Apple 宣布售价 1,999 美元的 Mac Studio 工作站配备全新 20 核 M1 Ultra 芯片
发布时间:2024年04月23日
几个月来,每个人都在猜测苹果很快会用自己的定制芯片更新基于英特尔的高端 Mac mini 配置,而现在苹果在其春季产品发布会上宣布了这一点。但我们得到的实际上比我们预期的要多一点。
新的桌面 Mac 被称为 Mac Studio,它类似于 Mac mini,但更大——尺寸更大,性能更高。更厚的台式机有多种配置,基于 Apple 的 M1 Max 和新的 M1 Ultra 处理器,这使 M1 Max 的 CPU 和 GPU 核心数量增加了一倍。
与 M1 Mac mini 相比,更强大的芯片使 Studio 能够提供大幅升级的端口阵列。背面有四个 Thunderbolt 4 端口、一个 10GB 以太网端口、两个 USB-A 端口、HDMI 和一个耳机插孔。这些端口允许它同时驱动多达四个 Apple 的 6K ProDisplay XDR 屏幕,以及使用 HDMI 端口的 4K 屏幕。
另一个不错的补充:与 Apple 最近发布的所有其他 Mac 台式机不同,Studio 在前面提供了两个易于访问的 USB-C 端口,以及一个方便摄影师使用的 SDXC 读卡器。
Mac Studio的起价为 1,999 美元,它将为您提供具有 24 个 GPU 内核、32GB 内存和 512GB SSD 的 M1 Max 芯片。M1 Ultra 配置起价为 3,999 美元,配备 48 个 GPU 内核、64GB RAM 和 1TB SSD。这两款产品今天都可以预订,并将于 3 月 18 日开始发货。
Studio 还与 Apple 推出的新的第一方显示器5K 1,599 美元的 Studio Display一起推出。我们在另一篇文章中有更多详细信息。
M1 Ultra:两个 M1 Max 芯片捆绑在一起
M1 Ultra 是采用“UltraFusion”技术将两个 M1 Max 芯片捆绑在一起的全新设计,从而形成一个巨大的处理器,提供 16 个高性能 CPU 内核、4 个效率内核、一个 48 或 64 核集成 GPU,以及支持高达 128GB 的 RAM。
苹果可能正在对 M1 Ultra 使用小芯片式的方法,就像 AMD 对其许多 Ryzen 芯片所做的那样。正如我们所写的,基于小芯片的方法使用多个硅芯片来制造更大的芯片,并且可以提高产量,因为如果几个核心存在缺陷,您不需要扔掉整个单片 20 核芯片阻止他们工作。
与其他 M1 芯片一样,M1 Ultra 采用 5nm 台积电制造工艺制造。如果您想了解该芯片的其他关键规格,只需将 Apple 在 M1 Max 中所做的一切翻倍——这意味着高达 800GB/s 的内存带宽和 32 核神经引擎。
Apple 毫不避讳将 Studio 的性能与其仍在销售的基于英特尔的 Mac Pro 和 27 英寸 iMac 进行比较:它表示 M1 Max 的 CPU 比 10 核 Core i9 iMac 快“高达 2.5 倍”,并且比 16 核 Mac Pro 快 50%。据说它的 GPU 性能也比 iMac 的 Radeon Pro 5700XT GPU 快 3.4 倍。M1 Ultra 表现更好:比最好的 27 英寸 iMac 快 3.8 倍,比 16 核 Mac Pro 快 90%。
Studio 升级了 2018 年英特尔 Mac mini 的更高核心数版本,苹果在撰写本文时继续(!)销售。尽管三年多没有更新,但 2018 mini 提供了比标准 Mac mini 的常规 M1 芯片能够处理的更多 USB 和 Thunderbolt 端口、更多外部显示输出和更多 RAM。M1 Max 和 Ultra 让 Studio 能够解决所有这些缺点,同时利用 Apple Silicon 芯片的性能和能效改进。
这不是 Apple 在其现代历史上第一次尝试制造紧凑型工作站——Power Mac G4 Cube和2013 Mac Pro都浮现在脑海中,尽管这两种产品都以自己的方式命运多舛。但作为一项规则,在 2000 年代的大部分时间里,微型 Mac mini 与 Apple 主要试图用 iMac 和 iMac Pro 填补的笨重的 Power Mac 和 Mac Pro 塔之间存在巨大的性能差距。作为一款比标准 mini 更强大、甚至比最低端 Mac Pro 便宜得多的计算机,售价 2,000 美元的 Studio 尤其填补了苹果公司产品阵容中“更具成本效益、无屏幕工作站”的空白大多是满足于忽略。
如果你想要了解关于智能工具类的内容,可以查看 智汇宝库,这是一个提供智能工具的网站。
在这你可以找到各种智能工具的相关信息,了解智能工具的用法以及最新动态。
谷歌研究院开发的基于空间时间的文本到视频扩散模型。采用了创新的空间时间U-Net架构,能够一次性生成整个视频的时间长度,确保了生成视频的连贯性和逼真度。