Innholdsfortegnelse:
Video: Koteletter i fad | Claus Holm (Oktober 2024)
En av tingene jeg lærte veldig tidlig i mitt begrensede forhold til Steve Jobs, var at han var en kontrollfreak. Og mens dette fikk sparken fra Apple i 1985, tjente det ham godt på ett nøkkelområde: produksjon og forsyningskjeden.
Jeg har blitt imponert over Apples halvlederkoteletter; designarbeidet har skapt et bibliotek med IP-kjerner det kan bygge på i mange år fremover. Apple er fortsatt avhengig av Intel for Macens kjerneprosessor, men jeg tror det vil endre seg i løpet av de neste to årene.
I forrige uke la Apple enda en oppgradering til iPhones A-Series-prosessor med A12 Bionic.
Denne brikken er veldig forskjellig fra tidligere iterasjoner. I A11 Bionic tok nevralmotoren en mye mindre del av den samlede SoC-blokken og ble integrert med noen andre komponenter. Det var i stand til 600 milliarder operasjoner per sekund og var en dual-core design.
Neuralmotoren i A12 Bionic har nå en dedikert blokk i SoC, har hoppet fra to til åtte kjerner, og er nå i stand til 5 billioner operasjoner per sekund. Men alt sammen i programvaren, der Apple lar utviklere bruke CoreML til å lage apper vi aldri har opplevd før.
Apple nærmer seg farlig nær å gjøre en god del science fiction til virkelighet, med maskinlæring og datasyn i sentrum. Inntil nylig har denne teknologien blitt relegert til sterkt kontrollerte opplevelser. Men det er nå front og sentrum i bilindustrien som autonome biler tar til gatene. Google Lens, som oppdager og gjenkjenner gjenstander gjennom et smarttelefonkamera, er et annet imponerende eksempel på datamaskinvisjon.
Nå med A12 Bionic og rike API-er i utviklernes hender, er det spennende å tenke på hva som skal komme på appfronten. Hvis du ikke har sett det, oppfordrer jeg deg til å se Homecourt-demoen fra Apples 12. september (på markeringen 59:45 i videoen over). Appen gjorde videoanalyse i sanntid av en basketballspiller og analyserte alt fra hvor mange skudd han gjorde eller gikk glipp av, til hvor på banen han gjorde og savnet dem som en prosentandel av skuddene hans, og til og med kunne analysere formen sin ned til ben og håndledd for å se etter mønstre. Det var en utrolig demonstrasjon med virkelig verdi, men det klør bare overflaten til hva utviklere kan gjøre med denne nye epoken med iPhone-programvare.
Maskinlæring og AI som ny programvarearkitektur
Når det gjelder dette paradigmeforandringen i programvare, vil maskinlæring og AI muliggjøre en ny epoke med moderne programvare.
Jeg kan ikke overdrive hvor viktig halvledereinnovasjon er for denne innsatsen. Vi har sett det i cloud computing ettersom mange Fortune 500-selskaper nå distribuerer skybasert maskinlæringsprogramvare takket være innovasjoner fra AMD og Nvidia. Imidlertid har behandlingen på klientsiden for maskinlæring stått godt bak mulighetene til skyen til nå. Apple har brakt et ekte maskinlæringskraftverk til kundenes lommer og åpnet det for det største og mest kreative utviklermiljøet på en hvilken som helst plattform.
- Bedriftsveiledningen for maskinlæring Bedriftsguiden til maskinlæring
- Google forenkler maskinlæring med SQL Google forenkler maskinlæring med SQL
- Advarsel: Det er 4 forskjellige iPhone XS-modeller Advarsel: Det er 4 forskjellige iPhone XS-modeller
Enda mer interessant er at Apples vertikale integrasjon gjør det vanskelig for konkurrenter å følge med. Samsung gjør en ganske god jobb med å konkurrere på halvledernivå, og dens mobile divisjon kan dra nytte av ulike divisjoner i Samsung Corporate. Men selv her har Apple en ganske solid kant i designprosessen da teamene er en del av ett større team som skaper et nytt produkt. Samsung må benytte seg av individuelle divisjoner innen Samsung, og så vidt jeg kan si integrerer den ikke halvlederteamet i det samlede produktets FoU.
Jeg ser etter at Apple vil bruke enda mer hjemmelaget IP i halvledere og kanskje andre komponenter i fremtiden; sin rolle som et produkt- og servicekraftverk er integrert i fremtiden.
