蘋果在iPad和iPhone系列中首次推出了基于蘋果A系列處理器的蘋果硅片臺式機/筆記本電腦處理器。他們推出了這一新的處理器的同時，也推出了三款新的Mac，包括新的M1 MacBook Air、M1 MacBook Pro和M1 Mac mini。

這些新的M1 mac都在宣傳使用新的M1處理器時令人難以置信的表現：CPU速度提高了3.5倍，GPU的速度提高了5倍，使用了使用新的Neural Engine，機器學習速度提高了9倍。至于電池續航時間，MacBook Air可以支持15小時無線上網和18小時電影播放（其中他們有一個小小的廣告，那就是推薦使用appletv應用程序播放電影）。不知道這是否會有什么不同，但只有等Youtube上有人測試時，具體續航才會曝光。至于MacBook Pro，它的電池續航時間為17小時的無線上網和20小時的蘋果tv電影播放。不管你信與不信，在我看來20小時的續航時間是難以置信的。我現在手中使用的是16英寸i9 MacBook Pro，我覺得它的電池續航時間（11小時）已經非常出色。

M1 架構

新的M1架構采用了最新的5nm技術。它在處理器中有1個CPU, 1個GPU, 1個神經引擎以及DRAM單元。由于RAM內置在處理器中，因此所有組件都會訪問相同的內存。這意味著不會再因為將內存從一個組件移動到下一個組件而造成性能損失。無需再嘗試弄清楚你的模型是否符合GPU的內存規格。

CPU

這塊CPU是8核CPU，其中4核是用于數據處理和一些需要高性能任務的高性能內核，另外4核被稱為“e核”或高效內核，提供更高的處理效率和更低的功耗的任務。

https://arstechnica.com/gadgets/2020/11/apple-dishes-details-on-its-new-m1-chip/ 在網站上，蘋果沒有宣稱它的任何CPU性能。然而，在gadgets.ndtv.com上發布的Geekbench性能測試顯示，它有著3.2GHz的基頻，比16英寸Macbook Pro上的英特爾酷睿i9-9880H處理器的基頻要高。 讓我們比較一下在新的M1處理器上和一些其他的處理器的性能測試分數。

在和4個非常受歡迎的CPU的性能的比較之下，蘋果M1在單核上的表現優于所有CPU，甚至在16英寸Macbook Pro上的i9處理器上也很好。直到在有關使用多核處理器的問題上，你才會想看到其他處理器的優勢，尤其是AMD處理器，與M1處于一種競爭關系。

這一切對機器學習意味著什么?

首先，CPU和GPU之間共享的RAM（內存）應該會提高性能，因為從CPU RAM到GPU RAM的數據傳輸不會再產生延遲。 對于單核得分和多核得分，大多數數據預處理庫沒有充分利用處理器的多核優勢;因此，多核分數對數據預處理的作用很小，基本沒有意義。在數據預處理中，單核得分越高，處理效果越好。

GPU

其中集成的GPU是一塊8核GPU，可以同時執行25,000個線程。蘋果聲稱這是“世界上最快的個人電腦集成顯卡（最快的集成在PC上的圖像處理器）”，具有每秒2.6萬億次浮點數計算(32位的浮點數)的吞吐量。當然，這對于一個集成的GPU來說是令人印象深刻的，但作為數據科學家，我們更感興趣的是其整體性能。 讓我們來看看和其他GPU的比較。

從這些值來看，M1芯片可能適用于視頻處理、圖像處理、Apple Arcade（游戲訂閱服務）或游戲上。而GPU將無法很好地用于機器學習。它的確有一定的能力，但不是我們所預期的表現。你可能會贊同這樣的想法：憑借其每秒11.2萬億次浮點數計算的能力，裝載了RTX 2080 Super的Razer Blade Pro 17是一個更好的選擇.不過，蘋果還在M1處理器中添加了一個神經引擎，專門用于提高機器學習效率。

神經引擎

M1處理器還配備了蘋果專為機器學習過程設計的業內領先的神經引擎。這款神經引擎之前已經被裝載到了iPad和iPhone的A系列處理器中，但直到現在才被添加到Mac上使用。 蘋果聲稱，其新16核神經引擎的運行速度達到了每秒可以執行11萬億次運算。

*每秒11萬億次運算？他們說的是每秒11萬億次浮點數運算？如果是這樣的話它就可以成為這個領域的一個有力競爭者。 當你將這種計算速度與集成內存(低延遲)和20小時的電池壽命結合在一起時，對于四處奔波的數據科學家來說，這可能就是一個值得考慮的選擇了。你不僅得到了一塊可與RTX 2080 Super媲美的GPU，擁有著業界最好的單核得分的CPU，外形與MacBook Air相當，而且還擁有18-20小時的電池續航時間。 關于這個問題的另一個想法是，一些機器學習的框架是否可以利用GPU和神經引擎來訓練和執行推理。

Apple M1芯片及其軟件支持

現在我們來談談軟件支持。我的問題是： M1可以與一些最常用的軟件一起工作嗎?(例如，Python, VSCode, Jetbrains, Anaconda, Excel, Juypter Notebooks)

Python

Apple Silicon芯片使用的是基于arm的指令集的結構。Python已經可以在許多其他平臺上運行，包括ARM、MIPS、PowerPC、i386和x86-64。使用Python應該是不成問題的。

Juypter Notebook

現在的情況仍不能十分確定Juypter筆記本是否支持與蘋果M1處理器兼容。我們已經發現了一個鏈接，它是通過使用docker在ARM架構上運行jupyter notebooks。時間會證明一切的，包括這是否真的有效。也許當VSCod產品一旦可以投入生產，將會有一個可以用來工作的Juypter擴展。

VSCode

微軟于2020年11月10日在Twitter上宣布，他們正在為蘋果M1開發VSCode的通用版本。在寫這篇文章的時候，他們已經在他們的網站上建立了ARM的架構上測試的版本。

Microsoft Excel

微軟同樣也于2020年11月11日宣布，將推出新的通用版Mac Office 2019測試版，支持新的蘋果M1處理器。事實上，Erik Schwiebert在推特上宣布在同一天微軟正在發布一個測試版本在它的測試通道上。然而，他們沒有宣布任何公開發布的日期。

機器學習框架(例如,Tensorflow,Scikit-Learn,Keras之類)支持M1嗎?

Tensorflow

在蘋果M1發布會上，蘋果提到了對Tensorflow的支持。但我還沒有找到有關這一說法的任何細節。Tensorflow框架是為x86_64架構和Nvidia gpu構建的。目前還沒有ARM或Apple M1架構的其他版本。 一些人聲稱你可以通過利用蘋果轉換器來執行Tensorflow模型上進行推理。這里有一個鏈接 （https://www.inovex.de/blog/tensorflow-models-with-core-ml/) 是一篇關于從TF模型轉換到CoreML上所用的方法的文章。其他意見則認為他們(Apple)指的是Swift for Tensorflow。 現在它是未知的，我還找不到任何有關它的資料。

Scikit-Learn

Scikit-learn會支持和Apple M1一起工作嗎?我認為簡短的答案是-也許有這個可能？所以，我們所知道的是，Python是支持M1的ARM架構。而且Scikit-learn不需要使用GPU。所以從理論上講，Scikit-learn應該適用于Apple M1。 我還可以繼續說下去，但其他機器學習庫(PyTorch、Keras等)都和上述的道理大同小異。

綱要

Apple M1：8核的CPU, 8核GPU, 16核神經引擎以及集成內存。

Apple M1 CPU具有歷史上最出色的單核跑分1687。7433的多核得分，這是一個十分不錯的成績。比較下，英特爾i9-9880H (Macbook Pro 16 )：單核得分1029，多核得分6012。

Apple M1 GPU有每秒2.6萬億次浮點數運算的能力,與之對比Nvidia GeForceRTX 2080 Super(Razer 手提電腦)能達到每秒11.2萬億次浮點數運算。

Apple M1 神經引擎自稱有每秒11萬億次運算的能力。但問題在于這種能力是否是在運算浮點數上?這是在與Nvidia GeForce RTX 2080 Super 的每秒11.2萬億次運算浮點數的能力作比較。

Apple M1是否有軟件支持？

免責聲明：由于我還沒有拿到蘋果M1。（我已經訂購了，但還沒有收到。）我只是用研究來表明我對軟件支持這一方面的主張和陳述。不要只是根據我的調查結果來購買，請在購買前自行研究一下。 一旦我收到我的蘋果M1 MacBook Pro，我將用我的發現寫一篇新的故事。

責任編輯：lq