蘋果M4 Pro 和 M4 Max處理器的性能數據近日被洩露,蘋果再次讓人意外地提升了M4 Max的效能,創下了記錄級的性能表現!想了解這些新款M4系列處理器是否值得入手嗎?接著讓我們來分析最新的測試數據,並為您提供購買建議。
M4 Pro 性能爆發,創造新紀錄
首先,來看看M4 Pro的驚人表現。在Geekbench 6上,它的單核心得分高達4041分,超越了目前市面上多數的桌上型電腦處理器,包括Intel和AMD的最新款。儘管時脈僅有4.5 GHz,但這顆位於14吋筆電中的M4 Pro依然能以26%的提升幅度超越M3系列,這是自M1問世以來的最大躍進。多核心的表現更是震撼人心,14核心的M4 Pro竟然比擁有16核心的M3 Max快8.3%,並比上一代M3 Pro快了48%。
更不可思議的是,M4 Pro甚至在多核心性能上超越了24核心的M2 Ultra,僅略遜於Intel最新的Core Ultra 9 285K處理器。對於需要高效能但不想支付高昂台式機費用的消費者而言,這款內建於MacBook中的處理器無疑是個優異的選擇。
M4 Max:突破性能界限的巨獸
接下來是性能更強的M4 Max處理器。雖然核心數量與M3 Max相同,為16核心和40核心GPU,但蘋果在效能上的提升還是讓人刮目相看。M4 Max的單核心得分突破4000分大關,超越Intel和AMD,成為目前筆電中最快的生產型處理器,單核心效能甚至高出M4 Pro的3.5%。
多核心的表現也同樣出色,M4 Max的多核心得分高達26675分,比Intel的最新型號快了16%,比AMD最新的Ryzen 9 9950X快了30%。蘋果顯然將這顆M4 Max推向了極限,並達成了空前的性能提升。對於重視處理器效能的用戶來說,M4 Max毫無疑問是一款無可匹敵的筆電處理器。
也讓我們見識到台積電的3納米工藝(N3/N3E)工藝與 CoWoS 技術的可能性
圖形性能測試:M4 Pro 和 M4 Max GPU的抉擇
在圖形性能方面,M4 Pro雖然僅有20核心GPU,但依然提供了超過11萬分的Geekbench 6 Metal得分,比前一代M3 Pro快了41%。然而,真正的圖形效能提升來自M4 Max的40核心GPU,其得分高達192532分,比M3 Max快25%,並幾乎達到M2 Ultra的一半性能。對於重視圖形渲染、3D建模或高畫質影片編輯的用戶,M4 Max顯然是更理想的選擇。
適合不同需求的最佳選擇
若您的工作集中於圖形處理,如8K影片編輯、3D渲染、或遊戲開發,那麼M4 Max將是最適合的選擇。然而,若您不太依賴GPU處理,且更注重高效能CPU以進行編程或音樂製作等CPU密集型工作,則可以選擇14核心的M4 Pro。它的價格相對便宜,且多核心表現相當出色,特別是在搭載64GB RAM的Mac Mini中,性價比更高。
總結來說,蘋果的M4 Pro和M4 Max處理器為筆電市場帶來了前所未見的效能,特別是對那些重視性能但不希望花費大量預算購買高階台式機的用戶而言。
隨著這些 M4 Pro 和 M4 Max 基準測試登陸 Geekbench,我們可以一睹新款 MacBook Pro 的效能 - 競爭對手應該會感到震驚。我們測試過的唯一一款接近 M4 Pro 晶片得分的 Windows 筆電是 Lenovo Legion 9i Gen 8 ,它運行於英特爾酷睿 i9-13980HX,售價也來到近 3,400 美元。
一個長期的果粉,以及 M1 Max MBP 用戶的看法
作為一位 M1 Max 的使用者,M4的性能提升確實令人驚艷,尤其是單核性能的表現讓我相當震撼。然而,我並沒有強烈的升級意願,主要原因是M1在日常計算的整體體驗仍然非常出色。我平時的操作完全沒有受到晶片瓶頸的限制,這主要歸功於M1在閒置狀態下的低功耗和最大效能下的節能表現。即便是搭載M1的MacOS運行速度依舊流暢,電腦運作安靜且電池壽命長,讓人實在找不到太多升級的理由。因此,我依然推薦身邊的朋友家人選購 M1 Air 即可。
當初升級到 M1 Max 的體驗,就像從HDD升級到SSD一樣,給人完全不同的計算體驗。從Intel的MacBook換到M1的感受可以說是相當類似。然而,從SATA SSD轉到Gen5 SSD的體驗在日常使用中幾乎沒有明顯的差別,M1到M4的差異應該也相去不遠。
目前有兩個原因會讓我考慮升級到新的 Macbook Pro M4:
- 為MacBook Pro推出的Tandem OLED螢幕技術。
- 足夠強大的SoC晶片,能夠在本地端運行更大的 LLama 模型。
對於第一點,我認為這可能會在M5的時候實現。Mac的設計每4-5年就會有一次重大變革,是時候了。至於第二點,這則是更具前瞻性的推測。據估計,GPT-4的參數量達到1.7兆,目前本地電腦連40億參數(GPT-4的42.5分之一)都難以應付。我們距離能在本地端運行像GPT-4這樣的LLM模型還有很長的路要走。不過,隨著更小型的模型持續改進、工程師不斷優化演算法和硬體的最佳化利用,晶片設計師也開始針對生成式AI設計專用晶片,我相信之後的 M 世代,透過模型、軟體優化和生成式AI硬體的整合,我們有望在本地端運行等同於GPT-4(甚至更好)的LLM模型。
我對升級的興趣不大,原因? 因為我目前使用的是 M1 Max 64G 目前仍然堪用 (這也是我用過最好的筆電體驗),我開始認為 CPU並不是現代客戶端計算的瓶頸。如今,真正成為瓶頸的是NPU和GPU。老實說,我們已經很久沒有看到需要極大CPU/RAM資源的消費者應用程式了。
過去十年來,CPU和RAM的性能基本都處於「足夠好」的狀態。然而,生成式AI卻是我第一次見到真正挑戰現代SoC的應用。現在,本地端無法順利運行大型模型,記憶體頻寬、RAM容量、NPU/GPU的性能都遠遠不夠用。說實話,所謂的「AI PC」其實只針對小型AI模型,比如背景模糊等,根本無法滿足GPT-4等級的AI需求。可見未來的SoC將無法真正做到「未來防護」。這種情況有點像80-90年代,我們將需要以非常快的速度提升硬體性能。