蘋果M1晶片的「究極體」 M1 Ultra強在哪?從結構看它下一步如何發展
蘋果M1晶片的「究極體」 M1 Ultra強在哪?從結構看它下一步如何發展

M1系列晶片終於落幕,M1Ultra的出現讓人驚鴻一瞥,也明示了M系晶片將會繼續巔峰下去。

8043f1c6760ed9c64a0bc448c8df39a3.jpg
蘋果推出 M 系列最新款晶片 M1 Ultra。
圖/ Apple

面對物理工藝節點即將達到物理極限,蘋果晶片設計師用了一個簡單的「1+1」解決了一系列的晶片設計難題。

1Ultra=2Max,M1成了計量單位

在M1 Ultra發布前,蘋果官網的M1 Max架構圖並未展示出「高速總線」。

反而是由民間DIY愛好者所發現,並大膽的猜測這是為後續「拼接」晶片所預留。彼時猜測便是一則高速總線用來串聯多塊M1 Max。

M1 Ultra的確也是如此,通過預留的區域拼接在一起,同樣,兩枚晶片之間的數據互通,也經由拼接在一起的矽介質。

蘋果也給它取了個很蘋果的名字,稱為Ultra Fusion。依稀記得Fusion這個詞上次被提及,還是在iMac上的Fusion Drive,只不過上次結合的是硬盤,而這次是晶片,Ultra(極致)了一些。

其實,一台裝置用上多枚晶片並非蘋果首創,跟曾經的雙路泰坦、四路泰坦有些類似。

只不過,蘋果做了一些微小的工作,Ultra Fusion架構猶如統一RAM一樣,擺脫了數據經由主板連接的讀寫性能和能效損耗。

M1 Ultra.jpg
圖/ Apple

M1 Ultra內的兩枚M1 Max可以實現2.5TB/s的低延遲互聯頻寬。

不同於M1Pro、M1Max的多種規格,簡單晶片加倍的M1Ultra共有兩種規格。

  • 丐版M1Ultra:20核心CPU、48核心GPU、32核心神經引擎、64GB統一RAM
  • M1Ultra:20核心CPU、64核心GPU、32核心神經引擎、128GB統一RAM

  • 與之對應的就是砍半的M1Max。

從這裡來看,M1Ultra的出現應該歸功於封裝技術,而非是晶片生產。通俗易懂地可以這樣說是,蘋果在設計M1Max時,預留了「塗膠水」的位置,「一拍即合」。

從M1出現,到M1Pro、M1Max再到M1Ultra,蘋果的M系晶片以ARM架構的高能效比為基礎,加入了令人嘖嘖稱奇的「統一RAM」、「Ultra Fusion架構」,誕生的SoC足以顛覆傳統的晶片設計。

這創新的想法,蘋果架構師蒂姆・米勒特(Tim Millet)曾在訪談中表示,一切都是站在蘋果十幾年獨自研發A晶片的「巨人」肩膀之上。而曾經下定投入海量資源決心自研晶片,自然是源自賈伯斯對完美產品的追求。

Tim Millet
Tim Millet
圖/ Apple

在今早凌晨,Tim Millet肯定的說,M1Ultra是最後的M1晶片,但距離兩年從X86轉向ARM陣營的期限,還有幾個月的時間,而Mac系列裡也差最後一塊「一錘定音」的拼圖。

Mac Studio並非承接自Intel版本的MacPro,而M1Ultra也不會是過渡期中最後和最強大的M晶片。

兩年之約,M1Ultra並非是終章

晶片架構陣營轉換,蘋果有過一次經驗,但從X86轉到ARM如此的順利,實屬罕見。

M1系列晶片徹底解放了產品形態,蘋果能夠以Pro Work flow團隊的一些特定需求來解決Mac產品的形態,Mac的產品定義和形態不再受晶片能效掣肘。

M1Ultra有著兩倍的M1Max性能,但對於蘋果來說,它還不夠Pro,僅僅可以達到Studio等級。

Apple Studio Display connectivity with MacBook Pro
圖/ 圖片提供/Apple

在Mac Studio對外公佈之後,Geek bench數據庫中也出現了M1Ultra的跑分,單核心1793的分數與M1Max接近,但多核心性能直接來到24055,與AMD Ryzen 3960X線程撕裂者差不多。

而至於蘋果口中的M晶片MacPro或許只有M2Ultra可解了。

在M1 Ultra和後續更強的M晶片不斷上探Studio工作室級和Pro專業級市場,增加行業影響力之時,M1晶片也開始被下放至iPad,不斷提升市場佔有率。

除了「雙路M1 Max」的M1 Ultra,M1也下放到iPad Air產品線中,無形之中降低了M晶片的准入門檻。而平板市場的回暖,也讓iPad收益,一舉奪得2021年全球平板電腦市場,34.2%的市場份額比第二、第三的三星和聯想加起來都多,數據來自IDC。

搭載M1晶片的iPad Air 5也會是iPad的出貨主力,M晶片的市場佔有率自然也會大幅提升,繼續強化M晶片認知度。

臨近兩年之約的節點,蘋果顯然加快了M晶片的佈局頻率,iPad Air、iPad Pro、MacBook Air、Mac Book Pro、Macmini、Mac Studio,能放M晶片的統統更新了個遍,與從Power轉到Intel的歷史進程保持一致。

edb5e302e624c825c295ef2d190815f5.jpg
蘋果推出支援 5G 的 iPad Air 5。
圖/ Apple

另一層面上,經營十幾載的蘋果生態也有了空前號召力,除了一些行業軟體和遊戲外,大眾的、專業的軟體在過渡期內幾乎齊齊的開發出了原生ARM版本,甚至微軟的一眾office套件也逐一適配。

凌晨的M1Ultra可以說是M1系列中最後的一塊晶片,但以「兩年之約」這個過渡期來說,M1Ultra可能只是個「高潮」,而非終結。

一錘定音的必定是MacPro。

M晶片的巨型恐龍化只是個表象

兩塊M1Max拼接成的M1Ultra已經超過輝達頂級GPUGA100晶片面積(826mm²),成為當下消費級最大的晶片。

4 M1 MAX
圖/ 愛范兒

其實,單個M1Max晶片432mm²的面積就已經十分可觀,幾乎無限接近了500mm²。面積再大,晶片設計良率會急轉直下,如700mm²的設計合格率大概只有30%,縮小到150mm²良品率就飆升到80%。

另一方面,愈發先進的工藝製程也讓晶片生產成本陡升。根據IBS所公佈的數據,設計3nm晶片預計將耗資5.9億美元,而5nm只要4.16億美元,7nm為2.17億美元,28nm不過才4000萬美元。倘若蘋果M晶片全面轉入3nm的話,設計成本可能就要增加50%。

似乎無路可走,未來愈發不明朗了?

雖然僅僅是兩枚晶片的拼接封裝,M1Ultra成型的理念有些類似AMD的Chiplet(小晶片)技術。只不過,蘋果用的是兩枚超大晶片。

不同於蘋果,Chiplet更多是運用舊工藝(如7nm晶片),小型化的晶片(CPU),利用先進的封裝工藝進行混裝,靈活度很高。

Chiplet的優勢便是降低成本,擺脫對先進工藝節點的依賴,甚至可以彎道超車。不過,Chiplet是將晶片2D、3D堆疊,對於熱管理設計和熱功耗的控制更為嚴格。

3D chiplet
相比於2D、Micro Bump 3D技術,3D Chiplet封裝能大幅提升連接密度,並節省耗能。
圖/ AMD

但這些劣勢在本身功耗比俱佳的M晶片上,似乎成為了進入Chiplet的一則優勢。

在確定M1Ultra會是M1系列最後一枚晶片時,也使此前猜測的四枚M1Max拼接的巨型晶片自然也停留在了猜想階段。

相對來說,在保證數據高速傳輸以及統一RAM的桎梏下,四枚M1Max的組合對Ultra Fusion架構的設計要求更高,但不排除在實驗室中蘋果已經有了相應的晶片構想和與之相配的平台。

只是以現階段,傳統的工藝製程節點升級仍然是個較為穩妥的選擇,繼續依靠4nm、3nm的先進製程繼續提升晶體管數量,與之完成相應的處理器升級。

同樣地,後續的M晶片也極有可能與M1系列看齊,一代四枚,最高等級停留在Ultra上。但並不排除蘋果在某個時間節點拿出一塊擁有M系列和A系列晶片組成的超大SoC塞入一個Pro後綴的產品之中。

讓行業嘆息、消費者驚嘆的晶片壁壘

在談及蘋果產品的時候,我們更傾向於「生態」優勢。我們被它的軟體生態所捆綁,裝置間工作流的無縫切換,數據通過iCloud無縫流轉,用上iPhone、Mac、iPad就再也不想換陣營,樂不思蜀。

Mac Studio
Studio Display主要特色
圖/ Apple

是什麼造就了蘋果完善、緊密、優渥的生態?不是封閉,不是優秀的設計,也不是強大的硬件,而是早就佈局十幾載的晶片。

蘋果可以為了前置鏡頭的人物居中,空間音訊,喚醒Siri等功能,將一枚A13晶片塞入Studio Display裡。而即使放在現在A13晶片依然能夠跟Android陣營的主流SoC打的有去有回。

同樣也可以為了5G,給iPhoneSE3塞入一枚A15,這就好比在五菱宏光裡塞一個V8。

在蘋果產品中,自研晶片幾乎無處不在。

無論是前無古人的M1系列晶片,還是逐步下放到IoT的A系晶片,使蘋果的硬體擁有了幾近一致的體驗,並在此基礎上建立出了所謂的生態。

A系、M系晶片壁壘才是蘋果產品最強最大的優勢所在,讓同類型產品難以望其項背。

本文授權轉載自:愛范兒 ifanr

責任編輯:傅珮晴、錢玉紘

關鍵字: #Apple #晶片
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓