 其实就用到了 3D 堆叠,具体可 参见这篇文章 ;不过目前混合架构的 Alder Lake 并没有采用这项封装技术) 比较有趣的是,其实三星、台积电、Intel 在 3D 工艺方面的差别并不是特别大。(译者注:对这一说法持严重怀疑态度) 先进封装的赢家 先进封装,在流程中实际上属于“中道(mid-end)”技术(译者注:mid-end 是相对于 frond-end 和 back-end 而言的,如下图所示)。技术本身是在发展中的。 以前,封装预算是被排除在 WFE(Wafer Fab Equipment)预算之外的;但从 2020 年开始,也开始把晶圆级封装包含在内。这本身就是风向变化的一个信号,以及中道工艺变得重要的原因。中道的另一个定义是 BOEL(Back End of Line)。要了解封装相关企业信息,可以 参见这篇文章 。
  • 热度 10
    2021-12-29 09:38
    5577 次阅读|
    1 个评论
    本文首发于 EE Times China,因为面包板 blog 很久没更新,所以随便更新一下... 苹果在发布M1版MacBook Air的时候说,M1芯片的CPU相比上一代MacBook Air提速最高3.5倍,GPU图形性能最高提升5倍。这俩数字在现如今半导体行业算十分惊悚吧?这组“对比”得抛开一个事实,那就是苹果对比的上一代低配Macbook,所用处理器不仅与Intel最新的处理器隔了2代,而且对比项目也比较诡异... 当然,我们需要承认M1芯片在超薄笔记本领域的确很彪悍。但与同代CPU(11代Intel酷睿/AMD Ryzen 4000系列)相较(而不是“上一代MacBook”),3.5倍、5倍这种数字就显得相当离谱了。 有关M1是如何彪悍的,此前我们已经 撰文详细探讨过 。M1的一大杀器也在于芯片之上的GPU图形算力。从硬件堆料情况来看,M1的GPU在同功耗的处理器中的确很亮眼。即便我们不清楚苹果GPU的微架构细节,从die size却也是可以管中一窥的。 只不过苹果GPU的堆料,是否带来对等的实际表现,其实是个挺值得探究的话题。这其实也连带相关于前一阵苹果发布的M1 Pro/Max——作为规模化扩展,这两颗更大的芯片延续M1的表现,并探索更高的性能上限也是必然。M1 Pro/Max的一大升级点就在GPU上,GPU也应该是很多人关注的话题。 我们手头有一台2021款华为Matebook X Pro(酷睿i7-1165G7 2.8GHz,16GB RAM,512GB SSD),和一台M1版MacBook Air(7核GPU的M1,16GB RAM,256GB SSD)。这两者的价格也比较接近。以此来分析、探讨苹果GPU也是个不错的契机。 值得一提的是,近3年Intel酷睿处理器的核显性能也是实现了两级跳的。主要是8代→10代,以及10代→11代这两次升级,大约也是市场竞争加剧的体现。尤其是11代酷睿,Xe-LP新架构核显在满载情况下可实现相比10代酷睿核显近2.5倍性能提升。这在Intel隔代产品中的变化还是相当之大的。 如果要看GPU堆料可达成的绝对性能,3DMark Wild Life Extreme是个不错的选择,毕竟也这是目前为数不多能跨平台、尽可能发挥双方效率、单纯考察图形算力的测试。只不过macOS原生不支持3DMark,好在新版macOS可以直接用iOS之下的生态(毕竟目前两个系统的底层堆栈是几乎一致的),所以这里的3DMark Wild Life Extreme来自于iOS。 需要指出的是,前不久我们 评测过Matebook X Pro 2021 。评测文章曾提到过,受制于这款轻薄本保守的功耗与散热策略,以及这台轻薄本在系统设计层面,散热设计做得不够到位。 所以Matebook X Pro大约只发挥了酷睿i7-1165G7七成不到的性能。不过这里对比的Macbook Air也不是M1满血版(满血版有8个GPU核心),算是两者都跛脚情况下来做对比。 从图形绝对算力来看,M1 GPU的确能够显现出很大的优势——这组对比基本在我们的意料中。但这个数字在日常负载中真的有意义吗?这是本文要探讨的重点。 被神化的苹果生态 这些年,苹果生态似乎是被吹爆了的存在。比如说苹果全家桶的协同工作;还有苹果从做芯片到操作系统,以及到做终端,这种生态是行业内大部分玩家都艳羡不已的吧。就连设计芯片可以很大程度上不顾及成本,都是生态掌握在手的优势。 但“生态”在不同维度,探讨的东西是不同的。如果我们将“生态”的范围收缩到macOS操作系统之下的生态,在面向具体应用场景时,苹果最擅长的大概就是多媒体内容、艺术创作了。尤其是对于影像和某些领域的设计工作者。其中摄影师、vlogger们大概是最适配苹果平台的。 所以最初为M1、M1 Pro/Max摇旗呐喊的都是一众up主、vlogger们,甚至有人说8000块钱的MacBook Air可以让售价几万块的Intel处理器版16寸MacBook Pro下班——这话虽然夸张,但反映的其实是苹果以及macOS生态对于这类人的十分适配性。 君不见前不久M1 Max的评测,有人甚至提到其性能比加装了Afterburner加速卡的Mac Pro还要好吗?(Afterburner加速卡主要是用来加速ProRes编解码的,一张售价就1.5万)这表明M1 Max芯片内部对ProRes的编解码加速有专门的硬件单元。这种硬件方案也算是时代主流,就是对特定应用做特定硬件加速,效率比通用处理器高很多。 不过这种程度的针对性也需要付出代价,它对某些特定的负载固然有帮助,但也仅限于特定场景。举个例子,我们这次的其中一项测试是将一段AVC格式(H.264)的10分钟4K 60fps视频,用Handbrake 1.4.2转为HEVC(H.265)。 比较令人惊讶的是,我们这台MacBook Air在此测试场景下用了17分13秒,而Matebook X Pro用时6分52秒。我们一度还认为是否测试参数和变量控制有误,反复检查,并对不同片源做了尝试——毕竟M1的多媒体编解码引擎是出了名的厉害。并且还确认了Handbrake 1.4.2已经支持M1的硬件加速(似乎叫做VideoToolBox)。最终结果差别都不大。感兴趣的同学也可以去试一试,看看我们是否有设置参数上的错误(视频可 点这里下载 ,提取码:83me)。若非我们参数设置有误,或许和Handbrake软件本身对M1的支持程度也有关,这个结果可能是有待商榷的。 这个测试可能是反映了11代酷睿的长板的,即处理器内部对于AVC解码和HEVC编码硬件加速都比较到位。此前Intel在发布11代酷睿的时候也谈到过媒体引擎的加强包括对于10bit AV1、12bit HEVC、E2E压缩(最高4K60 12bit 4:4:4 HEVC,或最高4K60 10bit 4:2:0 AV1)的硬件级支持。 虽然不能就这个例子便说11代酷睿的媒体编解码强于M1,但从这一例可看出的是,在处理器中增加专用硬件单元的收益有多高。10代酷睿及更早的处理器都不曾享受这种待遇,在多媒体视频编解码方面多为通用单元软件方案,效率自然有所不及——所以我们看到更早的MacBook在这样的测试里会显著落败于M1版MacBook。 因为时间关系,我们的测试无法尝试覆盖所有不同格式的编解码,有可能M1会在很多项目胜出,但我们依然能够找到其一个方面的短板。而11代酷睿笔记本事实上对于绝大部分vlogger们的视频编辑工作也是完全能够胜任的。 另外对于严肃工业化流程的视频创作来说,M1的短板也十分明显。大部分vlogger将M1吹得神乎其神,是因为M1有针对性地覆盖了他们的大部分工作场景需求。但一旦视频剪辑变得复杂,情况就没那么简单了。在不做剪辑代理的情况下,M1对于大部分4K H.265视频都能做到流畅预览回放,甚至佳能EOS R5的8K IPB帧间压缩视频流畅回放都没问题。 但还有一些场景就没那么讨好了。比如说佳能的8K All-Intra帧内压缩格式回放(Premiere Pro)相当卡;在Davinci Resolve中也很难做到对佳能的4K/8K H.265格式视频做流畅回放——但搭载独显的Intel版MacBook Pro 16"就没问题。再比如,视频转中间码(Apple ProRes 422)操作,M1也会比采用独显的本子慢很多;还有大部分4K RAW格式文件剪辑和输出,更不要说Ursa 12K ProRes这种超重型负载.... 当然了说这些是在欺负M1作为一颗低压处理器的事实了。但某些媒体宣称M1比10万块的台式机性能还彪悍,本身就有严重的误导性。说这些只是为了表明,不要过度神化M1的视频编辑能力,乃至Arm生态。即便在苹果最擅长的这个生态里,苹果也依然受制于物理定律,和存在短板。 有同学可能会说,规模化扩展的M1 Pro/Max可覆盖的场景大了非常多。对于视频剪辑来说,或许的确如此,但这就涉及到下面要谈的话题了。GPU(和媒体引擎)作为加速器的价值,如果仅限于视频创作,是否意味着它的受众面过窄;以及它在其他场景中效率又如何? 一个如此偏科的生态,究竟是好还是不好呢? 你的GPU到底能用来做什么? 如果苹果单纯将M1系列芯片的肌肉定位于视频创作,这样的生态必然是小众的。事实上,我们原本尝试做Blender测试,却发现Blender Benchmark项目正式版到目前都仍然不支持M1 GPU的硬件加速。(Blender 3.1 Alpha已经开始支持Metal,今年10月苹果加入了Blender基金会,算是Metal生态发展的重要一步) 苹果宣称M1 Max的GPU算力快赶上英伟达Geforce RTX 3080的水平,这一点还得到了很多视频up主的支持和欢呼。事实真的如此吗?或许在视频编解码、后期效果的加速上的确如此,但这一题的考点不应该这么简单。x86生态内的GPU可以做的事情可远不止是视频创作。 要考察GPU的通用计算能力,我们选择的测试工具是Geekbench 5(v5.4.3)的Compute Benchmark测试,以及LuxMark(v3.1,这是个完全基于OpenCL的测试)。得到的结果如下: 注意这两个测试并非对比CPU性能或GPU图形算力,而是基于OpenCL/Vulkan/Metal的GPU通用计算能力(比如Geekbench 5 Compute benchmark明确提到会做图像处理之类的负载)。 从结果来看,虽然M1应用苹果自己的Metal API以后,得分是略高的。但高出来的这部分成绩,和文首3DMark Wild Life Extreme测试的图形性能领先可完全不匹配。此处华为Matebook X Pro 2021的酷睿i7-1165G7,得分就显得相当不错。要知道i7-1165G7的核显GPU堆料可没有M1那么多。 这两项测试或许一定程度可表明,M1 GPU的彪悍在除视频创作之外的应用中,根本就难以体现。这是否可说明苹果macOS生态的偏科,以及在更多通用计算加速场景上的低效呢? 来源:Linus Tech Tips 同样的情况其实也出现在M1 Pro/Max。我们手上虽然没有新版MacBook Pro 14”/16”,但前不久Linus Tech Tips做了测试,包括Geekbench 5 Compute Benchmark,以及Blender 3.1 Alpha的BMW场景渲染。M1 Max的成绩的确不错,但在加入华硕ROG Zephyrus M16笔记本之后,苹果的M1 Max就完全不够看了。 要知道Zephyrus M16搭载的GPU是GeForce RTX 3060——说好的M1 Max堪比3080呢?3060和3080的算力差别可是相当大的。所以是只有在做视频的时候才堪比吗?(但需要指出,在对存储带宽和容量有高要求的测试场景里,苹果还是有显著优势,此处未列出;另外Blender的测试结果可能与该软件的优化也有很大关系) 从游戏这个应用场景来说 从这个维度来说,苹果的生态究竟是好还是不好?x86阵营这些年的生态积累,并不是M1亮一亮肌肉就可轻易抹除的——即便Rosetta 2的质量和效率是真的非常高。不过因为我们也不做工业生产,到头来无法穷举在更具体的场景里,苹果GPU究竟如何发挥作用。(有人列举过M1目前对工业设计类应用的支持情况,有兴趣的同学可以去搜搜看) 但对寻常用户而言,有一个场景一定是可以说明问题的——游戏。Intel在11代酷睿之上应用最高96EU的Xe核显之后,即便用核显,以前在轻薄本上想都不敢想的游戏作品,现在也能玩了。虽然和高特效、满帧还是无缘,但在降低渲染分辨率、特效之后,能玩终于成为可能了——这一点我们在Matebook X Pro 2021的文章里已经谈到了。 其实从3DMark Wild Life Extreme的测试结果来看,用M1玩游戏,性能应该也很不错才对,但事实情况却没那么简单。先抛开macOS平台的游戏实在少得可怜这一点,我们测试了跨平台(而且目前得到新系统支持,主要是Rosetta 2转译支持)的《全面战争:三国》《古墓丽影:暗影》和《中土世界:暗影魔多》。这几款游戏都可以在蒸汽平台下载到。(要找到内置了benchmark,而且还同时支持Windows和macOS的游戏还真是不那么容易) 结果和3DMark测试成绩也大相径庭。或许测试的样本量还不够大,毕竟macOS平台也有优化非常好的游戏(《古墓丽影:暗影》应该是macOS之上优化不错的3A大作了)。 但这还是能够说明M1高分低能的现状,11代酷睿的Xe核显在规模不及M1的情况下,在部分游戏场景下也能表现得比M1更好。(而且如此前文章谈到的,其实Matebook X Pro并不能发挥96EU Xe的全部性能) 来源:Linus Tech Tips Linus Tech Tips也测了Geforce RTX 3060和M1 Max跑古墓丽影的成绩,结果大致类似。说好的堪比3080在游戏场景下也是完全失效的。 这一点理论上不是芯片堆料的锅,而是系统、中间件乃至生态的锅。很多苹果用户一边说苹果生态如何如何优秀,一边又在说macOS并不适合用来玩游戏,仿佛游戏生态就不是生态一样。x86这一侧的游戏支持之多样,原本就是其生态优势之一,却被很多苹果用户认为不值一提,这就是对“生态”一词的双标。(至于说iOS生态下的游戏,在macOS上玩起来大部分都相当灾难) 在M1芯片问世以后,有两个知名的页面上线,一是“ Is Apple Silicon Ready ”,一是“ Mac M1 Games: Native & Rosetta 2 supported games ”。这两个页面应该可以从某个程度体现Apple Silicon生态构建进度。或许对视频创作者而言,其生态构建神速,但对更多领域而言macOS仍然是那个macOS。 其实对游戏和图形计算而言,另一个能够从硬件层面体现生态缺失的是M1版MacBook笔记本不支持外接eGPU。从理论上来说,M1支持Thunderbolt 3,应当可以接外置GPU才对。这也是11代酷睿芯片原生支持Thunderbolt之后,很多笔记本通过外接高性能eGPU,可作为移动工作站的基础——效果甚至还超乎很多人的想象。 但目前macOS似乎还没有做这方面的支持(主要应当是驱动支持方面的问题)。基于M1 Pro/Max芯片的MacBook还需要市场,外接eGPU这方面的支持大概率以后也不会到来。M1的性能也因此受限于芯片本身。 诚然M1及M1 Pro/Max是十分优秀的芯片,在某些特定领域表现出了无与伦比的性能和效率;以及苹果在Mac和对应芯片的策略上,或许只瞄准了现有目标用户群市场;从这个角度来说,其GPU的“高算力”是没什么问题的。但若论GPU生态,或者说GPU究竟能用来做什么、以及通用计算的效率问题,x86这边就强上太多了。华为Matebook X Pro的11代酷睿Xe核显只是一个例子。 其实这次我们也测了不少能够体现日常用户体验的高层级测试。苹果的确在能效方面有着很出色的表现,致MacBook Air续航非常好。但除此之外的日常使用体验,包括办公、作图、剪视频,都无法对11代酷睿超极本构成什么优势。何况在系统层面,Matebook Pro X这款本子还有超窄边框、3:2宽高比屏幕之类的体验优势。这就不是本文要探讨的重点了。 另外谈到生态,不仅华为在自家笔记本、手机上 推分布式软总线生态 ,把笔记本和手机串联起来;微软也在Windows 11中加入了对Android应用的支持。似乎华为和Intel在实现把Android应用带到PC上也进行了合作,即跨端应用呈现。这好像也是现在Android和Windows生态的大趋势,很多生态内的参与者都在做这件事。这也算是对苹果全家桶生态发展的某种应对之策吧。 分工合作的方式仍然可以组建起生态,即便或许效率不及某一家厂商自己构建封闭生态。但单独构建生态不仅需要强大的市场号召力,凭一己之力扮演多个角色,而且生态更容易偏于一隅,难得百花齐放的发展。这本身就在限制苹果作为芯片制造商这一角色的能力边界。 下篇我们来谈谈如果给M1版MacBook Air装上Windows on Arm,情况又会怎么样…
  • 热度 11
    2021-7-21 18:04
    6809 次阅读|
    2 个评论
    M1版Mac电脑8GB内存 = 一般电脑16GB内存?
    Max Tech 最近做了一期视频,题为 Why Apple's M1X Macs Don't Need 64GB of RAM . 其实一定程度是为了解答,M1 版的 Mac 在内存容量需求上是不是和普通 PC 有什么差异。眼看苹果针对 MacBook 主推的还是 8GB RAM,而且是不是 iMac 24" 也没有 32GB RAM 选项?这问题就感觉很有趣。 此前关注这一问题也挺久了,貌似始终没有看到有说服力的答法:只看到国内某个奇特的自媒体宏论说 M1 版 MacBook 的 8GB 就相当于别家电脑的 16GB RAM 这种没给出论据的说法。 毕竟就直觉来看,存储介质一个萝卜一个坑,同一份数据不会因为处理器的指令集不同或者操作系统差异,就会有大小上的区别。而且即便内存延迟、带宽不同,容量大小依然是客观存在:两个瓶子的出水口口径不同,流量自然有差异,但瓶子的容量并不会因为流量差异而成为某个相对值。不过系统性能层面倒的确可能形成差异,比如内存压缩、操作系统、软件对内存的利用效率等。 事实上 Max Tech 也并不是什么专业和客观的媒体,这家 youtuber 此前的“高端”言论也不少。不过这里总结下他们这期的内容,可作为 M1 版 MacBook 内存容量问题的相关参考,虽然也存在问题就是了。而且有一点必须要说,就是大量 Youtuber 和 up 主判断某电脑好不好用,基本就是看看剪片子流畅与否,这种具有偏向性的应用场景并不代表普罗大众。但这期内容仍然具有一定的参考性,期望给各位抛砖引玉吧(还是第一次说别人的东西是抛砖…)。 1.软件优化相关 Max Tech 这部分的观点是说,糟糕的软件优化对于 4K 视频剪辑绝对是悲剧,内存再大也没用。尤其是将 Premiere Pro 和 Final Cut Pro 做比较,即便 Premiere Pro 用在更大的内存、更快的 SSD 硬件平台上,针对相同片源的输出速度上也可能完全比不上 Final Cut Pro,而且可能差距甚大。这就是软件的威力了。 而且此前 Max Tech 制作过一期“视频编辑最佳容量 RAM”的视频,发现对 Premiere Pro 而言,内存容量到一定程度后,对于视频输出的时间就已经没有帮助了。而到了近代,macOS 和 Windows 操作系统层面本身也有编辑视频上的效率差异。 他们还特别提到 1 年前,用 AMD Threadripper (3970X,32 核)+ Nvidia Geforce RTX 2080 Ti + PCIe Gen 4 SSD 搭了一台 PC;然后拿它跟 Mac Pro (2019 款,15000 美元)作了对比。单纯从通用和图形计算之类的性能跑分来看,前者是碾压后者的。但如果用来做视频的话,包括 4K 视频剪辑、HEVC 转码等,Mac Pro 仍然更快(双方都用 Premiere Pro 的情况下)……此处主要是为了说明 macOS 效率明显更好… Max Tech 对于“日常工作”的定义估计就是剪片子,所以我觉得这部分内容并不具有代表性,更多数据就不给了,大家有兴趣可以去看看。 不过 Final Cut Pro 的针对性优化,以及以此为代表的软件生态,的确可以作为某种内存利用率对比参照。对系统比较懂的同学可以谈谈。 2. Apple Silicon 的内存带宽与延迟优势 M1 平台有个特性叫 UMA,unified memory architecture 统一内存架构。这一点应该也是众所周知的了。M1 这颗芯片把内存直接封装在了计算 die 的旁边。 传统的即便配了核显的处理器(典型的比如 Intel 的酷睿处理器),虽然 GPU 和 CPU 构成同一个 SoC,但 CPU 和 GPU 的内存仍然是两个不同的空间,因为 CPU 和 GPU 对内存的使用方式其实是不同的。两种的数据交换需要在不同空间之间做复制。 而 UMA 针对 CPU、GPU 不再分配专用区域,内存是同时分配给两者的,不需要复制操作。这种提高内存利用率的方法,效率、延迟都提高了。 这可能对内存的延迟、吞吐都提出了更高的要求(因为这两种处理器对内存的需求是不一样的)。至于具体怎么实现的,我不清楚,迟点再去研究一下。 此外,针对 M1 搭配内存延迟和带宽的问题,Max Tech 援引了两个东西。其一是 XDA 上有个用户的发言,如上图所示,具体的各位高人来辨别下真假吧。“They also managed in a cheap platform (mac mini = $700) get 4266MHz memory working with about half the latency of any x86-64 I’ve seen. The mac mini can manage a random cacheline (assuming a relatively TLB friendly pattern) of around 30-33ns.” “Maybe the usual Intel Core i7/i9 or Ryzen 5000 look rather quaint with their 60ns or higher memory latencies.” Max Tech 的评论则提到“Apple’s Unified Memory is so fast, tasks use less RAM and when RAM needs to be used it can clear out much faster as well.” 另一份援引的数据来自 AnandTech,这个是 AnandTech 很早之前做的 M1 的内存延迟测试 。M1 的内存总位宽是 128bit,8 x16bit 通道,LPDDR4X 4266,峰值带宽 68.25GB/s。 带宽部分相关的应用实测,Max Tech 用的是 Lightroom Classic 做 4200 万像素照片输出速度可以秒杀 2020 款 5K iMac,包括 16GB RAM 版。 AnandTech 另外也提到每颗 Firestorm 大核心读取内存带宽就能大约达到 58GB/s,写入则有 33-36GB/s。“最重要的是,取决于是标量还是矢量指令,内存复制带宽大约为 60-62GB/s。单颗 Firestorm 核心能够几乎完整地利用内存控制器,这一点非常惊人,我们以前也从未见过这样的设计。” (参考 AnandTech 针对 Tiger Lake-U 做存储性能测试时提到的 ,More importantly, memory copies between cache lines and memory read-writes within a cache line have respectively improved from 14.8GB/s and 28GB/s to 20GB/s and 34.5GB/s. 仅供参考,对比对象各位可以点开链接去看。这份数据是 Tiger Lake-U 的,好像 Tiger Lake-H45 是另一回事……) 上面这张图,据说是 64GB 版的 16 寸 MacBook Pro,和 8GB 版的 M1 MacBook Air,在 Lightroom Classic 上的输出性能比较。感觉这个数据还是挺有趣。不过仍需考虑今年酷睿处理器 Tiger Lake 其实在内存带宽上相比前代还是有变化。 而上图中的 16 寸 MacBook Pro 用的处理器是第九代酷睿 Coffee Lake,算是比较老的架构了。具体的各位自己去调查吧,总体应该都不及 M1。另这份对比中的变量过多,不只是内存容量的问题了。 3. GPU 工作方式 另外 Max Tech 特别提到了苹果 GPU 的 TBR 特性。前两周正好 写过一篇文章谈桌面和移动 GPU 的 。一般我们说桌面 GPU 常见 IMR(立即渲染),而移动端 GPU 对功耗和带宽都更敏感,所以无法像桌面 GPU 那样大手大脚做内存的存取操作,所以普遍在用 TBR(基于 Tile 的渲染)结构,也叫分块渲染。就是把画面分成一个 tile 一个 tile 地做渲染,GPU 如果能再配上片上 cache 可以存在 tile 数据,那么就能进一步减少内存的存取操作。 其实苹果 GPU 在架构上延续了 Imagination 的设计。所以论立即-延后这件事,苹果的 GPU 都普遍在用相比 Arm、高通之类更延后的 TBDR(tile-based deferred rendering)结构。有兴趣的可以去看看 Imagination 的 blog 对 TBDR 的解释。从介绍来看,M1 上的 GPU 也是这么搞的。这也属于常规嘛。 这种设计实现的应该是图形计算节约系统带宽。说起来感觉好像有一定的道理?(不过基于 tile 的渲染方式,可能在桌面平台也很早就存在了)不过针对这一部分,Max Tech 又拿 M1 和 Intel 十一代酷睿比视频转码输出,真的也是够了!?又不是比编解码器,数据这里就不给了。 后面 Max Tech 也再度提到了,苹果教育开发者如何降低内存和带宽利用的开发方法。不过上面这张 ppt 的出处我没找到,貌似是图形开发?提及 4K 帧 FP32 image 处理,令其实现带宽上 62% 的缩减,以及 270MB 的 buffer 节省。貌似与统一内存架构也有关系?有兴趣的同学可以去找找这张图出自苹果的哪个开发者视频,看看具体是怎么说的。 4. SSD 交换和其他 当然另一个要提的肯定是采用高速 SSD 来做物理内存不够时的 SWAP 交换。据说丐版的 MacBook Air 一样用了比较顶尖的 SSD(和以前不同?),确保 SSD 读写上的高速,即便从交换页载入也有比较快的速度(据说…)。 有关 SSD 损耗率的问题,这一点我之前看过蛮多视频,基本上是一个在 MacBook 生命周期内不值得用户去多虑的参数,之前应该是被人炒过了。另外未来要应用 PCIe Gen4 的 SSD,还能实现速度的进一步跃升,“所以 64GB RAM 就更没必要了”,而且传言中 M1X 要配的高性能 Mac 可能不会有 64GB RAM 版本。 还有一些,包括 Max Tech 对比了,如果做视频输出,则 32GB 和 64GB 版的 Intel 处理器同款 Mac 在视频输出速度上相差无几。这个对比其实也偏科了,不过可能对很多日常轻量级办公的用户有参考价值。 以上数据均为内容转述,加了一点不成熟的点评和背景内容补充,有兴趣的同学欢迎去看原视频。也欢迎各位喷,主要就 Apple Silicon 配合内存容量的问题,发表更多的见解。 我自己感觉,缺一个控制变量的测试,可以考虑 Intel Tiger Lake 平台,以及 M1 两者,尽量保持相同的其他配置,来看看更多对存储容量相对敏感的测试,比如多开网页,看双方在内存交换前分别打开了多少网页之类的;而不要光比媒体输出这种单一场景。 而且实际上,YouTube 上有一些从事严肃工业化摄影/摄像工作的工作流,可以比较明显地发现 M1 的短板。不过毕竟 M1 只是个低压处理器,这种程度做对比也没什么意义就是了。
  • 热度 6
    2021-7-11 21:29
    3104 次阅读|
    1 个评论
    这两年的笔记本PC,性能提升幅度相当的insane
    对 PC 处理器市场熟的同学其实应该知道,从 2019 年到现在,虽然半导体行业整天在说什么摩尔定律停滞,PC 处理器性能这三年算是飞跃式发展的,而且这个趋势预计还能再延续至少 2 年。 我在之前的文章里提过这一点,整体颇有“你方唱罢我登场”的这种鬼魅态势,尤其苹果还来掺了一脚——未来一段时间还要掺好几脚;万年老二的 AMD 则竟然雄起了;就是这么的奇特。 今天看 Hardware Canucks 的一则对比,链接在文末,大家可以去看看。比的是 2019 年和今年的两款游戏本,价格是顶配 3500 美元档的,对比结果还是比较惊人的。2019 款 ROG Zephyrus S17(i7-8750H,16GB RAM,RTX 2080 Max-Q),和 2021 款 ROG Zephyrus S17(i9-11900H,16GB RAM,RTX 3080)。 2021 款还比 2019 款轻一点,三围上 2021 款比 2019 款稍微在厚度上多出一点点,长宽都是变小的。而且 2019 款为了散热,有比较诡异的设计方案,就是键盘上面一大片是空白的(跟有双屏的那个设计类似),而 2021 款的就是个正常 17 寸笔记本。 这件事听起来颇有些诡异,就是摩尔定律停滞其实是个的的确确存在的事实。现在每年新推的 CPU、GPU 什么的,性能虽然在进步,但其实功耗的“进步”也非常惊人;效率提升是大前提,另一方面大家对性能的追求不会停,所以看看现在的游戏本配的电源都多少瓦的功率。 不过从系统设计的角度来看,据说这两年的散热解决方案有长足进步,就是散热扣具整体都比以前轻、小,噪音更低。看起来九曲十八弯,算是系统层面的升级精华。所以你真的用起来,就是温度更低、性能强一档,而且因为能配更大的电池(2021 款是 90Whr,2021 款是 76Whr),所以续航也更好——但整机重量却变轻了。 这事是不是六成功劳要归结给 OEM 厂商(或者中间层的解决方案厂商)。 处理器 2 年的性能和效率提升之惊人,在散热和其他系统设计的加持下,感觉跟做梦一样,包括 CPU 和 GPU。下面的曲线图和柱状图对比的,主要是 AutoDesk Maya 高负载下,2021 款和 2019 款的差别。其中黄色曲线是 2019 款跑在 Turbo 模式下,而其他几个颜色的曲线是 2021 款分别跑在 Turbo、Performance 和 Silent 不同的性能模式下。 这几张图对比的分别是 CPU 频率、功耗、核心温度,设备噪音、笔记本表面温度,还有续航。这种变化,感觉放在 2015 年前后是不敢想象的。你想想,这还叫摩尔定律停滞,是不是疯了?(虽然我感觉主要是系统设计带来全方位的大幅提升) 不过这两代产品,尤其今年笔记本模具在系统设计上的变化,大概率也是 CPU、GPU 厂商逼出来的,就是那么高的功耗和温度,用老的设计是真的不行了,所以带来了整机的提升。所谓的“更薄、更轻、更强”,是完全没在打折扣的。 但这是否也意味着,以前 OEM 厂商基本上没在干活儿?还不赶紧开除一波硬件工程师??? 很多媒体整天喜欢说,这对用户来说是好事啊!以我们这些很短视的人类的角度来看,真的不是什么好事,就好像今年你买个笔记本,明年就要被淘汰了一样,真的特么糟心。以前笔记本用个五年没问题吧,现在呢???估计就软件厂商会可怜我们。 有兴趣的去看原视频吧,还有更多对比,包括 GPU、游戏性能之类的: I WASN'T Expecting This! 2019 vs 2021 Gaming Laptops
  • 热度 9
    2021-7-1 11:28
    1338 次阅读|
    0 个评论
    TBT4 -TBT4认证包括针对轻薄型笔电(充电功率低于100W), 必须至少有一个TBT4端口可以对笔电进行充电;也就是在45W供电下,可对笔电电池进行充电。有关此测项之问题,请联系GRL. USB- USB-IF 宣布将于 2021年12月22日 终止 100W USB-C to USB-C Cable 的认证。 USB- 即日起所有 USB PD 认证应参考协会释出之最新测试规范:USB Power Delivery Compliance Test Specification Rev 1.2,此规范即为前 PD 合并测试规范(PD Merged Test Specification)。 USB - 最新 Type-C ® Cable & Connector 规范中,修改了第三章节表格 3-1,详细变更内容请至 USB-IF 官网下载 "USB Type-C® Cable and Connector Specification Revision 2.1"。 DisplayHDR- 由于可符合 VESA DisplayHDR 的产品越来越多,并且有更多的小面板产品可以实现 DisplayHDR 所带来的视觉效果,如:笔记本电脑、平板计算机、手机等,为了让小面板产品更能够被精准的量测DisplayHDR 的表现,VESA 在 DisplayHDR 1.1 CTS Errata 2 中增加了 4x3 的 Checkboard 测试条件。 免责声明 本资讯仅为便于参照而提供。本资讯不是且不应视为 USB-IF(USB Implementers Forum) /VESA之正式通讯。 产业动态 -因近年电动车市场蓬勃发展, 无线充电技术 的提升受到重视。目前全球有两大无线充电联盟,分别为 WPC论坛 (Wireless Power Consortium)与 AirFuel联盟 (原A4WP与PMA合并而成),两边所各支持的无线充电技术也不同;WPC论坛支持的QI标准称磁感应耦合,因安全性及稳定性高并具成本优势,是目前商用最为广泛的技术,但此技术支持的无线传输距离较短,并存在传输效率低且位置需固定的缺点;而Airfuel标准则为磁共振耦合,此技术可支持10~20公分以上较远程的传输距离,传输效率较高可达75%~90%,并可实现移动中充电的目的,但缺点则是成本过高、效率易不稳定且待机功率高。 - 南韩InterBattery 2021展会 顺利落幕,InterBattery展会由韩国电池工业协会和Coex共同主办,为韩国最大的 二次电池展 ,展品范围横跨二次电池区(镍镉电池、镍氢电池、NAS电池、锂离子电池等)、原材料区域(正负极材料、电解液电解质、离子水溶液等电池用制造装置与零部件)、机械装置区域(电池生产测试装置、生产技术)、电动车区域(充放电系统、电动车展示)、能量储存区以及研发专区,展会焦点除了电池三雄乐金能源解决方案LGES、三星SDI和SK Innovation外,更有世界各地200多间电池相关产业共同参展,为期三天的展会吸引超过三万人共襄盛举。越来越多企业纷纷宣布跨足电池领域,鸿海也于近期加入战局,表示希望可以在2024年量产固态锂电池,从各大厂积极的行动可以看出,未来电池市场的可观商机。
相关资源