Indholdsfortegnelse:
Video: Easy to Make Fried Battered Apple Rings | HappyFoods (Oktober 2024)
En af de ting, jeg lærte meget tidligt i mit begrænsede forhold til Steve Jobs, var, at han var en kontrolfreak. Og selvom dette fik ham fyret fra Apple i 1985, tjente det ham godt på et nøgleområde: fremstilling og forsyningskæden.
Jeg har været imponeret over Apples halvlederkoteletter; designarbejdet har skabt et bibliotek med IP-kerner, det kan bygge på i de kommende år. Apple er stadig afhængig af Intel til Mac's kerneprocessor, men jeg tror, det vil ændre sig i de næste to år.
I sidste uge tilføjede Apple endnu en opgradering til iPhone's A-Series processor med A12 Bionic.
Denne chip er meget forskellig fra tidligere iterationer. I A11 Bionic tog neuromotoren en meget mindre del af den samlede SoC-blok og var integreret med nogle andre komponenter. Det var i stand til 600 milliarder operationer pr. Sekund og var et dual-core design.
Neuralmotoren i A12 Bionic har nu en dedikeret blok i SoC, er sprunget fra to til otte kerner og er nu i stand til 5 billioner operationer i sekundet. Men det hele sammen i softwaren, hvor Apple lader udviklere bruge CoreML til at lave apps, vi aldrig har oplevet før.
Apple kommer farligt tæt på at gøre en hel del science fiction til virkelighed med maskinlæring og computervision i centrum. Indtil for nylig er denne teknologi blevet henvist til stærkt kontrollerede oplevelser. Men det er nu front og centrum i bilindustrien, når autonome biler går på gaden. Google Lens, der registrerer og genkender genstande gennem et smartphone-kamera, er et andet imponerende eksempel på computervision.
Nu med A12 Bionic og rige API'er i udviklernes hænder, er det spændende at tænke over, hvad der skal komme på appens front. Hvis du ikke har set det, opfordrer jeg dig til at se Homecourt-demoen fra Apples 12. september-begivenhed (ved markeringen 59:45 i videoen ovenfor). Appen foretog videoanalyse i realtid af en basketballspiller og analyserede alt fra hvor mange skud han lavede eller gik glip af, til hvor på banen han lavede og gik glip af dem som en procentdel af hans skud, og endda kunne analysere hans form ned til ben og håndled for at se efter mønstre. Det var en utrolig demonstration med den virkelige verden, men alligevel skraber det kun overfladen på, hvad udviklere kan gøre med denne nye æra af iPhone-software.
Maskinlæring og AI som den nye softwarearkitektur
Når det kommer til dette paradigmeskifte i software, vil maskinlæring og AI muliggøre en ny æra med moderne software.
Jeg kan ikke overdrive, hvor vigtig halvlederinnovation er for denne indsats. Vi har set det i cloud computing, da mange Fortune 500-virksomheder nu implementerer skybaseret maskinuddannelsessoftware takket være innovationer fra AMD og Nvidia. Imidlertid har behandlingen på klientsiden til maskinindlæring været langt bag skyens muligheder indtil nu. Apple har bragt et rigtigt maskinlæringscenter til sine kunders lommer og åbnet det for det største og mest kreative udviklerfællesskab på enhver platform.
- Forretningsvejledningen til maskinlæring Virksomhedsguiden til maskinlæring
- Google forenkler maskinlæring med SQL Google forenkler maskinlæring med SQL
- Advarsel: Der er 4 forskellige iPhone XS-modeller Advarsel: Der er 4 forskellige iPhone XS-modeller
Endnu mere interessant er, at Apples vertikale integration gør det svært for konkurrenterne at følge med. Samsung gør et ret godt job med at konkurrere på halvlederniveau, og dens mobile division kan drage fordel af forskellige afdelinger i Samsung Corporate. Men selv her har Apple en temmelig solid kant i designprocessen, da dens teams er en del af et større team, hvilket skaber ethvert nyt produkt. Samsung skal benytte sig af individuelle afdelinger inden for Samsung, og så vidt jeg kan fortælle integrerer det ikke sit halvlederteam i det samlede produkt FoU.
Jeg leder efter Apple til at bruge endnu mere hjemmearbejdet IP i halvledere og måske andre komponenter i fremtiden; dens rolle som et produkt- og servicekraftcenter er integreret i fremtiden.
