苹果A19 Pro跑分曝光：CPU性能提升12%，GPU性能提升37%！

9月12日消息，近日苹果公司发布的A19系列处理器当中，作为最强的处理器A19 Pro，自然是备受外界关注。而最新的测试数据显示，A19 Pro在CPU性能上虽然相比前代仅提升了约11%-12%，但是如果仅看CPU单线程性能，则超越了苹果的桌面处理器M4以及AMD的锐龙 9 9950X。GPU 性能相比上一代则提升了 37%，达到了与苹果M3当中的GPU以及AMD 的Radeon 890M 集成 GPU相当的性能。

CPU性能提升11%-12%

A19 Pro拥有6个CPU核心，其中包括：两个高性能内核，运行频率高达 4.26 GHz（相比上代提升6.5%），并具有改进的分支预测（在分支繁重的工作负载下性能更高、能效更高）和增加的前端带宽（这意味着每周期指令数更高，但并不表明内核每周期可以解码多少条指令）；四个节能效核，与前代产品相比，其最后一级缓存增加了 50%。

最新的测试显示，全新的A19 Pro处理器在 Geekbench 6 基准测试中，CPU单线程性能得分3895，比上一代产品高出 11%，比高通的骁龙 8 Elite 高出 36%，并且超越了苹果自家的 M4（高出 5.3%）和 AMD 强大的锐龙 9 9950X（高出 11.8%）。不过，由于只有6个CPU核心，因此在多线程性能得分为 9746 分，仅比 A18 Pro 高出 12%。所以，这款智能手机 SoC 在多线程工作负载方面仍然无法击败台式机和笔记本电脑的 CPU。

虽然单线程和多线程CPU性能 11% - 12% 的代际性能提升看起来相当稳健，但与 A18 Pro 相比 A17 Pro的（约 18%）提升相比，这一数字相对较低。

需要指出的是，A19 Pro 处理器采用的是台积电第三大3nm（N3P） 工艺制造，N3P 是 N3E 的光学缩小版，与 N3E 相比，它可在相同功率下将晶体管密度提高 4%，性能提高 5%，或在相同频率下将功耗降低 5% - 10%。

考虑到制程工艺的提升，这也使得A19 Pro的大核CPU主频得益提升了6.5%，叠加一些微架构改进，因此其性能的提升幅度达到了约11%-12%。然而，考虑到苹果在 iPhone 19 Pro 上采用了均热板散热系统和铝合金一体成型机身，该公司并未大幅提升 CPU 主频以获得更高的峰值性能，这着实令人意外。或许苹果决定专注于分支密集型工作负载，以及/或者更高的 IPC 性能比单一频率更能带来好处。目前看来，这些增强功能在 Geekbench 6 中并未显著提升性能。

GPU性能提升37%

A19 Pro拥有5核GPU和6核GPU两个版本，该GPU配备了第二代动态缓存，提升了浮点数学计算速率，带来了统一的图像压缩。其中，5核版本的每个GPU当中还集成了神经加速器，峰值运算能力是A18 Pro的3倍。苹果声称这允许在 iPhone 中实现 MacBook Pro 级别的性能。

根据Geekbench 6测试的6核GPU版本的A19 Pro数据显示，其GPU得分为45657分，相比上代快了37%。与iPad Air中M2或M3的GPU性能以及AMD的Radeon 890M集成GPU性能相当。

此外，最新的分析称，A19 Pro的GPU还拥有矩阵乘法加速单元（Matrix Multiplication Acceleration Units），这有助于提升AI性能。

长期以来，苹果自研的GPU与英伟达一类的显示卡最大的差异之一，就是缺乏像NVIDIA Tensor Core这类专为张量运算设计的硬件加速核心。 这也是英伟达在深度学习和大型语言模型（LLM）运算上能遥遥领先的关键。 最新的Tensor Core不仅运算速度惊人，更原生支持多种浮点精度（如FP64、TF32、BF16、FP16等），能与各式大模型训练及推理引擎完美配合。

虽然苹果这次的GPU升级包含了矩阵乘法加速单元，但这并不等同于英伟达的Tensor Core。 Tensor Core 是一个更为复杂且全面的运算核心，它不仅能执行矩阵乘法，更针对多种低精度浮点运算（如 FP8、FP6）进行了深度优化，这些都是现代大模型训练与推论的关键。 也就是说，苹果的GPU虽然补上了矩阵运算这块短板，但其原生支持的精度和运算效率，仍有待后续的技术发展来追赶。

在深度学习的世界里，无论是训练还是推论，最核心且最频繁的运算就是矩阵乘法（Matrix Multiplication）。 你可以把一个神经网络想象成一系列复杂的数学运算，其中每个神经元之间的连接权重，都可以用一个巨大的矩阵来表示。 当输入数据（例如一张图片、一段文字）进入这个网络时，它会与这些权重矩阵进行连串的乘法运算，以产生最终的输出。

这就是为什么矩阵乘法的运算速度，直接决定了 AI 模型训练与推论的快慢。 一个好的 AI 芯片，其性能高低很大程度上取决于它处理这些巨型矩阵乘法的能力。

虽然，苹果曾大力推广其自家的“神经网络引擎（ANE）”，苹果也试图通过专用硬件来处理 AI 任务，然而开发者实际对于其NPU的应用却不如预期。

首先，ANE的使用体验极不友善，开发者必须将模型转换成特定格式才能运行，过程繁琐。 其次，也是最重要的，ANE 的效能远远落后时代。 由于苹果最初并未预料到以 Transformer 架构为基础的大型语言模型（LLM）会迅速崛起，这类模型对内存带宽的需求极高，而 ANE 的带宽效能却表现平平。 根据实测，ANE的最大带宽仅约120GB/s，甚至不及2016年推出的NVIDIA GTX 1060显卡。 这导致在现实应用中，开发者很少会选择使用 ANE 来运行大型模型。

因此，在M4 芯片上，苹果已经开始试水，直接提供最高512GB 统一内存的配置，这显示苹果早已意识到大模型对内存容量的庞大需求。如果未来的M5 Max 能搭载带宽更高的LPDDR6，其內存带宽有望达到900GB/s，将足以与主流消费级显卡一较高下。

编辑：芯智讯-浪客剑