Wired ha avuto modo di intervistare Phil Schiller, Senior Vice President of Worldwide Marketing di Apple, e Anand Shimpi, ingegnere esperto in processori, noto per essere stato il fondatore del sito AnandTech e da tempo assunto nel Platform Architecture Team della Casa di Cupertino. I due hanno parlato del nuovo chip A13 Bionic presente nei nuovi iPhone 11, iPhone 11 Pro e iPhone 11 Pro Max.
Il nuovo chip di Apple integra 8.5 miliardi di transistor, con sei core per la CPU: due performance core (nome in codice Lightning) della CPU sono fino al 20% più veloci rispetto a prima e fino al 30% più efficienti, mentre i quattro efficiency core (nome in codice Thunder) sono fino al 20% più veloci e usano fino al 40% di energia in meno. I performance core gestiscono i compiti più impegnativi a tutta velocità, mentre gli efficiency core si occupano delle operazioni di routine.
Anche la GPU quad-core progettata da Apple è fino al 20% più veloce rispetto a prima e consuma fino al 40% di energia in meno. Nel Soc è integrato un modem LTE, un image-processor per l’elaborazione delle immagini e il Neural Engine progettato da Apple, con architettura 8-core, è fino al 25% più veloce e fino al 30% più efficiente. Il Neural Engine è il “motore” del nuovo sistema a tripla fotocamera, del Face ID, delle app di AR e non solo.
Anand Shimpi spiega che si parla molto di performance pubblicamente, ma che Apple preferisce parlare di performance per watt, considerando le cose dal punto di vista dell’efficienza energetica, sottolineando come la progettazione che tiene conto dell’efficienza porta a migliorare le performance. “Con applicazioni che non hanno bisogno di performance aggiuntive”, spiega Shimpi, “puoi aspettarti la velocità dello scorso anno semplicemente con un consumo molto inferiore”.
Nessuno dei due dirigenti ha rivelato dettagli particolari ma sia Shimpi, sia Schiller, hanno evidenziato la ricerca puntale delle performance e come tutto ciò sia diventato un mantra per Apple. Schiller ha in particolar modo evidenziato l’uso intelligente delle performance del processore, funzionamento che tiene conto di ciò che viene elaborato, anziché semplicemente aumentare a comando le prestazioni.
Tra gli esempi fatti da Schiller per quanto riguarda benefici che è possibile ottenere dall’aumento delle prestazioni, la funzionalità text to speech. “Abbiamo potenziato la funzionalità Text to Speech (funzione di accessibilità che consente di leggere il contenuto con la voce, ndr), tale da garantire un’elaborazione più naturale del linguaggio, tutto fatto con l’apprendimento automatico e il neural engine”.
“Il machine learning è sfruttato per tutto, che si tratti di gestire la durata della batteria o ottimizzare le performance”. “Non c’era il machine learning in esecuzione dieci anni addietro, ora è invece dappertutto, a occuparsi di cose”. Gli avanzamenti di varie tecnologie sono alla fine sono dettati da cose apparentemente semplici che facciamo con i vari dispositivi.
Apple analizza ciò che l’utente fa con i suoi dispositivi, migliorando di anno in anno, funzionalità e performance, in base a ciò che l’utente fa con il proprio device, individuando nuovi modi per migliorare le prestazioni, tenendo conto allo stesso tempo dell’efficienza energetica, un lavoro costante di rifinitura che porta a sfruttare l’apprendimento automatico, anche in settori nei quali inizialmente non sembrava avere senso.
Il Neural Engine usa l’apprendimento automatico in tempo reale per ottimizzare i vari elementi in gioco. Per esempio, riduce la velocità del processore quando non è necessaria grande potenza, ma è in grado anche di eseguire attività quali illuminare meglio un soggetto in primo piano, e al contempo ridurre il rumore e perfezionare il colore del cielo. Il tutto all’istante, automaticamente, senza che l’utente comprenda la complessità dietro tutto ciò.
I chip A13 Bionic sono montati sui nuovi iPhone 11, iPhone 11 Pro e iPhone 11 Pro Max.
