麒麟 9000 比 A14 多 38 亿晶体管，为什么性能不如 A14？ 第1页

晶体管规模不直接代表实际性能的高低。

华为的麒麟K9000晶体管多但是性能差，原因就两点：1、华为K9000集成了基带，这部分大量消耗晶体管且不直接提升性能。单纯看CPU和GPU的话，Apple其实面积不小，虽然总体晶体管不够多，但是CPU/GPU部分堆的并不少。2、华为用的Cortex A77和G78等架构不如苹果，

晶体管的增加比例和实际性能并不直接相关，除非是堆多核且只看多核心性能。 晶体管可以增加在Uncore部分，可以是拿去换功耗，不一定是性能。

---

  ghostwolf 网友的相关建议: 
      

晶体管相当于砖块，楼盖成什么样，使用面积如何，这些都要看设计师的水平，设计师的水平有差距也许还不小。但是再怎么差也不会是多了1/3的砖盖的楼还没你高，设计师的差距没那么大，所以吹苹果不要吹的太过分了。

原因有很多，其中一个最重要的原因就是麒麟9000含有基带，你看看麒麟9000的die shot，4G Modem的面积就与整个8核CPU面积相当，5Gmodem的面积更大，而苹果的A系列处理器里是不含这部分的。单个CPU的面积和晶体管数量比麒麟9000只多不少。

如果同样用那么大面积设计处理器，能不能做的跟苹果一样好？我不知道，建议多关注 @夏晶晶 ，他是海思的大牛，可以给你更好的解答。

有句话叫做，韩信用兵多多益善，那是因为他是韩信。麒麟能不能做成苹果那样？没人知道。

---

   网友的相关建议: 
      

小明搞了一个80平米的房子，一卧一厅的结构。

卧室30平米，客厅50平米，住进去之后，会发现房子比感觉上的大一些，特别舒服。

但是，有点小麻烦的是，每次上厕所和洗浴，需要到小区楼下的公共淋浴间里。

当然了，小明也不差钱，直接花钱长期租下了一个属于自己的豪华淋浴间，足足有20平米。

实际算上来，小明的可使用面积，是有100平米的。

对于小明而言，把厕所和淋浴间外挂出去，能让自己的住房面积更大，并且淋浴间也同样很大，不影响自己的日常使用体验，这是他自己就想要的效果。

小明的朋友们，也都觉得小明这样的设计很好，认为房子大是关键，把80平米装修出这么大的卧室和客厅，吊打市面上的其他设计。

小红则相反，她搞了一个90平米的房子，一卧一厅的结构。

卧室25平米，客厅40平米，厕所和淋浴间25平米，住进去之后，小红觉得很合适，厕所和淋浴间就在房子里，不用出门就能解决。

但是，小明的朋友看了小红的房子之后，噗呲一笑。

“拜托，很弱诶你，亏你还说你是90平方的房子，卧室和客厅看起来小到爆，人家小明80平方的房子，装得比你大多了，使用起来各种大，比你好多了！”

“什么，你说厕所和淋浴间？小明又不是没有，而且20平米超大的超豪华，也不差好不好！弱爆了你！”

回去了之后，小明的朋友还觉得这件事特别好笑，忍不住登上了知乎，在知乎上发问：

“小红的房间比小明的房间多10个平方，为什么日常使用体验，还是好挤，完全比不上小明的房间？”

---

  518-7694 网友的相关建议: 
      

对于这个问题，一方面是因为麒麟9000包括了基带，另一方面是麒麟9000和苹果A14仿生的架构并不同。

首先来看一下海思麒麟9000和苹果A14仿生的性能对比：

	CPU单核	CPU多核	GPU	总分
苹果A14仿生	1600	4350	143	52625
海思麒麟9000	1020	3800	132	42500

从上面的表格中，我们可以看出海思麒麟9000的单核心性能比苹果A14仿生低了36%，差距可以说巨大，多核芯性能也有10%以上的差距，GPU的差距较小，整体性能差距大约是20%。

从规格上看，海思麒麟9000是4*A77+4*A55的CPU架构，24*G78的GPU架构，此外还有基带。

而苹果A14仿生只有2大核+4小核+4核GPU。

海思麒麟这153亿晶体管，一部分浪费在了基带上，另一部分则浪费在了GPU上。

这是因为海思麒麟9000的G77架构的整体效率不如苹果的自研GPU，麒麟堆了24核，苹果只有4核，后者的规模更小。

而CPU上，苹果也是靠架构优势，加上大核堆的比较多，在单核上和麒麟9000拉开了极大的差距。

我们在选择的时候，如果你准备用较长的时间，还是优先考虑苹果A14仿生这个平台的手机，它的性能相比海思麒麟9000有较大的优势，使用周期也会更长，苹果A14仿生的能耗比也要更高。

以上就是乱码对这个问题的全部看法，如有不同意见，欢迎到评论区留言互动。

---

  feng-kuang-shen-shi-92 网友的相关建议: 
      

这个其实看看老黄的主题演讲。

在会上。

3月22号晚上11点，英伟达CEO黄仁勋带来了以AI为主旨的演讲。

　　本次GTC延续以往风格，老黄在演讲中依旧是激情四射，目光依旧是如此坚定。

　　此次主题演讲老黄依然穿着皮衣，不过几乎已成GTC大会“标配”的厨房场景已经变了，而是呈现了一个更具科幻感的虚拟空间，这种呈现又更贴近老黄的演讲主题人工智能（AI）。

　　AI的发展与广泛应用是一个必然的趋势，围绕AI将产生出一个巨大的价值空间，同时对各行各业，乃至整个人类都带来深远的影响。

　　这次英伟达是将其产品强大的AI性能淋漓尽致地展示在消费者以及行业的面前。其介绍的产品让人目不暇接，有Hopper、DGX100、 Spectrum、 Grace CPU、CUDA-X 库更新、数据中心规模Omniverse 计算系统、Hyperion平台等一系列产品。

　　在上述产品中，Hopper架构H100值得特别一看。

　　英伟达推出采用Hopper 架构的新一代加速计算平台。

　　与上一代产品相比，该平台实现了数量级的性能飞跃。

　　Hopper的名字是为了纪念最著名的先驱程序媛 Grace Hopper。

　　格蕾丝·赫柏（Grace Murray Hopper），1906年12月9日出生于美国纽约，计算机软件工程第一夫人、杰出的计算机科学家，同时也是美国海军将军。

　　耳熟能详的Bug一词，其来由就同Grace Hopper有关。

　　程序员挂在嘴边的bug跟debug就是来自格蕾丝·赫柏。

　　老黄指出Hopper 架构将取代两年前推出的Ampere 架构。

　　英伟达首款基于 Hopper 架构的 GPU —NVIDIA H100。这款 GPU 集成了 800 亿个晶体管，是彻底的“算力怪兽”。

　　H100 是全球范围内最大的性能出众的加速器，拥有革命性的 Transformer 引擎和高度可扩展的 NVIDIA NVLink 互连技术等突破性功能。可推动庞大的 AI 语言模型、深度推荐系统、基因组学和复杂数字孪生的发展。

　　老黄表示：“数据中心正在转变成‘AI工厂’。它们处理大量数据，以实现智能。NVIDIA H100 是全球 AI基础设施的引擎，让企业能够利用其实现自身AI业务的加速。”

　　H100架构的有六项突破性创新：

　　第一、世界最先进的芯片 ——由 800 亿个晶体管构建而成使其能够帮助客户推出先进的推荐系统以及实时运行数据推理的大型语言模型。

　　第二、新的 Transformer 引擎 —— H100 加速器的 Transformer 引擎速度提升至上一代的六倍。

　　第三、多实例 GPU ——在云环境中 Hopper 架构通将 MIG 的部分能力扩展了 7 倍。

　　第四、机密计算 —— H100 是全球首款具有机密计算功能的加速器，可保护 AI 模型和正在处理的客户数据。客户还可以将机密计算应用于医疗健康和金融服务等隐私敏感型行业的联邦学习，也可以应用于共享云基础设施。

　　第五、第4代NVIDIA NVLink —— 相较于上一代采用 NVIDIA HDR Quantum InfiniBand网络，带宽高出9倍。

　　第六、DPX 指令 —— 新的 DPX 指令可加速动态规划，适用于包括路径优化和基因组学在内的一系列算法，同上一代 GPU 相比，其速度提升分别可达 40 倍和 7 倍。

　　晶体管的数量多固然能提高算力的上限。

　　但是除了晶体管的数量外，还需要有AI（布局，以及算法等等）。

最后大家可以看看我以前发布过的linus的一个小视频，是针对英伟达的。

前一个讨论

下一个讨论