自研芯片遭遇性能瓶颈

设想一下, 苹果本来预想拿用来做其他用途的M2 Ultra芯片, 去改造应用到服务器范畴, 然而呢, 就目前的状貌去看, 这一预想遭遇了相当程度的阻碍。根据确切的信息来表明, 这款有着未知代号的芯片, 或许不能够依照原本安排在2026年顺遂推出。

研发团队察觉到, 借助移动端架构予以改造的芯片, 于处理大规模AI任务之际展现出有心无力的态势。它的算力表现未达到所预期的标准, 致使苹果不得不再次评估时间表, 而这一延期体现出技术转型的艰难程度。

移动端基因与服务器需求冲突

苹果芯片团队在低功耗移动设备设计方面有着长期的深度耕耘, 这跟需要高功耗、高并发独特属性的AI服务器是决然不同的, 这样底层架构的差异形成了具有根本性的技术阻碍, 致使简单的移植改造不易产生实际效果。

处理持续高负载, 服务器场景是极为需要极大数据带宽的, M系列芯片设计的原本目的却是着重加长电量在手机上残留存在的时间, 而且就物理特点的性质以及工程方面考虑的逻辑, 两者有着极大的差距，正因如此，阻碍了项目的迈进。

Siri高负载转投谷歌平台

那是因为自研芯片当下没办法承担起重要责任, 所以苹果做出决定要调整策略, 把iOS 27新版Siri里部分高负载的AI计算任务转移到谷歌云平台。而这一措施表明苹果在短时间内不得不依靠外部强大的算力基础设施。

拥有成熟云服务体系以及大量英伟达GPU资源的谷歌, 应付Siri带来的庞大计算压力能够迅速做到。然而这种临时抱佛脚之举只解决了燃眉之急, 却也暴露了苹果在底层算力自主可控方面存在的短板呢。

依赖英伟达GPU解决算力缺口

于过渡期当中, 苹果挑选借助英伟达的GPU集群去处理那些最为耗费算力的AI请求。英伟达在AI训练以及推理范畴的优势显著, 其硬件生态也较为完善, 是当下最为可靠的外部合作伙伴。

让苹果得以继续优化Siri用户体验的这种合作模式, 是不必等待自研芯片完全成熟的。然而, 对于一家追求垂直整合的科技巨头来讲, 核心算力在人掌控之下一直是一种战略方面的妥协。

自研突围之路尚需时日

即便遭遇挑战情况下, 苹果仍未放弃自行研发服务器芯片的打算。当时团队正在尝试全新的架构设计, 力求在此寻求功耗与性能之间更为好的平衡点。然而这必定又是一个漫长且满是不确定性的进程句号。

短期内, 苹果或许依旧得在较大程度上依靠第三方供应商去满足 AI 业务那爆发式增长的需求。直至自研芯片切实拥有竞争力以前, 这种“外购与自研”并行的状况可能会延续相当久的一阵子。

苹果能否突破技术封锁？

面临英伟达以及谷歌的双双夹击, 苹果怎样在留存用户体验之际提高底层算力自主权, 这会是未来几年的关键看点所在。你认为苹果最终有没有可能成功塑造出独立的AI服务器芯片呢? 欢迎于评论区留下你的见解。