苹果
这次的性能提升数据中，CPU 提升了 10%，GPU 提升了 20%，而 Neural Engine 则直接翻倍。但很多用户看到后可能会觉得：这不就跟没升级一样吗？ 不过在我看来，这次的重点其实是放在 GPU 上的提升。至于 CPU 那 10% 的提升从何而来？其实更像是通过优化挤牙膏得来的——
苹果通过改进 CPU 使用峰值预测算法的准确性，使得 CPU 在多任务运行时的时间分布更加均匀，从而提升了平均处理速度。当然，制程工艺缩小本身对 CPU 性能的直接贡献并不大，主要还是体现在降低能耗方面。再看 GPU 的 20% 提升，A16 原本是 5 核心设计，现在变成了 6 核心，刚好对应 20% 的增长。但这并不是简单的加一个核心而已。实际上，这次
苹果在 GPU 中加入了专门用于光线追踪（Ray Tracing）的核心，也就是 ray tracing core。这一变化表明，整体架构也有了显著调整。对比一下，
NVIDIA 的 GPU 未来将集中在两个架构方向上：计算卡使用 Hopper 架构，游戏卡则采用 Ada Lovelace 架构。值得注意的是，
NVIDIA 的计算卡是没有显示功能的，而
苹果似乎并没有给自己的 GPU 架构命名，但从 A17 Pro 的表现来看，其 GPU 架构显然与 A16 已经不同。光线追踪不仅仅是用来判定阴影效果这么简单，它是所有渲染方法中效果最逼真的技术之一。尽管通过软件算法也能在 A16 上实现光线追踪，但帧率非常低。而 A17 Pro 在这方面实现了质的飞跃，光追速度达到了 A16 的四倍。发布会上展示的视频就明确显示了这一点：A16 的光线追踪渲染速度仅为 8 帧/秒，而 A17 Pro 可以轻松达到 30 帧/秒。有
同学可能疑惑：30 帧/秒离 120Hz 的
屏幕刷新率还有差距啊。 没错，这时候 Neural Engine 就该发挥作用了。Neural Engine 的性能直接翻倍，主要原因在于神经网络应用越来越广泛，仅靠堆核已经不足以满足需求。
苹果自研的
MetalFX 技术可以看作是针对
移动平台优化的类似
NVIDIA DLSS 的方案。它的工作原理是先渲染一张低分辨率图像，然后利用神经网络进行超分辨率处理，最终生成高分辨率图像。这样一来，不仅减轻了 GPU 的负担，还充分利用了 Neural Engine 的能力。根据 SIGGRAPH 的相关论文，基于神经网络的渲染技术已经成为研究热点之一，尤其是在注重能效比的场景下尤为重要。PC 上的显卡功耗通常在 100-200W 之间，并且需要额外配备风扇散热，如果将这样的功耗放在
手机上，
手机恐怕都能煎蛋了——不过煎不熟，不是因为温度不够，而是因为
手机电池提供的加热时间太短。至于 Neural Engine 本身，这次应该没有特别大的革新。毕竟神经网络的核心运算大多涉及 Tensor 计算，只要增加更多的 Tensor Core，就能显著提高计算速度。因此，Neural Engine 的性能提升相对来说是比较容易实现的。综合来看，这次的硬件升级重点确实是在 GPU 方面。无论是新增的光线追踪核心，还是整体架构的变化，都让 A17 Pro 的图形处理能力迈上了一个新台阶。而对于 Neural Engine 的大幅升级，则进一步强化了其在
AI 加速和图像处理方面的优势，为未来的应用开发提供了更多可能性。
