约 1.1 万字 · 6 张图 · 读完你能说清 M1 的优势里哪些来自架构、 哪些来自工艺、哪些来自「别人学不了」的垂直整合
关于 M1 为什么快,网上有三个流传最广的解释。我们一个一个看。
上一节已经算过:指令集对功耗的贡献大约 10% 到 30%,对性能的影响更小。 而且 x86 内部本来就是 RISC 核心。
更直接的反证是:2012 到 2019 年,高通、微软、三星都做过 ARM 笔记本, 一台都没站住。如果「ARM 就快」,它们早该赢了。 所以这条解释最多算「不拖后腿」,不是原因。
这条有一半对。M1 在 2020 年用台积电 5nm,而当时 Intel 的主力还是 14nm (10nm 刚起步且良率不好)。制程领先一代半到两代,同功耗下性能确实能高 30% 到 50%。
但这解释不了两件事:
一是同期 AMD 也用台积电 7nm,一样打不过 M1 的每瓦性能。 二是 M1 的芯片面积特别大——160 亿晶体管, 比同期的移动 x86 芯片多出一大截。 用更多的晶体管换性能,这不是「制程红利」,这是「设计选择」。
这条对,但太笼统。苹果从 2010 年的 A4 开始做芯片,到 M1 已经十年。 真正的问题不是「会不会设计」,是「它能决定什么,别人不能」。
具体说,苹果能同时决定四件事:
这四条合起来,才是 M1 的真正原因。 而每一条,单独拿出来都不算技术创新——它们是「组织能力」。
理解 M1,需要知道一件事:苹果换过三次 CPU 架构,每一次都成功了。
| 年份 | 从 | 到 | 翻译层 |
|---|---|---|---|
| 1994 | 摩托罗拉 68k | PowerPC | 内置 68K 模拟器 |
| 2005 | PowerPC | Intel x86 | Rosetta(第一代) |
| 2020 | Intel x86 | ARM64 | Rosetta 2 |
三次迁移有一个共同的结构:新硬件先上,旧软件靠翻译层过渡, 两年后开发者跟上,翻译层退居次要位置。
1994 年那次,苹果在 PowerPC 里塞了一颗 68k 的兼容芯片, 老程序跑在上面,慢一点但能用。 2005 年那次,Rosetta 第一代做的是「翻译 + 缓存」,思路和 Rosetta 2 一样。
所以 2020 年那次,苹果不是在冒险,是在重复一件做过两遍的事。 而这件事的难度,一大半不在技术,在「让开发者相信你这次是认真的」—— 苹果前两次都做到了,所以第三次大家愿意跟。
对比一下微软:Windows on ARM 从 2012 年的 Surface RT 开始, 到 2017 年才支持 64 位 x86 模拟,中间五年用户买到的机器「很多软件装不上」。 不是技术不行,是承诺不清楚。 开发者不知道这个平台会不会被放弃,就不敢投入。
把后面几代排一排,能看出苹果在干什么——它一直在做同一件事:加位宽、加核心、换工艺。
| 芯片 | 工艺 | 晶体管 | 带宽 | 关键变化 |
|---|---|---|---|---|
| M1 | 5nm | 160 亿 | 68 GB/s | 第一代,4+4 核 |
| M1 Pro | 5nm | 337 亿 | 200 GB/s | 位宽翻两倍,核翻倍 |
| M1 Max | 5nm | 570 亿 | 400 GB/s | 位宽再翻倍 |
| M1 Ultra | 5nm | 1140 亿 | 800 GB/s | 两颗 Max 拼接 |
| M2 | 5nm | 200 亿 | 100 GB/s | 改良版,LPDDR5 |
| M3 | 3nm | 250 亿 | 100 GB/s | 首次 3nm |
| M4 | 3nm | 280 亿 | 120 GB/s | 第二代 3nm |
注意 M1 Ultra 那一行:它不是一颗更大的芯片,是两颗 M1 Max 用硅中介层连起来。 这个设计的关键是「连接带宽要足够高」——两颗芯片之间的通道做到了 2.5 TB/s, 高到操作系统可以把它们当成一颗芯片用。
这条路线的意义在于:它绕开了「芯片面积不能无限大」的限制。 一颗芯片做不了 1140 亿晶体管(良率会崩),但两颗 570 亿的可以分别制造,再拼起来。 这也是整个半导体行业的方向(chiplet),只是苹果先在自己产品上做成了。
这是 M1 最核心的一个设计,也是最容易被误解的一个。
一台普通笔记本里,CPU 和 GPU 各有各的内存:
这两块内存物理上分开,电气上不连通。GPU 想看 CPU 的数据,必须:
算完之后,结果还要按原路返回一遍。 一次「GPU 处理」= 两次跨总线复制 + 两次内存写入。
对于一张 4K 照片(约 25MB),这个复制不算什么。 但视频剪辑是每秒 30 帧、每帧 25MB、连续几分钟—— 复制量是几十 GB。这时候 PCIe 的 32 GB/s 就成了瓶颈,而且复制本身也耗电。
M1 把内存直接放在 SoC 的同一个封装里(不是同一个 die,是同一块基板上, 紧挨着芯片)。CPU、GPU、NPU 全都访问这同一块内存。
于是上面那五步变成了:GPU 直接读,算完直接写回。没有复制。
这就是「统一内存」(unified memory)的全部意思。 它不是一个新技术——游戏机用这套结构已经二十年了(PS4、Xbox One 都是统一内存)。 苹果做的是把它搬到笔记本上,并且做得足够快。
这里要区分三个层次,它们的距离差一个数量级:
M1 的内存不在 die 上(那是 eDRAM 或 SRAM 的做法,容量做不大), 而是在封装基板上,紧挨着 SoC。 距离从「几厘米」缩短到「几毫米」,短了大约二十倍。
这个距离带来两个好处:信号衰减小,所以能跑更高频率;驱动电流小,所以更省电。 LPDDR4X 在封装内跑 4266 MT/s,如果做成内存条插在主板上,这个频率很难稳定。
有人会问:既然要近,为什么不用 HBM(高带宽内存)?它离得更近,带宽高十倍。
三个原因:
一是贵。HBM 要用硅中介层(interposer)把内存和芯片连起来, 这块中介层本身比芯片还难做,成本翻几倍。 专业显卡用得起,笔记本用不起。
二是容量做不大。HBM 的堆叠层数有限,单颗容量小, 要做 64GB 就要堆很多颗,封装面积撑不住。
三是功耗。HBM 的硅中介层走线虽然短,但带宽极高, 总功耗反而不低。对一台靠电池的机器,这不是好选择。
所以 M1 选的是「普通 LPDDR + 封装内」这个折中—— 不如 HBM 快,但便宜、容量大、够省电。 M1 Ultra 用「拼接两颗 M1 Max」的方式做到 800 GB/s,走的还是这条路,不是 HBM。
有三样东西,按重要性排:
一、延迟。GPU 读自己的显存,大约 200 到 400 纳秒; 通过 PCIe 读系统内存,要 1 到 2 微秒,差五倍。 对图形渲染这种「大量小访问」的活,延迟比带宽更要命。
二、功耗。数据在 PCB 上跑一趟要驱动 IO 电路, 而 IO 电路的功耗和走线长度、信号速率成正比。 省掉一次跨总线复制,就省掉一份 IO 功耗——这在笔记本上是实打实的续航。
三、芯片面积和成本。不用做 PCIe 控制器、不用做显存接口, PCB 也简单很多。这一段省下的钱,被苹果用来买更大的芯片面积了。
这里必须泼一盆冷水,因为「统一内存」经常被说成「带宽超高」。
M1 的内存带宽是 68.25 GB/s(128 位 LPDDR4X-4266)。 我们把它放进一张表里看:
| 方案 | 带宽 | 给谁用 |
|---|---|---|
| DDR5-5600 双通道 | 89.6 GB/s | 普通笔记本的 CPU |
| M1 统一内存 | 68.25 GB/s | CPU + GPU + NPU 共享 |
| PCIe 4.0 ×16 | 32 GB/s | CPU 到独显的通道 |
| GDDR6 128 位 | 448 GB/s | 中端独显的显存 |
| M1 Pro | 200 GB/s | 统一内存(256 位) |
| M1 Max | 400 GB/s | 统一内存(512 位) |
看清楚第二行和第四行:M1 的 68 GB/s,连一块中端独显的六分之一都不到。
那它为什么还能跑得动剪辑?因为它不需要把数据搬来搬去。 独显的 448 GB/s 很猛,但 CPU 喂给它的数据要先过 32 GB/s 的 PCIe。 一条管线,入口只有 32 GB/s,里面再宽也没用。
这个道理可以打个比方:独显像一条八车道的高速公路, 但通往高速的匝道只有一条车道。 M1 像一条四车道的路,但从头到尾都是四车道,没有匝道。
到了 M1 Pro 和 Max,苹果把位宽加上去(256 位、512 位), 带宽到 200 和 400 GB/s——这时候它才真正开始和独显比带宽。 而代价是内存必须焊死,容量买定离手。
带宽 = 位宽 ÷ 8 × 速率。想提高带宽,只有两条路:加位宽,或者提速率。
提速率受制于 LPDDR 本身的物理极限(当时 4266 MT/s 已接近上限), 所以苹果的做法是加位宽:M1 是 128 位,M1 Pro 是 256 位,M1 Max 是 512 位。
但位宽不是免费的:每 32 位就要多一颗内存颗粒,多一组走线,多一份功耗。
| 芯片 | 位宽 | 颗粒数 | 带宽 | 最大内存 |
|---|---|---|---|---|
| M1 | 128 位 | 2 | 68 GB/s | 16 GB |
| M1 Pro | 256 位 | 4 | 200 GB/s | 32 GB |
| M1 Max | 512 位 | 8 | 400 GB/s | 64 GB |
| M1 Ultra | 1024 位 | 16 | 800 GB/s | 128 GB |
看清楚最后两列的关系:带宽和容量是一起涨的。 因为加位宽就要加颗粒,加颗粒就顺带加了容量。 所以「高带宽」和「大内存」在苹果这里是一件事,不是两件。
这也解释了 M1 为什么最大只有 16GB:不是苹果不想给,是 128 位只能挂两颗颗粒。 想给 32GB,就得做成 256 位——那就是 M1 Pro 了。
M1 不是一颗 CPU,是一颗 SoC(System on Chip,片上系统)。 打开它的封装,里面是这样几块:
| 模块 | 规模 | 干什么 |
|---|---|---|
| 大核(Firestorm) | 4 个 | 跑前台应用、编译、渲染 |
| 小核(Icestorm) | 4 个 | 后台任务、系统服务 |
| GPU | 8 核 | 图形、视频滤镜、部分计算 |
| 神经网络引擎 | 16 核 | 人脸识别、图像增强、语音 |
| 媒体引擎 | 专用电路 | H.264 / HEVC 编解码,硬件的 |
| 内存控制器 | 128 位 | 连到封装内的 LPDDR4X |
| 统一缓存 | 十几 MB | 所有核心共享的最后一级缓存 |
这张表里最值得注意的不是「核多」,是「它们都在同一块硅片上」。
这意味着三件事:
一、通信不用出芯片。GPU 要读 CPU 刚算好的数据, 走的是片内总线,延迟几十纳秒,而走 PCIe 是几微秒。 差两个数量级。
二、可以共享缓存。传统结构里,CPU 的 L3 和 GPU 的 L2 是分开的, 同一份数据可能在两边各存一份。统一缓存没有这个问题。
三、面积大、良率低。一颗 M1 的 die 面积约 120 平方毫米, 比同期移动 CPU 大不少。面积越大,一颗硅片上出现缺陷的概率越高,良率越低、成本越高。 苹果能承担这个成本,因为它卖的是整机,不是芯片。
上面那张表里,「媒体引擎」只有一行,但它在 M1 的实际体验里占的分量很重。
媒体引擎是一块专用电路,只干一件事:视频编解码。 它不认识「通用计算」,只会 H.264、HEVC、ProRes 这几种格式的压缩和解压。
但正因为专用,它极省电、极快。 一段 4K HEVC 视频,用 CPU 软件解码要占满 4 个大核、耗 20 瓦; 用媒体引擎,功耗不到 1 瓦,而且不占 CPU。
这就是为什么「M1 剪 4K 不卡、不烫、不掉电」—— 剪辑软件的时间线预览,走的是媒体引擎,不是 CPU 或 GPU。 发布会演示的那些「同时剪 8 条 4K 流」,靠的就是它。
集成度越高,可维修性越差。这是同一个硬币的两面。
一台传统笔记本,坏了可以换件:内存条、SSD、无线网卡、风扇、电池, 大部分都是插接或者几颗螺丝。维修成本是「零件的价格」。
一台 M1 的机器,坏了只能换整块主板: 内存、SSD、CPU、GPU 全在一块板上,任何一样坏,整块换。 维修成本是「半台机器的价格」。
| 部件 | 传统笔记本 | M1 机器 |
|---|---|---|
| 内存 | 可换(有插槽) | 封装内,不可换 |
| 硬盘 | M.2,可换 | 焊死,不可换 |
| 无线网卡 | M.2,可换 | 焊死 |
| 电池 | 可换(部分机型胶粘) | 可换(苹果官方) |
| 风扇 | 可换 | Air 没有风扇 |
这不是「苹果偷工减料」,是集成度的必然结果: 统一内存要求内存贴着 CPU,就不可能做成插槽。 你想要那种「数据不用搬」的性能,就得接受「坏了不能换」的代价。
对个人用户,这意味着买的时候就要把配置买够(第 0.3.2 节讲过同样的道理)。 对企业用户,这意味着要买 AppleCare,因为过保后的维修价格接近换新。
上一章讲笔记本时提过一个概念:双烤时 CPU 和 GPU 抢一个功耗池。 M1 把这个「抢」做成了系统级的日常行为。
x86 笔记本里,CPU 有自己的功耗墙(PL1/PL2), 显卡有自己的 TGP。两个数字是分开定的,各管各的。
结果就是:跑一个只用 CPU 的任务时,显卡那 100 瓦的预算闲着, CPU 却只能用 45 瓦。反过来也一样。
有些平台做了动态分配(Dynamic Boost),但它是两个独立固件之间的协商, 反应慢、粒度粗,而且要留安全余量。
因为 CPU、GPU、NPU 都在一颗芯片上,苹果可以让它们共享同一个功耗预算, 由一套电源管理实时分配。
具体表现是:
这套东西的难点不在「分配」,在「感知」。 要实时知道每个单元在干什么、下一毫秒需要多少电, 这需要操作系统和芯片固件的深度配合。 苹果两样都有,所以能做;别家只有一半,所以做不彻底。
假设在时间线上拖动预览,这个过程里各个单元在干什么:
| 阶段 | 谁在干活 | 大约功耗 |
|---|---|---|
| 读文件 | SSD 控制器 + 内存 | 1 – 2 W |
| 解码 | 媒体引擎 | 0.5 – 1 W |
| 加滤镜 / 转场 | GPU | 3 – 6 W |
| 合成与输出 | GPU + 显示控制器 | 2 – 4 W |
| 调度与界面 | 1 个大核 | 1 – 2 W |
| 合计 | 8 – 15 W |
注意每一行的数字都不大,但没有一行是「CPU 满载 45 瓦」。 这就是 SoC 结构的意义:把活分给最省电的那个单元,而不是全部丢给 CPU。
传统笔记本做同样的事,路径是:CPU 解码(20W)→ 内存 → PCIe → 显存 → GPU 处理(40W)→ 回到内存 → 显示。 功耗高,而且中间有两次搬运。
M1 的 8 个 CPU 核不是一样的:4 个大核(Firestorm)+ 4 个小核(Icestorm)。
这不是苹果发明的——ARM 的 big.LITTLE 早在 2011 年就有了。 但苹果的做法有几个特别之处。
Icestorm 小核的解码宽度大约是 3 条指令, 而 Firestorm 大核是 8 条,重排序缓冲 630 项。 大核的规模接近一些桌面 CPU,而小核只相当于十年前的主流移动核。
面积上,一个小核大约是大核的四分之一到三分之一; 功耗上,小核满载大约 0.2 到 0.5 瓦,大核满载能到 3 到 5 瓦。 差一个数量级。
因为待机时大核是真的关掉的,不是降频。
系统把后台任务(同步、索引、通知)都丢给小核, 大核进入断电状态(power gating),漏电几乎为零。 需要时再上电,启动延迟只有几微秒。
传统 x86 笔记本做不到这么彻底:核心不能随便断电, 因为唤醒延迟大,而且调度器不总是知道该把任务给谁。 所以它只能「降频」,而降频仍然在漏电。
这个设计叫 big.LITTLE,ARM 在 2011 年就提出来了。 但头几年用得很糟,值得看一看,因为它解释了「为什么苹果等到 2017 年才用」。
2013 年,三星 Exynos 5410 第一次商用(4 大 + 4 小)。 问题是:两组核不能同时工作,只能整组切换。 切换要几百微秒,期间性能掉一个坑。 用户体验就是「偶尔卡一下」,而且说不清为什么。
同年,联发科的「真八核」被骂得更惨——它其实是 8 个大核, 功耗高得离谱,被戏称为「一核有难,七核围观」。 那几年「八核」这个词在手机圈是负资产。
苹果的做法不一样:它一直等到调度器成熟,才在 2017 年的 A11 上第一次用大小核 (2 大 + 4 小)。而且一上来就是「所有核可以同时工作」的版本。
这个差别看起来是技术细节,实际是产品判断: 「能不能用」和「用了会不会更好」是两件事。 苹果的选择是「不成熟就不上」,代价是参数上落后几年。
大小核的调度是个难题。如果一个重任务被分到小核上,性能会掉得很惨。
苹果的办法是操作系统级的调度器:它知道每个线程的优先级、 历史行为、以及当前的电量状态,然后决定放哪个核。 这套调度的效果,直接决定了「大小核」是加分还是减分。
Windows 上的大小核(从 12 代酷睿开始)就遇到过这个问题: 早期调度器把游戏线程丢到小核上,帧数反而下降。 这不是硬件不好,是软件没跟上。
讲到这里,可以给一个尽量客观的评估了。
「每瓦性能」只有在同一个功耗点上比才有意义。 说「M1 比 i9 省电」是不公平的——i9 能跑到 100 瓦,M1 最多 20 瓦。
公平的比法是:把 x86 限制到 M1 的功耗,看谁快。 多方评测的结论大致是:
| 功耗点 | 大致结论 | 说明 |
|---|---|---|
| 5 W 以下 | M1 明显领先 | 小核效率高,x86 在这个点几乎没有合适的产品 |
| 10 – 15 W | M1 领先 30% – 50% | 这是 M1 的甜点区 |
| 25 – 35 W | M1 领先 10% – 25% | x86 开始追上 |
| 45 W 以上 | 差距明显缩小,某些多核场景 x86 反超 | M1 的 8 核不够打了 |
看清楚第一行和第四行:功耗越低,M1 的优势越大;功耗越高,优势越小。
下面的数字是大致量级,来自 2020 到 2021 年的公开评测,不同测试项差别很大, 只用来建立数量级感:
| 测试 | M1 | 同期 i7-1165G7 | 说明 |
|---|---|---|---|
| Geekbench 单核 | 约 1700 | 约 1500 | M1 高 13% |
| Geekbench 多核 | 约 7500 | 约 5000 | M1 高 50% |
| Cinebench R23 多核 | 约 7800 | 约 5500 | M1 高 40% |
| 单核满载功耗 | 约 5 W | 约 25 W | 差五倍 |
| 多核满载功耗 | 约 20 W | 约 45 W | 差两倍多 |
看最后两行:M1 用五分之一的电做了更快的事。 这就是「每瓦性能」的含义,也是它真正的优势所在。
但要公平:i7-1165G7 在插电、散热良好的情况下,多核可以跑到接近 M1 的水平 (通过长时间维持 45 瓦)。M1 的优势在「不插电、不发热、不吵」,不是「绝对性能」。
这不是偶然,正好对应它的设计目标——它是一颗为 10 到 20 瓦设计的芯片。 在这个窗口里,它把能用的手段都用上了;超出这个窗口,它的规模就不够了。
上一张表里有一个现象值得解释:功耗越低,M1 的优势越大。 这不是巧合,有三个结构性原因。
一、固定开销降不下去。一颗 x86 核心的译码器、uop cache、 分支预测器,不管你跑 5 瓦还是 45 瓦,它们都要工作。 在 5 瓦的预算里,这些「固定成本」占的比例很高。 而 M1 的小核根本没有这些复杂结构,5 瓦里几乎全是有效计算。
二、电压墙。要跑到 4.5 GHz,电压必须给到 1.2 伏以上; 而 M1 的大核最高 3.2 GHz 左右,电压 0.9 伏就够了。 电压差 25%,动态功耗差 44%。 这不是「谁的设计更好」,是「谁愿意跑低一点」。
三、漏电。高频设计需要更低的阈值电压(让晶体管更容易导通), 代价是关不严、漏电大。所以在待机时,x86 核心的漏电比 M1 的小核高不少。
这三条加起来,就是「低功耗区差距大、高功耗区差距小」的原因。 换句话说:M1 的优势,一部分来自「它敢跑得慢」。
这是估算,不是精确测量,但量级是对的:
所以「ARM 打败 x86」这个说法,只覆盖了第二项的一小部分。 把 M1 的指令集换成 x86,它大概率还是一颗很优秀的芯片—— 只是会多一些译码开销,大概损失百分之十几。
硬件再好,软件跑不了就是废铁。这是所有 ARM PC 都栽过的坑。
苹果的答案是 Rosetta 2:一个 x86-64 到 ARM64 的翻译层。
传统的模拟器是逐条解释执行:读一条 x86 指令,模拟它的效果。 慢,通常只有原生的 10% 到 30%。
Rosetta 2 做的是提前翻译(ahead-of-time): 第一次运行某个程序时,把整个可执行文件翻译成 ARM64, 存进缓存;以后再启动,直接跑翻译好的版本。
翻译的粒度是「基本块」——一段没有分支的指令序列。 翻译一次,这段代码以后都直接用。 所以第一次启动慢,后面就正常了。
实测大约原生性能的 70% 到 80%。 对办公软件来说完全够用,对游戏来说会掉帧。
为什么能这么高?三个原因:
一、x86 和 ARM 的差别没那么大。都是寄存器机器, 都是 load-store 风格(x86 内部也是)。翻译不是「换一种思维方式」,是「换一套编码」。
二、可以做针对性优化。比如 x86 的 add [mem], 1
翻译成 ARM 的 ldr + add + str,
但如果是连续访问,可以合并成带后索引的 ldr w3,[x0],4。
三、内存模型可以对齐。x86 是强内存模型(TSO),ARM 是弱内存模型。 Rosetta 2 通过在必要的地方插入屏障指令来保证语义正确, 这会损失一些性能,但保证了不会出现「诡异的并发 bug」。
翻译指令是简单的,翻译内存顺序才是难的。这是 Rosetta 2 真正技术含量所在。
x86 用的是强内存模型(TSO,Total Store Order): 你写的代码里 store 是什么顺序,别的核看到的就是什么顺序。 这对程序员友好,但硬件要为此付出代价(写缓冲要按序提交)。
ARM 用的是弱内存模型:默认允许乱序, 只有当程序显式插入屏障指令(DMB)时,才保证顺序。 这对硬件友好,但对程序员不友好——忘了插屏障,就会出现「偶尔才复现」的并发 bug。
那么问题来了:一段按 x86 强顺序写的程序,翻译成 ARM 之后,怎么保证还是强顺序?
最笨的办法是每条 store 后面都插一个屏障,那样性能会掉一半。 Rosetta 2 的做法更聪明:它只在「可能被其他核观察到」的位置插屏障—— 比如跨线程共享的写、原子操作、系统调用边界。 大部分单线程代码根本不需要屏障,所以开销很小。
对比微软:Windows on ARM 也有 x86 模拟(从 Windows 10 ARM 开始), 但体验差很多。原因有三个:
苹果的做法是给一个明确的时间表:Rosetta 2 只保证「过渡期」可用, 两年后开始收紧。开发者知道「不移植就没有未来」,所以移植得快。 这是一个「用管理手段解决技术问题」的典型。
这一节专门讲「不好听的那一面」,因为网上讲 M1 的文章很少有。
统一内存意味着内存焊在封装里,买的时候是多少,一辈子就是多少。 16GB 和 32GB 的差价,在苹果官网上是 3000 块左右—— 而同样容量的内存条,市场价是 400 块。
这笔差价的官方解释是「封装成本和良率」,但无论怎么解释, 用户失去了「以后再加」的选项。 对一台要用五年的机器,这是个实实在在的限制。
硬盘也一样:M1 的 SSD 是焊死的,而且一旦主板坏了,数据拿不出来。 这是统一设计的代价——它把所有东西绑在了一起。
这一条很少有人提,但它比「不能加内存」更严重。
M1 的 SSD 是焊在主板上的(不是 M.2 插槽), 而且苹果的 SSD 控制器是自研的,盘上的数据用了硬件加密, 密钥存在芯片里(Secure Enclave)。
好处是安全性极高:把闪存颗粒拆下来,读不出任何东西。 这是很多政府和企业采购 Mac 的理由。
坏处是:主板一旦坏了,数据也就没了。 不是「修一下能读」,是「换主板 = 换一台新机器」。 所以用 Mac 的人必须备份,这不是建议,是硬性要求。
对比一台普通笔记本:SSD 坏了,拆下来插到别的机器上,数据还在。 这种「可救援性」在企业环境里很重要。 苹果用「安全」换掉了「可救援」,这是一次明确的价值取舍。
三年过去,主流软件基本都移植了。但还有三类东西是缺的:
发布会的对比图有一个共同特点:选的都是「M1 擅长」的项目—— 视频剪辑、图像处理、编译。 这些活正好能用上媒体引擎、NPU、统一内存。
而纯浮点计算、大型 3D 渲染、科学计算这些项目, M1 的优势就小得多,甚至不如同价位的 x86。 不是它造假,是「选择性地展示真实数据」。
既然统一内存、大 SoC、共享功耗池都这么好,为什么 Intel 和 AMD 不做?
因为它们不能。这不是技术问题,是商业模式问题。
Intel 的客户是华硕、联想、戴尔。这些厂商要的是: 一个能插内存条的 CPU 插座、一个能插显卡的 PCIe 插槽。
如果 Intel 出一颗「内存焊死、显卡集成」的芯片, 这些厂商的产品线就没了——它们靠「可升级、可定制」卖机器。 Intel 不是不想做,是做了会得罪所有客户。
统一内存要求内存颗粒紧挨着 CPU 封装, 这需要内存厂商和 CPU 厂商联合设计封装。 在 PC 生态里,内存是标准件(金士顿、威刚、三星都能做), 没有人为某一颗 CPU 定制封装。
只有在「一台机器只用一个方案」的时候,这种定制才划算。
即使硬件做出来了,还需要操作系统能调度大小核、 能协调 GPU 和 CPU 的功耗、能让编译器针对这颗芯片优化。
Windows 要兼容几百万种硬件组合,它不可能为某一颗芯片做深度优化。 macOS 只跑在苹果自己的硬件上,所以可以。
技术上完全可以。Intel 有制程、有设计能力、有封装技术。 它甚至试过——2017 年的 Kaby Lake G, 把 Intel 的 CPU 和 AMD 的 GPU 封在同一个基板上,共享一块 HBM2 显存。
结果失败了。三个原因:
一是贵。HBM2 成本太高,那颗芯片只用在少数高端轻薄本上, 价格劝退。
二是软件不管。Windows 不知道怎么在 CPU 和 GPU 之间调度这块共享显存, 大部分时候它只当普通显存用,统一内存的好处一点没拿到。
三是没有下一代。Intel 和 AMD 是竞争对手,合作一次已经是奇迹, 不可能一起迭代。而苹果可以每一代都自己决定。
这件事说明:「把零件封在一起」是工程问题, 「让软件用上这个结构」是生态问题。 前者花钱能解决,后者要花十年。
| 能力 | 苹果 | Intel / AMD |
|---|---|---|
| 决定内存形态 | 能(自己设计主板) | 不能(厂商要插槽) |
| 决定 GPU 来源 | 能(自研) | Intel 能,AMD 能,但必须留 PCIe |
| 决定功耗策略 | 能(整机一套固件) | 不能(多方协商) |
| 决定操作系统 | 能(自研) | 不能(要兼容 Windows) |
| 决定软件分发 | 能(App Store) | 不能 |
五行全是「能」,这才是 M1 的门槛。 它的技术每一项单看都不神奇,难的是「同时拥有这五项权力」。
最后看一眼「苹果之外」的 ARM PC,因为这才是这个问题的完整答案。
2024 年之后,高通推出了骁龙 X 系列,性能终于接近 M1 的水平。 但市场反应平淡,原因还是那三样:
一是软件。x86 模拟能跑,但体验有折扣; 而且用户一旦发现「这个软件有点慢」,就会归因于「ARM 不行」。
二是价格。ARM PC 没有价格优势——它要和已经很成熟的 x86 笔记本竞争, 而后者有规模效应。同样性能,ARM 版往往更贵。
三是没有「非买不可」的理由。M1 有「剪 4K 不用插电」这个杀手级场景, 而 Windows on ARM 的卖点是「续航长一点」,这不足以让人换平台。
这是一个常被忽略的事实:云厂商的自研 CPU 大量用 ARM。 亚马逊的 Graviton、谷歌的 Axion、微软的 Cobalt,都是 ARM 架构。
这不是小打小闹。亚马逊的 Graviton 从 2018 年的第一代做到现在, 已经承载了 AWS 相当大比例的通用计算实例,而且比同规格的 x86 实例便宜 20% 左右。
谷歌、微软、阿里、字节也都有自研 ARM 芯片。 这个市场的规模,比「ARM 笔记本」大得多——只是普通人看不见。
原因很实际:服务器不需要兼容 Windows 软件。 云厂商自己控制软件栈,自己编译,自己优化。 这正好是「垂直整合」的另一个版本——只不过整合的是云,不是笔记本。
所以在「谁赢」这个问题上,正确的答案不是「ARM 赢」或「x86 赢」,而是: 在「谁能控制整个栈」的地方,ARM 赢了;在「必须兼容历史」的地方,x86 还守着。
这一节讲的是一颗具体的芯片,但背后有三条更通用的判断,值得记住。
一、看「数据要搬几次」,而不是「峰值多高」。 一个系统的实际性能,往往不是被峰值带宽卡住,是被「搬来搬去」卡住。 统一内存赢在这里,很多分布式系统也是同一个道理。
二、看「谁能让谁让路」。 M1 的功耗优势,一大半来自「闲着的单元真的关掉了」。 任何系统里,「资源能不能动态让出来」都比「资源有多少」更影响体验。 这也是为什么共用一台服务器时,调度器比 CPU 型号更重要。
三、看「这个优化需要几家配合」。 需要五家配合的优化,基本做不成;需要一家决定的优化,才可能落地。 M1 的每一项技术都不神奇,神奇的是「一家就能决定」。
| 设计 | 具体做法 | 好处 | 代价 |
|---|---|---|---|
| 统一内存 | LPDDR 封装在 SoC 旁 | 不用复制、延迟低、省 IO 功耗 | 不能升级,带宽受限 |
| 大 SoC | CPU/GPU/NPU 同 die | 片内通信、共享缓存 | 面积大、良率低 |
| 共享功耗池 | 整机一个预算 | 闲的让电给忙的 | 需要系统级配合 |
| 大小核 | 4 大 + 4 小 | 待机功耗极低 | 调度难,依赖系统 |
| Rosetta 2 | 提前翻译 + 缓存 | 旧软件能跑,70–80% 性能 | 驱动和反作弊救不了 |
把这一节压缩成六句话:
1. 2012–2019 年高通、微软、三星都做过 ARM 笔记本,一台都没成。如果「ARM 就快」,它们早该赢了。
2. CPU 读内存 → 写共享缓冲 → 过 PCIe → 写进显存 → GPU 算;算完还要反向再来一遍。
3. 省掉的是「跨总线复制」。按重要性:延迟(差五倍)、功耗(IO 驱动)、芯片面积与成本。
4. 68.25 GB/s(128 位 LPDDR4X-4266)。中端独显的 GDDR6 128 位就有 448 GB/s,是它的六倍多。
5. 独显内部带宽很高,但 CPU 喂数据要经过 PCIe 4.0 ×16 的 32 GB/s,入口窄,里面再宽也没用。
6. 传统是 CPU 一个墙、GPU 一个墙,各管各的,一边闲一边忙。共享池是一个总预算动态切分,闲的把电让出来。
7. 关键是「大核真的断电」而不是降频。x86 核心唤醒延迟大、调度器不确定该给谁,只能降频,而降频仍在漏电。
8. 模拟器逐条解释执行(原生的 10%–30%);Rosetta 2 提前把整个程序翻成 ARM64 并缓存,之后直接跑,约 70%–80%。
9. 内核扩展与驱动(跑在特权层)、虚拟机里的 x86 系统(多一层翻译)、带反作弊的游戏(翻译等于修改代码,会被判定作弊)。
10. 制程约 30%、架构约 30%、统一内存与 SoC 约 25%、软硬协同约 15%(估算,量级正确)。