蘋果A19 Pro跑分曝光：CPU效能提升12%，GPU效能提升37%！

9月12日消息，近日蘋果公司發表的A19系列處理器當中，作為最強的處理器A19 Pro，自然是備受外界關注。而最新的測試資料顯示，A19 Pro在CPU效能上雖然比起前代僅提升了約11%-12%，但如果只看CPU單執行緒效能，則超越了蘋果的桌上型電腦處理器M4以及AMD的銳龍9 9950X。 GPU 效能相比上一代則提升了37%，達到了與蘋果M3當中的GPU以及AMD 的Radeon 890M 整合GPU相當的效能。

CPU效能提升11%-12%

A19 Pro擁有6個CPU核心，其中包括：兩個高性能核心，運行頻率高達4.26 GHz（相比上代提升6.5%），並具有改進的分支預測（在分支繁重的工作負載下性能更高、能效更高）和增加的前端頻寬（這意味著每周期指令數更高，但並不表明核心每周期可以解碼多少個快取條）；

最新的測試顯示，全新的A19 Pro處理器在Geekbench 6 基準測試中，CPU單執行緒性能得分3895，比上一代產品高出11%，比高通的驍龍8 Elite 高出36%，並且超越了蘋果自家的M4（高出5.3%）和AMD 強大的銳龍9 91.8%）。不過，由於只有6個CPU核心，因此在多執行緒效能得分為9,746 分，僅比A18 Pro 高出12%。所以，這款智慧手機SoC 在多執行緒工作負載方面仍然無法擊敗桌上型電腦和筆記本電腦的CPU。

雖然單執行緒和多執行緒CPU效能11% - 12% 的代際效能提升看起來相當穩健，但與A18 Pro 相比A17 Pro的（約18%）提升相比，這一數字相對較低。

需要指出的是，A19 Pro 處理器採用的是台積電第三大3nm（N3P） 工藝製造，N3P 是N3E 的光學縮小版，與N3E 相比，它可在相同功率下將電晶體密度提高4%，性能提高5%，或在相同頻率下將功耗降低5% - 10%。

考慮到製程工藝的提升，這也使得A19 Pro的大核心CPU主頻得益提升了6.5%，疊加一些微架構改進，因此其性能的提升幅度達到了約11%-12%。然而，考慮到蘋果在iPhone 19 Pro 上採用了均熱板散熱系統和鋁合金一體成型機身，該公司並未大幅提升CPU 主頻以獲得更高的峰值性能，這著實令人意外。或許蘋果決定專注於分支密集型工作負載，以及/或更高的IPC 效能比單一頻率更能帶來好處。目前看來，這些增強功能在Geekbench 6 中並未顯著提升效能。

GPU效能提升37%

A19 Pro擁有5核心GPU和6核心GPU兩個版本，該GPU配備了第二代動態快取，提升了浮點數學計算速率，帶來了統一的圖像壓縮。其中，5核心版本的每個GPU當中也整合了神經加速器，峰值運算能力是A18 Pro的3倍。蘋果聲稱這允許在iPhone 中實現MacBook Pro 等級的效能。

根據Geekbench 6測試的6核心GPU版本的A19 Pro資料顯示，其GPU得分為45657分，相比上代快了37%。與iPad Air中M2或M3的GPU效能以及AMD的Radeon 890M整合GPU效能相當。

此外，最新的分析稱，A19 Pro的GPU還擁有矩陣乘法加速單元（Matrix Multiplication Acceleration Units），這有助於提升AI效能。

長期以來，蘋果自研的GPU與輝達一類的顯示卡最大的差異之一，就是缺乏像NVIDIA Tensor Core這類專為張量運算設計的硬體加速核心。 這也是輝達在深度學習和大型語言模型（LLM）運算上遙遙領先的關鍵。 最新的Tensor Core不僅運算速度驚人，更原生支援多種浮點精確度（如FP64、TF32、BF16、FP16等），能與各式大模型訓練及推理引擎完美配合。

雖然蘋果這次的GPU升級包含了矩陣乘法加速單元，但這並不等於輝達的Tensor Core。 Tensor Core 是一個更為複雜且全面的運算核心，它不僅能執行矩陣乘法，更針對多種低精度浮點運算（如FP8、FP6）進行了深度最佳化，這些都是現代大模型訓練與推論的關鍵。 也就是說，蘋果的GPU雖然補上了矩陣運算這塊短板，但其原生支援的精確度與運算效率，仍有待後續的技術發展來追趕。

在深度學習的世界裡，無論是訓練或推論，最核心且最頻繁的運算就是矩陣乘法（Matrix Multiplication）。 你可以把一個神經網路想像成一系列複雜的數學運算，其中每個神經元之間的連接權重，都可以用一個巨大的矩陣來表示。 當輸入資料（例如一張圖片、一段文字）進入這個網路時，它會與這些權重矩陣進行一系列的乘法運算，以產生最終的輸出。

這就是為什麼矩陣乘法的運算速度，直接決定了AI 模型訓練與推論的快慢。 一個好的AI 晶片，其性能高低很大程度上取決於它處理這些巨型矩陣乘法的能力。

雖然，蘋果曾大力推廣其自家的“神經網路引擎（ANE）”，蘋果也試圖通過專用硬體來處理AI 任務，然而開發者實際上對於其NPU的應用卻不如預期。

首先，ANE的使用體驗極不友善，開發者必須將模型轉換成特定格式才能運行，過程繁瑣。 其次，也是最重要的，ANE 的效能遠遠落後於時代。 由於蘋果最初並未預料到以Transformer 架構為基礎的大型語言模型（LLM）會迅速崛起，這類模型對記憶體頻寬的需求極高，而ANE 的頻寬效能卻表現平平。 根據實測，ANE的最大頻寬僅約120GB/s，甚至不如2016年推出的NVIDIA GTX 1060顯示卡。 這導致在現實應用中，開發者很少會選擇使用ANE 來運行大型模型。

因此，在M4 晶片上，蘋果已經開始試水，直接提供最高512GB 統一記憶體的配置，這表明蘋果早已意識到大模型對記憶體容量的巨大需求。如果未來的M5 Max 能搭載頻寬更高的LPDDR6，其記憶體頻寬可望達到900GB/s，將足以與主流消費級顯示卡一較高下。 （芯智訊）