一，机床困难吗？&br&机床非常难，可以说难于上青天。对这个事情有疑问的人，应该看仔细看历史上著名的”东芝事件“的来龙去脉。&br&&br&&a href=&//link.zhihu.com/?target=http%3A//www.360doc.com/content/15/898_.shtml& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&360doc.com/content/15/0&/span&&span class=&invisible&&410/14/179068.shtml&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&苏联老大哥可以卫星上天，核弹遍地，海陆空都有一套拿得出手的军武跟美国全面对抗。但就是自己搞不定五轴联动加工机床。这难道只是一点钱的事情吗？难道是决心的事情吗？要知道这个机床后面关系的可是核潜艇和潜射核导弹对敌方威慑力量的问题，这是够改变世界命运的重大战略问题。&br&&br&你告诉我是因为钱不够，决心不够，苏联人觉得这玩意不经济不划算？别逗了好么？&br&&br&&br&二，机床为什么那么难？&br&&br&因为制造尖端机床所需要的技术是一整套的配套的工业体系，而不是单纯的一两个零部件和技术。&br&首先从机床的要求说起，机床最关键的核心参数是加工精度。精度这个东西，说它的时候只是上下嘴皮一碰，但是真的要干起来实现，那就是呕心沥血，难如登天。&br&&br&实现精度就是控制误差，机床加工所能产生的误差部分有下面这一张图里面所示的。&br&&br&&br&&figure&&img src=&https://pic3.zhimg.com/v2-243abb23e0abb3b5501a34e_b.jpg& data-rawwidth=&496& data-rawheight=&331& class=&origin_image zh-lightbox-thumb& width=&496& data-original=&https://pic3.zhimg.com/v2-243abb23e0abb3b5501a34e_r.jpg&&&/figure&&br&要制造一个1μ精度的机床，就意味着把这些误差全部都要控制到1μ以下。&br&&br&这意味着：&br&你在设备上的所有的零部件的加工精度、装配精度必须是受控的。&br&在这个设备的工作过程中，所产生的控制误差，力形变，热形变，损耗形变等等误差是受控的。&br&&br&&br&这……说起来简单，做起来可就难了。&br&&br&我从刀具来举个例子。大家从直觉上也知道，刀具在进行切削的时候，每切削加工一个产品都会产生一定的损耗。&br&&br&你想：ok啊，那么就按照每加工一个原件，就精度补偿0.00几μ不就行了么——问题来了，你发现咱们国内根本没办法生产这样高质量稳定的刀具，这些刀具不是莫名其妙的损耗速度快，就是损耗速度慢，或者忽快忽慢，因为刀材质不均匀，加工参数同一性不可靠。。。&br&&br&ok，刀具我也自己干。结果你发现，咱们国家根本没有一个冶炼厂能生产这种刀具用的特制高速合金。所以首先要去生产，先建一个特种钢冶炼厂谢谢。。。顺便说一句，刀具可并不是只有合金的，还有陶瓷的，金刚石的，甚至还有一种叫做氮化硼的材料的。光有合金你能不能制造不说，它的材料特性你都掌握吗？&br&&br&除此之外，这种刀具所需要的图层处理工艺，我们称之为CVD，PVD，也就是化学涂层法，物理涂层法。有些特别的工艺还没有掌握呢……&br&&br&这只是一个刀具，我们还没有开始讲电主轴，丝杆，轴承呢……&br&&br&简而言之，这个问题模式，大概类似于：&br&你要去解决A问题，发现这个A问题实际上要求你同时解决BCDEF……问题，而其中的B又需要你去解决，b1，b2，b3，b4乃至b100。C问题需要你解决c1，c2，……不知道到C几。而且有时候c2问题还可能进一步裂变成X1，X2问题……&br&&br&而且更坑爹的是，比如说你为了解决C1问题，采用某工艺路线，那么这问题固然是解决了，c3问题，也就不用讨论了，可是又出现了f1f2问题，或者你为了解决K1问题采用的解决方案就作废了，要重新解决。&br&&br&一台机床的背后，是控制技术、电子电路乃至半导体技术，机械加工、冶金、化工……技术的集大成。这就是我说的，这是一整套工业体系。&br&&br&三，机器人比机床难吗？&br&机器人和机床原理上是相似的，它们都是通过控制系统，对伺服电机系统进行闭环伺服控制，对给定的运动要求进行逆解，然后进行电机驱动控制。&br&但，这就是说明他们要求难度相当吗？别逗了，火箭上天跟二踢脚的原理还是完全一样的燃烧爆炸+牛顿第二定律呢，让湖南烟花爆竹厂发射一个长征火箭看看？&br&如果深刻的理解我上面解答的两个问题，就很容理解了，尽管原理相似，但实际上工业机器人难度要比机床所面临难度低得多，因为工业机器人的特性和用途是通用性替代人力。他并不追求极端高精度。而要求的是灵活性，工作范围，功能多样性。工业机器人当然也有相当高的技术含量，但是和尖端机床相比它的技术难度就低多了——敏感性也低多了，要不然，德国压根就不会同意把库卡卖给你。&br&&br&所以，机床搞不好，跟机器人搞不搞的好，没有必然联系。机床行业正在攻坚当中，工业机器人上先走一步没什么问题。&br&&br&四，美的收购库卡是好事吗？&br&是好事，工业机器人是中国有望能够掌握和自主的技术，尽管这个难度比机床低，从未来市场的角度上来讲，这是一个极其具有价值的市场。劳动力替代在目前中美力量较量中，也是一个关键的战略点。美的做出这么好的一步棋，我一直为之感到高兴。&br&&br&&br&后面的话：我是工业机器人的从业者，相信工业机器人是将来极其具有前景的行业。另外一面，作为一个从实业里面走出来的产业投资人，以我对工业的理解和认知，仍然认为机床是工业的母机，是工业技术的制高点。对于沈阳机床i5数控系统，对于关锡友及其同伴在中国高端机床领域所作出的努力、遭受的挫败，我感到极度扼腕痛惜，希望从业者们不怕困难砥砺前行，继续去向高端机床领域发起持久不懈的冲击和挑战。&br&&br&————————&br&关于东芝事件的影响：&br&&figure&&img src=&https://pic3.zhimg.com/v2-59e21e50b7b_b.jpg& data-rawwidth=&1440& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1440& data-original=&https://pic3.zhimg.com/v2-59e21e50b7b_r.jpg&&&/figure&原文：《东芝康伯格事件：巴统的缺点，以及改进对社会主义阵营经济封锁效率的一些建议》&br&原文270页，刊载于美利坚大学国际法评论第四卷。是正牌的学术刊物，其中引述了中情局报告，国防部报告，美国媒体和美国国际法学界的评论，一致都认为东芝事件是西方对苏联关键军事技术泄密的最严重的一次事件，他导致西方在潜基战略核武器-潜艇技术上丢失了7到10年的领先差距。还要额外花费美国300亿美元，15-20年时间才能抵消这次泄密的影响去。&br&再说一遍，人家是一个270页，引述中情局报告，国防部报告，美国主流媒体，国际法学界评论的，正正经经的学术刊物上面的评论。
一，机床困难吗？ 机床非常难，可以说难于上青天。对这个事情有疑问的人，应该看仔细看历史上著名的”东芝事件“的来龙去脉。
苏联老大哥可以卫星上天，核弹遍地，海陆空都有一套拿得出手的军武跟美国全面对抗。但就是自己搞不定五轴…
&figure&&img src=&https://pic2.zhimg.com/v2-e991a1df5ffab4bacb044965cdd98759_b.jpg& data-rawwidth=&1000& data-rawheight=&605& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic2.zhimg.com/v2-e991a1df5ffab4bacb044965cdd98759_r.jpg&&&/figure&&p&小编在看之前文章留言的时候，发现有朋友问为什么 F2.0 叫大光圈，而 F1.8 叫更大？本着有问必答，分享科技的出发点，简单地讲讲光圈这回事。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-2f4ddc8ea8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&http://pic1.zhimg.com/v2-2f4ddc8ea8_r.jpg&&&/figure&&p&光圈，是用来控制光线透过镜头，进入机身内感光面光量的装置，是个物理器件。用过单反相机的应该知道，光圈是可以变的。&/p&&p&&br&&/p&&p&其实，最开始的照相机光圈是固定的。&/p&&p&&br&&/p&&figure&&img src=&http://pic2.zhimg.com/v2-0b974e5deeb5876e9bcac1f7756acafd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&254& data-rawheight=&172& class=&content_image& width=&254&&&/figure&&p&&br&&/p&&p&直到十九世纪中叶，约翰·沃特侯瑟发明可变光圈。将一系列大小不同的圆孔排列在一个有中心轴的圆盘的周围；转动圆盘可将适当大小的圆孔移到光轴上，达到控制孔径的效果，才有了可变光圈。&/p&&p&&br&&/p&&p&现在的光圈技术就先进多了，光圈由多个相互重叠的弧形薄金属叶片组成的，叶片的离合能够改变中心圆形孔径的大小。弧形薄金属叶片越多，孔形越接近圆形。通过电脑设计薄金属片的形状，可以只用6片薄金属叶，得到近圆形孔径。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-986d7da0d16b93c44ac40ce64b6099fc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&501& data-rawheight=&313& class=&origin_image zh-lightbox-thumb& width=&501& data-original=&http://pic1.zhimg.com/v2-986d7da0d16b93c44ac40ce64b6099fc_r.jpg&&&/figure&&p&光圈叶片就长下图这样，通过电路控制光圈叶片开口的大小，就可以调节光圈大小。此外，单反相机的光圈是瞬时光圈，只有在快门开启的时候才调整到设定的位置，平时的光圈是在最大的位置。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-299b2bd0acb792d829ba8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1200& data-rawheight=&795& class=&origin_image zh-lightbox-thumb& width=&1200& data-original=&http://pic1.zhimg.com/v2-299b2bd0acb792d829ba8_r.jpg&&&/figure&&p&单反相机镜头体积大，可以放得下光圈叶片，但手机空间里留给摄像头的就那么点地方，如果再提要求加个光圈叶片，估计结构堆叠工程师会疯掉的。&/p&&p&&br&&/p&&p&在几年前，大家还没怎么注意手机的光圈，这不，市场竞争越来越激烈，厂商在参数宣传上也下了不少功夫，从 F2.0 大光圈到现在 F1.6 大光圈，光圈的概念慢慢被熟知。&/p&&p&&br&&/p&&p&说到这里，就要讲讲这个光圈值了。&/p&&p&&br&&/p&&p&光圈值（F），是镜头的焦距（f）/镜头通光直径（D）得出的相对值，&/p&&p&&br&&/p&&blockquote&公式为：F=f / D&/blockquote&&p&&br&&/p&&p&镜头通光直径（D）越大，光圈值（F）越小，所以 F1.8光圈进光量大于 F2.4 光圈。&/p&&p&&br&&/p&&p&这是其中一种表示方法，有时还会用焦距/光圈值来表示光圈大小。&/p&&p&&br&&/p&&blockquote&公式为：f / F=D&/blockquote&&p&&br&&/p&&p&光圈值（F）越小，镜头通光直径（D）越大，所以f/1.8 光圈进光量大于 f/2.4 光圈。&/p&&p&&br&&/p&&p&公式如果看不懂，那就看图吧。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-2fadc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&499& data-rawheight=&270& class=&origin_image zh-lightbox-thumb& width=&499& data-original=&http://pic1.zhimg.com/v2-2fadc_r.jpg&&&/figure&&p&光圈大有什么好处呢？&/p&&p&&br&&/p&&p&一是进光量大，拍摄图片更亮，细节也更多。&/p&&p&&br&&/p&&p&这跟猫的眼睛一样，家里有养猫咪的可以观察一下，猫在白天的时候瞳孔会咪得很小，到了晚上的时候就会自然打开成一个圆孔，所以猫咪在夜晚也可以看清楚。&/p&&p&&br&&/p&&p&二是可以由于光圈大景深小，可以拍出虚化效果。&/p&&p&&br&&/p&&p&有近视的朋友会有此体会，看不到的时候咪一下眼睛，这就是常说的：缩小光圈，增大景深。&/p&&p&&br&&/p&&p&大家还想了解其它的内容，也可以留言，当然啦，妹子优先。&/p&
小编在看之前文章留言的时候，发现有朋友问为什么 F2.0 叫大光圈，而 F1.8 叫更大？本着有问必答，分享科技的出发点，简单地讲讲光圈这回事。光圈，是用来控制光线透过镜头，进入机身内感光面光量的装置，是个物理器件。用过单反相机的应该知道，光圈是可以…
&figure&&img src=&https://pic2.zhimg.com/v2-3f5ca467aaa95fcdb4759e_b.jpg& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&https://pic2.zhimg.com/v2-3f5ca467aaa95fcdb4759e_r.jpg&&&/figure&&h2&&b&写在前面的话：&/b&&/h2&&p&前一阵翻译了 AnandTech 评测 Exynos 7420 的文章（&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&三星 Exynos 7420 何以成为 2015 年的独孤求败之作？by AnandTech&/a&），没想到关注的同学还挺多的，原本以为这种文章会仔细看的人应该比较少（虽然最近写的 Imagination GPU 架构的文章似乎没啥人关注）。2015 年这一年，手机 SoC 市场非常有趣，看到前面文章有人评论说，对三星而言，这一年真的是对手集体发挥失常，而自己又超常发挥，真是幸福啊。&/p&&p&这里“对手集体发挥失常”，一个重要的代表就是高通。高通在这一年匆忙发布了骁龙 810，这应该是高通近些年为数不多在微架构方面较大程度采用 ARM 公版设计的一颗高端 SoC（虽然这两年的 Kryo 核心也都纷纷越来越靠近 ARM 的公版结构）。国内不少文章分析了坑爹的 ARM Cortex-A57，和台积电坑爹的 20nm 制程，造就了传说中的火龙 810。就这颗芯片的促成，苹果应该也算有不可推卸的责任。&/p&&p&我对挖掘旧文章及探讨理论知识一直热情很高，所以我又去仔细挖掘了 AnandTech 撰写有关骁龙 810 的文章。实际上，针对骁龙 810，AnandTech 不仅专门写了一篇理论分析和对高通参考平台的性能评测，后续数款机型的评测自然也都提到了这颗 SoC。&/p&&p&作为一个有责任心的二道贩子，我还是相当有精神把这些东西翻出来和各位共享。为了让文章更加丰满，以及更有料，我的这篇译文参考了 5 篇 AnandTech 的评测文。主体上是两篇：《理解高通骁龙 810：性能评测》以及《谷歌 Nexus 6P 评测》。&/p&&p&本文后面还参考了小米 Note Pro、HTC One M9 的评测。不过因为 Nexus 6P 极具代表性，所以性能评测部分主要是针对 Nexus 6P 的。这其实也是骁龙 810 非常有趣的地方：即非常考验 OEM 厂商的发挥，在不同的厂商手里，骁龙 810 可能表现出比较大的性能差异。&/p&&p&文章对部分内容进行了二次演绎。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-3f5ca467aaa95fcdb4759e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&http://pic3.zhimg.com/v2-3f5ca467aaa95fcdb4759e_r.jpg&&&/figure&&p&这里再说一句，&b&这篇文章面向的阅读群体是半导体行业爱好者，内容比较基础，而且有比较多的科普内容，属于入门级别。&/b&很遗憾，这篇文章虽然反映了骁龙 810 的问题，但并没有分析导致这些问题的原因在哪里，更没有细致的理论分析，像我这样没有进入到行业内的人也只能望洋兴叹，所以文章只能算是增长见闻吧。个人水平有限，也只是爱好者，若存在翻译错误，还请不吝赐教。&/p&&p&借着近期骁龙 845 的发布，回顾下骁龙 810 这个具有历史意义的产物也挺不错。&/p&&p&因为这篇文章非常长（虽然还是没有 Exynos 7420 那篇那么长），所以各位可以选择性阅读，这里&b&做个导读&/b&。&/p&&blockquote&1&b&.第一部分“RF 系统”，第二部分“Energy Aware Scheduler”&/b&，谈的完全是理论层面（偏上层）；如果你对骁龙 810 部分理论原理感兴趣，这部分一定不要错过；但如果你不感兴趣，可以直接忽略；&br&2.&b&第三部分“CPU/系统性能”，第四部分“GPU 性能”&/b&，是有关 Nexus 6P、HTC One M9 以及小米 Note Pro 的性能跑分；这部分并不重要，而且不能表现骁龙 810 的实际体验；不过这部分可以看到，这一颗 SoC 在不同的厂商手里表现出了怎样的差别；&br&3.&b&第五部分“发热控制”，第六部分“续航表现”，&i&是本文的重头戏，千万不要错过&/i&&/b&；&/blockquote&&p&另外，按照传统，为那些不愿意看这么多文字的人准备了一些文章表达内容的摘要，如下：&/p&&ul&&li&本文简单科普了 RF 系统的工作方式，平常我们经常挂在嘴边的“基带”，你知道究竟是怎么工作的吗？如果你感兴趣，请仔细看本文的第一部分；&/li&&li&你知道 iPhone 4 的“死亡之握”是怎么回事吗？请看本文第一部分；&/li&&li&RF 前端，以及基带的改进实际上都是高通针对骁龙 810 投入的努力；&/li&&li&你知道吗？其实 Tegra X1 采用的并不是 big.LITTLE 架构，虽然它也是四小核 + 四大核的设计；&/li&&li&在 big.LITTLE 架构的大小核调度方案中，早前比较主流的方案是 ARM 和 Linaro 开发的 GTS 全局任务调度；不过骁龙 810 并没有采用这套方案，而是自己开发了一套能耗感知调度系统；&/li&&li&HTC One M9 在骁龙 810 设备中的性能表现明显偏弱；&/li&&li&Nexus 6P 可能是骁龙 810 设备中，持续性能、散热设计和使用体验最出色的设备；&/li&&li&小米 Note Pro 相当罕见地没有对跑分软件做“优化”，而且还长期关闭两个 A57 大核心（而采用骁龙 801 的小米 Note 则在面对跑分软件时彻底甩开 CPU governor，撒开欢儿的满负荷跑）；&/li&&li&在 GPU 跑分测试中，小米 Note Pro 的 Adreno 430 在某些项目上输给了小米 Note 的 Adreno 330；What happened?&/li&&li&单从诸多跑分成绩来看，并不能看出骁龙 810 相比同期的高端 SoC 在性能上存在多大弱势；&/li&&li&Nexus 6P、小米 Note Pro、HTC One M9，还有一加 2，在骁龙 810 的发热控制方面表现出了截然不同的控制策略；&/li&&li&Nexus 6P 的 GPU 会在运行一段时间后下探到峰值性能的 50%，并保持稳定；1440p 分辨率屏幕的采用几乎抵消了 GPU 带来的性能和效率红利；&/li&&li&即便是像 LG G4 这种采用骁龙 808 六核 SoC 的手机，CPU 以最高频率工作也只能坚持十几秒的时间；&/li&&li&Nexus 6P 在发热控制测试中，CPU 最高频率工作能够坚持 45 秒；12 分钟后稳定在 960MHz；在重度 GPU 负载任务时会关掉 A57 核心；&/li&&li&Nexus 5X 跑发热测试 3 分钟就会掉到 A53 小核心上，且在后面的工作中彻底放弃大核心；&/li&&li&Galaxy S6 在持续性能方面，可以甩骁龙 810 手机好几条街；&/li&&li&骁龙 810 设备在效率方面的表现普遍弱于骁龙 800 系列；&/li&&li&Nexus 6P 的续航效率同时受到骁龙 810 和 AMOLED 屏幕的拖累，虽然续航时间可接受，但效率很糟糕；&/li&&/ul&&hr&&figure&&img src=&http://pic3.zhimg.com/v2-eddbb319a4c4ccd3d9bebe6_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&449& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic3.zhimg.com/v2-eddbb319a4c4ccd3d9bebe6_r.jpg&&&/figure&&h2&&b&正文开始：&/b&&/h2&&p&其实相关骁龙 810 有不少传言，比如骁龙 810 的发热、延迟等各种缺陷，不过我们在真正讨论这颗 SoC 之前还是得搞清楚一些问题。也正因为如此，骁龙 810 性能表现究竟怎么样也就显得更有探讨价值。为了了解更多信息，我们近期也和高通碰面，就骁龙 810 进行了更为深入的了解，然后再对其进行跑分测试，和其他 SoC 做个对比。&/p&&p&虽说可能很多对 SoC 市场了解的读者，对骁龙 810 已经非常了解了，但在挖掘这颗 SoC 性能等方面的细节之前还是有必要谈一谈基础信息。有关骁龙 810，大部分人最关心的应该还是其应用处理器部分。骁龙 810 的 CPU 部分，高通采用 ARM Cortex A57 和 A53 架构，这在我们先前 Galaxy Note 4 的评测中就已经提到过。骁龙 810 的 A57 核心簇主频为 1958MHz，A53 核心簇的频率则为 1555MHz。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-82c579ff9db0ce42c377d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1326& data-rawheight=&738& class=&origin_image zh-lightbox-thumb& width=&1326& data-original=&http://pic4.zhimg.com/v2-82c579ff9db0ce42c377d_r.jpg&&&/figure&&p&总的来说，这次高通采用 4+4 big.LITTLE 设计，四颗 A57 大核为高性能核心，而四颗 A53 小核则为低功耗核心，两个核心簇之间针对缓存一致性采用 CCI-400。虽说总体架构授权自 ARM，不过具体实施方案还是经过了高通的优化的，以期在性能和功耗方面做得更好。和绝大部分 big.LITTLE 架构的 SoC 一样，高通骁龙 810 采用八核设计，通过任务调度机制来决策核心的线程分配工作。不过和其他 big.LITTLE 架构的 SoC 不一样的是，高通针对这部分，没有采用 ARM 和 Linaro 的软件方案，后面我们会对此做解释。&/p&&p&此外这颗 SoC 采用 Adreno 430 GPU，宣传中提到其性能提升 30%，应该是指对 shader 核心有较重依赖的工作任务。其实到目前为止我们对 Adreno GPU 的技术细节仍然知之甚少。高通表示，这次的 GPU 并非 Adreno 420 的后续改进款，也就是说 GPU 在架构方面有变动，虽然我们也不知道究竟改了些什么。其主频为 600MHz，这和骁龙 805 之上的 Adreno 420 一样。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-b6eff0d81a2c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&380& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic1.zhimg.com/v2-b6eff0d81a2c_r.jpg&&&/figure&&p&作为搭配，高通为骁龙 810 配备了双通道 32-bit LPDDR4-1555 内存介面，存储带宽最大可达 24.9GB/s——抛开总线带宽不谈，这基本与骁龙 805 保持一致。相比 LPDDR3，LPDDR4 的支持也会带来功耗方面的降低。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-98c94c9bf72636ef6ffdd5b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&383& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic2.zhimg.com/v2-98c94c9bf72636ef6ffdd5b_r.jpg&&&/figure&&p&除了 GPU 和 CPU，这颗 SoC 其他各方面也都有提升。骁龙 810 的 HEVC encoder 据说支持最高 4K30，虽然我们不清楚具体的比特率以及其他配置情况。另外，骁龙 810 的 ISP 也升级至 14-bit 双 ISP，支持诸如多摄像头（depth mapping 深度图构建）或其它 computational photography 等特性。这颗新的 ISP 处理性能可以达到 1.2GP/s，骁龙 805 的 ISP 这一数据为 1GP/s。先前的文章中也有提到过，这颗 ISP 的频率为 600MHz。另外 SoC 中的音频 codec 为 WCD9330，这和骁龙 805 一样。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-ad2b6bc8ee6af2c58ece1c0accd70e3e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&381& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic3.zhimg.com/v2-ad2b6bc8ee6af2c58ece1c0accd70e3e_r.jpg&&&/figure&&p&RF 系统部分，高通采用全新的 9 系 modem。以我们的经验来看，集成的 modem 能够带来续航的提升，虽然就综合来看，影响电池续航的因素有很多，单点提升也很难真正在电池续航方面表现出来。或许有人会认为，这和外置的 MDM9x45 modem 类似，不过在支持上传 3x 下载载波聚合方面，其带宽可能是不足的。此外，骁龙 810 选配了 RF360，其中包含有 antenna tuner、CMOS PA/antenna switch，以及 envelope tracker。除了骁龙 805 时期就引入的 WTR3925 收发器（transceiver），我们这次还看到了一颗新的 WTR3905 芯片，用于 3x 下载与上传的载波聚合。此外，还有 WiFi 芯片 QCA6174 的改款 QCA6174A，支持 MU-MIMO；还有个支持 802.11ad 的单独芯片。&/p&&p&&i&（&b&译者注&/b&：下文大部分情况下，不将 antenna tuner（天线协调器）、CMOS PA（功率放大器）、antenna switch（天线讯号转换器）、transceiver（收发器）、duplexer（双工器）翻译成中文，是因为中文解释有时存在差异，且中文在表达上可能不够准确。&/i&&/p&&p&&i&另外，本文提到的“基带”对应英文 baseband。从严格意义来说，baseband 指的是频率范围很窄、靠近 0Hz 的信号，台湾将 baseband 译作“基频”，听起来会更容易理解。不过习惯上，我们提到基带一词时就是在说基带芯片。值得一提的是，基带芯片其实不止是 modem 调制解调器。&/i&&/p&&p&&i&习惯上，基带芯片和射频芯片是并列存在的关系。但下文提到的 RF，指的是一整套“RF 系统”，也就是整个无线电频率处理系统。包括基带芯片和 RF 前端。）&/i&&/p&&h2&&b&RF 系统&/b&&/h2&&p&实际上在很长一段时间内，RF 都算是个黑匣子，我们先前就一直在研究 RF 的方方面面，但收效甚微。虽然我们尝试了解过 RF 系统的一些组成部分，比如 envelope tracker，但这也只是很小的一部分。我们在 CMOS PA 和集成 switch，以及动态 antenna tuner 方面仍然知道得不多。写完上一篇介绍高通 RF 现状的文章之后，市场又有了不少新的发展。WTR3925 和 MDM9x35 出现在移动设备中已经有一段时间了，伴随新款 modem 如高通 MDM9x45 的出现，现在也算是聊 RF 的好机会。&/p&&p&对于不怎么了解无线电如何工作的同学而言，理解其组成方式就很有必要了。就基本层面来说，在接收路径部分，我们可以先聊聊 antenna 天线。天线很简单，作用就是将无线电波转成电力。这里大致上了解到这个程度就可以了。下面就是 antenna switch 了，这玩意儿基于频带来选择接收和发射的正确路径。接下来就是 duplexer（双工器）了，它将发射和接收切分成两个单独的部分。随后 filter（过滤器）理想情况下对接收到的信号进行过滤，过滤掉频带之外的信号。&/p&&p&然后就到了 transceiver 部分了，这是个低噪声放大器，它从 filter 拿到比较弱的信号，再将其放大。接下来，会有个下变频器（down-converter）将信号的频率，通过本机振荡器，转为基带频率（baseband frequency）；本机振荡器生成的信号会与接受到的信号进行混合。由于传入的信号是 700MHz-5GHz 的任意频率，对于较低时钟频率的 DSP 而言几乎不可能实时处理，所以这一步也就很有必要了。这一步也让去噪声更容易，而且由于频率转换，针对信号设计放大器（amplifier）也就简单多了。在此之后，信号会再切分成同相和正交分量，让信号处理更简单。接下来，还会有个放大器去放大信号，信号此时就会抵达基带。基带中，会有个 ADC（模数转换器）对信号进行处理，信号完成解调。整个过程完成以后，系统的其余组成部分就能查看接收到的信息了，看到的是数据包的形式，如 TCP/IP 协议栈格式。&/p&&p&信息发射的路径解释起来也不复杂，虽然会有一些变化。要发出的信息首先在基带中调制成特定格式，离开基带的时候，数字信号转成模拟信号。随后信号穿越在不同的放大器之间，最终在上变频器（up-converter）中混合并升至传输所需的频率。在信号离开 transceiver 之前，还会有驱动放大器（driver amplifier）对信号进行放大。针对驱动放大器，我们只需要了解到这个程度就可以了。随后比较重要的是功率放大器（power amplifier）——在此位置，信号从较低升到较高的功率，这样才能与信号塔通讯。然后，信号通过 duplexer、antenna switch，再到天线。&/p&&p&从靠上的层级来说，差不多就是这样。简单来说，RF 系统主要分成两部分：RF 前端与基带。前端负责从天线，精准地捕获到尽可能多的信息，并将其进行过滤，然后把信息下变频为基带可以处理的形式。在经过前端和接收器之后，所有的信息就会在基带中进行处理。基带所扮演的就是 RF 系统其他部分控制中心的角色。在此，理解 RF360、WTR3925 和 MDM9x35 的关系会很有帮助。&/p&&p&&b&QFE2550 Antenna Tuner&/b&&/p&&p&首先要聊的就是 RF 前端，在谈到这个问题之前，还是先解决一些更简单的问题。QFE25xx antenna tunner 实际上比较类似于 envelope tracker——这习惯上并不是 RF 前端的组成部分。前文并没有提到 envelope tracker 或 antenna tuner。因为这其实并不是基本的超外差无线电系统（superheterodyne radio system）的组成部分。不过人们在电池续航、更快的数据以及更出色的响应等方面的需求，还是驱动了此类新技术的发展。&/p&&p&要理解 antenna tuner 是如何工作的，我们首先需要引入阻抗匹配（impedance matching）和阻抗的概念。阻抗这个词听起来挺高级的，实际上它指的就是交流电路中的阻碍。电路中影响阻抗的三个要素分别是电阻、电容和电感。而阻抗匹配也不难理解：从天线往 RF 前端传递能量的时候，需要在天线和前端之间进行阻抗的匹配，因为如果阻抗不匹配（译者注：似乎更多叫做“阻抗失配”）的话，信号就会反射回源点。也就是说，如果阻抗不匹配，接收端感应会变弱，发出端能量就浪费了。就好比镜面显示屏，大部分光能够透过表面的覆盖玻璃，但部分光线会反射回去。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-3bed42c689beac40e43940f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&449& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic4.zhimg.com/v2-3bed42c689beac40e43940f_r.jpg&&&/figure&&p&工厂会对 RF 系统进行细致调整，确保阻抗失配的情况尽可能低。不过实际情况会比较复杂。iPhone 4 著名的“死亡之握”就是实际使用对阻抗匹配造成影响的经典案例。把 iPhone 4 周围那圈金属圈的两个断点接上，天线失协，阻抗发生变化，这样一来信号就变差了。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-bbabe7753fb9baedd30a2bdc8dcabc44_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&449& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic1.zhimg.com/v2-bbabe7753fb9baedd30a2bdc8dcabc44_r.jpg&&&/figure&&p&QFE2550 antenna tuner 的作用就在这里。它扮演电压控制可变电阻的角色，基带会加载信息，可预测不同场景需要进行多少失配修正，这个过程需要诸多传感器的配合，其中也包括电容式触控传感器。基于频率变化或者 body loading 来检测相应场景，使用预加载的修正，对不同情况进行补偿。这样一来，天线效率能够得到提升，虽然 body loading 效应的存在还是会不可避免地降低峰值功率和敏感度。此类系统也可与更多方案组合使用，比如电容式触控传感器，或反射功率测量等，以确保最大化的响应能力和性能表现。这对于手机采用全金属一体机身有比较大的帮助，不过还有一些技术和工具也能用于加强这方面的表现，比如 MIMO 和天线信号转换的更多方案。&/p&&p&&i&（译者注：这里的 body loading 指的应该是移动通讯中，人体产生的负面效应，包括人体吸收、阻抗失配和辐射功率损失等。移动终端尺寸越来越小也加剧了这一情况。）&/i&&/p&&p&&b&QFE33xx CMOS PA/Switch&/b&&/p&&p&一般来说，功率放大器其实没什么好谈的。不过高通在 RF360 宣传中提到了 CMOS PA（译者注：PA 指的就是功率放大器） 的概念，称其覆盖比较宽的频带。这其实和简单的频带覆盖还是有区别的。首先，关注半导体/固体物理学需要真正理解，其根源问题。鉴于篇幅关系，这里无法大量展开，但有一些基础概念还是要解释一下。晶体管实际上是控制电流流动的开关。能够携带多少电流是存在一些限制的，而且电压和电流之间的关系，在不同的几个区间存在差别。我们要谈的其中两个区间为线性区（linear region）和饱和区（saturation region）。线性区顾名思义，电压和电流线性相关，符合欧姆定律。饱和区就不一样了，要增加相同量的电流，需要更高的电压，在到达最大电流之前都是回报递减的。&/p&&p&这其实是 CMOS PA 和 GaAs PA 实施方案的根本差异所在。砷化镓有着更高的电子迁移率，即便饱和模式下也是如此。所以 GaAs（砷化镓）电路在很高的频率下做转换也更容易，比如 WiGig/802.11ad 的 60GHz 频率。另外，和硅晶体管不同，砷化镓晶体管总体对热不敏感，而且纯净的砷化镓有着较高的电阻和介电常数，所以它对诸多组件来说都是非常出色的基板材料——绝缘硅成为 CMOS 逻辑电路的基板材料其实原因也在于此。此外，基于砷化镓的晶体管相较 CMOS 技术在行为变化方面其实更为线性，所以 GaAs PA 能够在不损失信号的情况下更靠近最大电流。&/p&&p&不过砷化镓也并不完美。其一，它不大可能实施现在的一些技术方案。因为现有 CMOS 技术有 NMOS 和 PMOS 晶体管，而基于砷化镓的晶体管并没有类似的 P 沟道，这样一来 GaAs PA 在控制方面相比 CMOS PA 会更为简陋。而且 GaAs PA 在低功率水平（backoff condition）下也明显比较低效。而 CMOS PA 在更低功率状态下则更为高效，因为它有多种“最大功率状态”，在需要时就能调整 PA。高通宣称，相较 GaAs PA，其 CMOS PA 最大功率下能够获得大约 5-10% 的效率红利，也就是说总体而言其 CMOS PA 在效率方面与 GaAs PA 接近。&/p&&p&抛开效率不谈，由于单个 CMOS PA 相比 GaAs PA 能够覆盖广得多的频带，其跨频率 PAE 曲线更加平坦，所以 CMOS PA 也成为智能手机产品之上比较有效的一个选择。而且，基于 CMOS 也就意味着有集成能力加成。QFE33xx 就有集成的 antenna switch，对于相似工艺的组成部分，也有更好的集成性。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-891bb9ca3ce0f16fa819f8c501fa138f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&449& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic4.zhimg.com/v2-891bb9ca3ce0f16fa819f8c501fa138f_r.jpg&&&/figure&&p&其实 RF360 也是如今这一市场的管中一窥。配合我们先前有关 MDM9x25 的文章，就能更清楚地了解现如今的市场现状了。既然采用最新的 modem 和 transceiver，那就该聊聊 UE category 6, 9, 10 LTE，及其面临的各种新挑战了。&/p&&p&&b&WTR3925&/b&&/p&&p&聊 transceiver 的话其实有挺多东西值得一说的。transceiver 本身有一些关键组成部分。接收端有低噪声放大器、下变频器（down-converter），以及窄带放大器。而在发射端，则有驱动放大器（driver amplifier）、上变频器（up-converter），以及另一组窄带放大器。RF360 大多数组成部分仍然采用 CMOS 技术比较老的工艺结点，不过 transceiver 应该是采用了较新的 CMOS 工艺，它不需要处理其他前端层级的信号。&/p&&p&就较高层级，WTR3925 有两个最新能力的加成。首先，它不再需要协收发器（companion transceiver）进行载波聚合——早前 WTR1625L/WFR1620 就是这么搞的。似乎是因为这颗 transceiver 之上有额外的端口，WTR1625L 就没有。此外，WTR3925 这次采用 28nm RF 制程，早前 WTR1625L 用的是 65nm RF 工艺。&/p&&p&RF 工艺其实和 CMOS 工艺非常相似，虽然会有一些不同之处。晶体管和 memcaps 之间互联的金属更厚，这里的 memcaps 可类比为 DRAM 中的电容。高通宣称工艺方面的变化可以降低功耗，这次是新架构配合更小的工艺结点。不过和数字逻辑电路不同，RF 并不直接受惠于更小的工艺。而且实际上，更小的工艺还可能导致功耗劣化，因为虽然晶体管运作起来更快，但也会有更多的噪声。噪声一多，tranceiver 中的放大器就可能需要更多步骤和更多功耗达到相同的噪声系数。&/p&&p&&b&MDM9x35&/b&&/p&&p&基带早前是 RF 系统中最热门的话题，不过如前文所述，其实 RF 远不止基带这么简单。不过基带仍然是整个链条中的关键一环。其实 RF 前端对于接收之类的诸多问题来讲也很关键，但特性支持及前端控制都依托于基带。前端提供的信息，需要由基带来释意，而且传出信息的时候，基带还需要把信息发给前端。&/p&&p&基带是采用数字逻辑电路来实施的，所以用最新的 CMOS 工艺制程也就能够带来较大的收益。驱动晶体管所需电压更低，也有利于驱动 DSP 更高的性能。在 MDM9x35 中，有个频率 800MHz 的 QDSP，用于 modem 功能，还有个 1.2GHz 的 Cortex A7 核心，用于诸如移动热点之类的功能。&/p&&p&就 MDM9x35 来说，在功耗方面主要有两大贡献。其一是工艺从 28nm HPm 切换到 20nm SoC。虽说 20nm SoC 并未采用 FinFET，我们预计在功耗、性能和芯片面积方面仍然会有收益。另外一点则是各种算法实施方案方面的优化。预计相同负载应该会节能大约 20-25% 的功耗。&/p&&p&&b&MDM9x45&/b&&/p&&p&在首款 MDM9x35 设备发布之际，高通其实也宣布了新款 modem 的更新。最新一代 9x45 支持 category 10 LTE，即最大 450Mbps 的下载速度——三束 20MHz 载波，上行最高 100Mbps 则是两束 20MHz 载波。虽说骁龙 810 没有采用 9x45，不过骁龙 810 也支持 category 9 LTE 最高 450Mbps 的下载速度，不过上行就没有载波聚合了。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-efe7d7e7091560ade92a91a8c29e257c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&377& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic1.zhimg.com/v2-efe7d7e7091560ade92a91a8c29e257c_r.jpg&&&/figure&&p&高通宣称，MDM9x45 相较 MDM9x25 modem，在 LTE 载波聚合场景中能够节能大约 40%。另外，MDM9x45 还带来了新一代 GNSS 定位，支持欧盟的伽利略定位系统。这颗 modem 的其它组成部分比如 DSP 相较 9x35 和 8994 modem 应该也有加强，以达到 category 10 的数据速率。&/p&&h2&&b&Energy Aware Scheduler&/b&&/h2&&p&其实 big.LITTLE 存在也已经有好些年了，我们有必要回顾一下移动 SoC 相关 big.LITTLE 架构的基础知识。智能手机 SoC 领域一直在追赶 PC，这个过程中 SoC 还是收获了不少东西的。最初，SoC 在工艺结点方面是相对落后的，起初的 CPU 也比较简单，基本都是完全顺序执行的。最初那几年，CPU 性能每年翻番也是完全有可能的，主要是通过增加核心数、时钟频率、加宽管线以及工艺迭代实现的。&/p&&p&在顺序架构的优化达到瓶颈之后，提升性能的唯一方法就是专注于避免 CPU 管线阻塞（stall）。在顺序 CPU 架构中，执行一条指令时，信息未命中（miss）就意味着 CPU 需要等着从 DRAM 或者其它存储介质中获取信息。即便 CPU 执行速度很快，但针对有依赖关系的运算，CPU 浪费大量时间等待，导致性能不济。&/p&&p&解决方案就是乱序执行。打个比方，比如你要攒台 PC 机，如果你买了个显卡还没到货，在此期间你肯定不会傻等啥事儿也不干，而是把 PC 其他部分先组装好。当代 CPU 在执行指令的时候更倾向于乱序来提升性能，避免阻塞。不过要把这样的逻辑实施到 CPU 上并不容易，CPU 需要知道哪些指令可以乱序执行，而哪些则必须顺序执行。具有依赖关系的指令可以进行预测，如果预测正确也能节约大量时间。不过有了分支预测和乱序执行，晶体管和互联的数量也会大幅增加，功耗随之上升。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-0c7d23e52fba501ab6bad9ec873b0b93_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1500& data-rawheight=&1125& class=&origin_image zh-lightbox-thumb& width=&1500& data-original=&http://pic4.zhimg.com/v2-0c7d23e52fba501ab6bad9ec873b0b93_r.jpg&&&/figure&&p&这其实也是 big.LITTLE 架构着意解决的基本问题。虽然针对乱序执行也有不少节能的解决方案，不过 ARM 认为 big.LITTLE 是最佳解决方案。从本质上来说，big.LITTLE 默认在移动领域，大部分计算只需要顺序和低功率处理器就能完成，但当任务量太大的时候就会把任务切换到乱序执行的大核之上。理论上来说这套解决方案很理想，顺序核心可以节能，而乱序大核则有性能优势。&/p&&p&值得一提的是，采用两个 CPU 核心簇还有其他方式，比如核心簇迁移（cluster migration），首颗三星 Exynos bL SoC 以及英伟达的 Tegra X1 就用这种方案。不过我们这次只谈 big.LITTLE HMP，这种设计支持所有核心处于活跃状态，所有核心都面向操作系统可见。要将这个简单的理念付诸实现其实是挺复杂的。当前移动领域 big.LITTLE 架构的实现解决方案就是 ARM 和 Linaro 开发的 Global Task Scheduling（GTS，全局任务调度），依赖于 PELT（per-entity load tracking）机制，其中会有两个加载阈值，用于决策进程是否迁往相应核心簇。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-2b038a954e7fe609730f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&380& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic4.zhimg.com/v2-2b038a954e7fe609730f_r.jpg&&&/figure&&p&有关其如何实现的过程，我们在华为荣耀 6 的评测中已经提到过，针对 Galaxy Note 4 及其 Exynos 5433 的文章中也对 ARM A57/A53 进行了深度分析。其核心机制就是 PELT，通过 GTS 实现线程布置。&/p&&p&这套系统会追踪每个任务的负载情况，将近期负载加到最大，再借由一个衰减因子（默认是个等比数列）来慢慢减少先前负载的影响。不过这种负载度量方式存在一些不足，主要是如果某个任务空闲很长一段时间，然后突然需要大量负载，如在睡眠场景下，PELT 系统需要花很长时间才能达到相应增量（译者注：原文是 up differential，我理解就是指达到目标负载资源的增量），然后将线程从小核心迁往大核心。相应的，某个任务进入空闲状态，对 PELT 而言，将其迁往小核心也需要花较长时间。这套系统没有考虑现实情况 CPU 核心的能量特性——调度机制中只考虑负载。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-df8abf6b5d276cad5f7843dfbfce8f54_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&380& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic1.zhimg.com/v2-df8abf6b5d276cad5f7843dfbfce8f54_r.jpg&&&/figure&&p&骁龙 810 就没有采用 PELT 机制，而采用一种基于窗口的系统。虽然高通没有说每个窗口的 size，以及会保留多少非闲置窗口，不过这种负载追踪系统覆盖近期所有窗口的平均负载，同时观察近期最大值，来判断某个任务是否对 CPU 资源突然有大量需求。也就是说，核心调度时，当某个线程从完全（或几乎）空闲到高负载状态，等待窗口会大大缩短。&/p&&p&这种情况在智能手机使用过程中其实很常见，比如说用户花时间阅读某个网页，然后点开一个新的链接。所有窗口的平均计量方案，会用于判断某个线程是否需要持续运行在大核心之上，或是否需要迁往小核心。此外，这种基于窗口的系统还能应对核心已经运行于最大频率的情况，也就是说大核心已经处于满载状态时，即便某个任务对于小核心而言负载较高也可能仍然会留在小核心。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-db1dad243b4c15d613ff9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&381& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic2.zhimg.com/v2-db1dad243b4c15d613ff9_r.jpg&&&/figure&&p&我们无从对比 GTS 解决方案和骁龙 810 解决方案的实际表现。实际上 ARM 也在研究所谓的 energy aware scheduler（能耗感知调度器），只不过我们尚未见到市面上有 SoC 采用其方案。&/p&&p&就骁龙 810 来说，针对所有 CPU 都有个能耗成本模型，用于相关温度的能耗变化控制，在所有频率状态下还能提供每瓦性能计量。不过这和 ARM 的能耗成本模型不同，它不会追踪提高核心簇频率任务的功耗成本（同步架构要求所有 CPU 运行在相同频率下），也不追踪唤醒情况。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-bddeb284c229ef2928251_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&379& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic2.zhimg.com/v2-bddeb284c229ef2928251_r.jpg&&&/figure&&p&应该说，高通这种方案的不少组成部分，和最新的 GTS 机制有很多相似之处，比如把小型任务装进已唤醒的 CPU 中，减少唤醒 CPU 的开销。不过骁龙 810 在任务执行过程中，会评估能够迁往大核心的任务，相较其最初执行之时，负载是否有提升，或者基于每个大核心的每瓦性能（perf/W）情况来判断是否有必要将线程从一个大核心迁往另一个大核心。此外，如果某个核心正在运行一个小型负载或任务，scheduler 可将该线程移到另一个核心，让该核心进入睡眠节约功耗。这种 scheduler 据说还能感知线程迁移的功耗成本。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-e049ad117a225fcfca321de80f362e4a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&368& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic3.zhimg.com/v2-e049ad117a225fcfca321de80f362e4a_r.jpg&&&/figure&&p&实际上，任务迁移到其他 CPU 仍然可能存在低效行为，而骁龙 810 的 scheduler 能够让 CPU 频率调节器（frequency governor）避免发生这种情况，并以此来引导 CPU 频率调节器策略。比如说某个任务达到 100% 负载，在采样窗口中迁移到另一个核心，原核心并不会保持高频率状态，而任务所在核心也会调整到任务负载所需的正确频率。这在某种程度上也是基于窗口系统的迁移，因为 ARM 的 scheduler 是采用事件（events）来处理这类问题的。&/p&&p&在电源调节部分，相较传统 SoC 的电源管理机制，高通没有采用老式 Intel 开发的 CPUIdle “Menu” 和 “Ladder”调节器——这些方案基于 CPU 核心个体空闲状态获得的，以及目标保持时间（residency time）。高通采用的是一种全新的方案（名为 Low-Power-Mode CPUIdle driver，或者 LPM），这种方案完全没有考量时间特性，仅关注能耗模型。为此 SoC 驱动也就需要有准确的管理数据，在不进行实际测量的情况下，就完成 SoC 真实功耗的建模。高通的这种方案，应该是迄今为止商用 SoC 电源特性最为完整的模型。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-1cab4ad1a8d725cf6861_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&675& data-rawheight=&650& class=&origin_image zh-lightbox-thumb& width=&675& data-original=&http://pic2.zhimg.com/v2-1cab4ad1a8d725cf6861_r.jpg&&&/figure&&p&不仅有不同 CPU 与核心簇空闲状态的能耗模型，还有 CCI 的空闲状态——这在 GTS 的软件堆栈中是没有的。&/p&&p&虽说高通针对 big.LITTLE 的解决方案也存在低效情况，不过这套方案相比市场上其他 big.LITTLE 方案都更为优秀。先前我们在 Galaxy Note 4 的评测中就提到过，ARM 的能耗感知调度系统（energy aware sheduler）离 SoC 真正量产实施还比较遥远。不过 ARM 的解决方案需要适用所有的 big.LITTLE SoC，所以实际情况会比较复杂，OEM 厂商在这类场景下也较少采用 ARM 的方案。总的来说，虽然骁龙 810 在制程技术方面落后于其他 SoC，但线程调度方面的优势应该会缩短此间的差距。&/p&&h2&&b&CPU/系统性能&/b&&/h2&&p&&i&（&b&译者注&/b&：就《理解高通骁龙 810：性能评测》这篇文章，除了前面的部分理论细节剖析之外，CPU 和系统性能这个章节，AnandTech 针对的是高通的平板 MDP（移动开发平台），这是高通官方推的一个 SoC 参考设备——在设计方面通常是几近所能地发挥 SoC 的性能，较少考虑当代设备轻薄、续航之类的问题。所以我觉得，文章的这部分内容没有太大的参考价值。&/i&&/p&&p&&i&为此我去翻了 AnandTech 评测过的其他骁龙 810 手机，找到了小米 Note Pro、HTC One M9，和 Nexus 6P 这几款手机的评测文章。结果发现，不同的 OEM 厂商对骁龙 810 的调校存在较大差别，这和骁龙 810 传说中的发热问题应该是有很大关系的，所以即便都采用骁龙 810，不同的手机在性能表现上可能也存在很大不同。&/i&&/p&&p&&i&综合考量，这部分我主要翻译 Nexus 6P 这款手机的系统和 CPU、GPU 性能表现及发热情况，同时还会加上其续航测试。行文过程中也会借用小米 Note Pro 和 HTC One M9 评测文章的内容与数据。所以下面的内容存在我个人的二次演绎。有兴趣的同学可以去翻阅这几篇原文：&/i&&/p&&p&&i&1.&a href=&http://link.zhihu.com/?target=https%3A//www.anandtech.com/show/8933/snapdragon-810-performance-preview/5& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&理解高通骁龙 810：性能评测&/a&（这篇是高通参考平台的性能测试）&/i&&/p&&p&&i&2.&a href=&http://link.zhihu.com/?target=https%3A//www.anandtech.com/show/9102/the-htc-one-m9-review-part-1/4& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&HTC One M9 评测&/a&&/i&&/p&&p&&i&3.&a href=&http://link.zhihu.com/?target=https%3A//www.anandtech.com/show/9386/the-xiaomi-mi-note-pro-and-mi-note-review/4& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&小米 Note Pro 评测&/a&（这篇还掺杂了与小米 Note 的对比）&/i&&/p&&p&&i&4.&a href=&http://link.zhihu.com/?target=https%3A//www.anandtech.com/show/9820/the-google-nexus-6p-review/3%25EF%25BC%2589& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Nexus 6P 评测&/a&）&/i&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-ae5fa8eb2d4b6da69853d5c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&412& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic1.zhimg.com/v2-ae5fa8eb2d4b6da69853d5c_r.jpg&&&/figure&&p&Nexus 6P 采用的骁龙 810，其 CPU 部分为 big.LITTLE 架构，4 颗 A53 核心，主频 1.55GHz；4 颗 A57 核心，主频 1.95GHz。Nexus 6P 如果要在一众骁龙 810 设备中表现出差异，就需要通过软件优化来完成。实际上，Nexus 6P 搭载的 Android 6.0 就已经表现出了一些提升，后面我们还会谈到。&/p&&p&首先来对比一些基于浏览器的基准测试。这里主要是 Javascript 测试，对单个大核心的性能是个考验。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-270ed9c0ea21b31af26506_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-270ed9c0ea21b31af26506_r.jpg&&&/figure&&p&在 Kraken 测试中，Nexus 6P 表现不错，诡异的是被 LG G4 打败了。我们早前就发现，OEM 厂商的浏览器库在这部分的设备性能测试中扮演重要绝色，即便采用相同的设备，甚至一样的 Chrome 编译版本，不同的设备之间也会存在较大的性能差异。生态系统的碎片化，连 Chrome 在不同设备上都有如此不同的表现，实在是很悲伤。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-9c31685daf6d0a40d93f76c0536696fa_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-9c31685daf6d0a40d93f76c0536696fa_r.jpg&&&/figure&&p&Octane 测试中，Nexus 6P 的表现也很不错，再度打败 HTC One M9 和 小米 Note Pro 这样的骁龙 810 设备。其它 Android 设备中，Galaxy Note 5 由于采用优化过的原生浏览器，在性能方面打败了 Nexus 6P。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-1ee2a89f4d1a596eedddb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic4.zhimg.com/v2-1ee2a89f4d1a596eedddb_r.jpg&&&/figure&&p&来到 WebXPRT 测试，Nexus 6P 在 Android 设备中的表现依旧很好，虽然相较采用 Exynos 7420 的 Galaxy Note 5 及其原生浏览器仍有不及。&/p&&p&&i&（&b&译者注&/b&：AnandTech 早前针对小米 Note（采用骁龙 801）和小米 Note Pro 同时进行了评测。在系统性能测试中，AnandTech 发现，小米 Note 有个性能模式，非常激进，手机在检测到跑分软件的时候会让所有核心上线，而且彻底抛开 CPU governor，统一只用 2.5GHz 这个频率。然鹅悲剧的是，小米 Note Pro 就没这么好命了，这款手机不存在性能模式，在绝大部分跑分过程中只让两个 A57 核心在线（骁龙 810 分分钟教你做人）——不过小米 Note Pro 对网页浏览似乎做了不少优化，所以在测试中水平与 Galaxy S6 相当，然而后面如 PCMark 写入之类的子项测试就不怎么样了。）&/i&&/p&&p&&i&（&b&译者注&/b&：HTC One M9 的情况其实是比较悲剧的，这款手机是 AnandTech 评测的第一款骁龙 810 手机——当然了，前面还评测过高通的参考设备。他们起初发现，在浏览器测试中，One M9 的成绩明显落后于高通的参考平台骁龙 810 MDP/T，似乎是因为 HTC One M9 长时间把 A57 核心簇限制在 1.5-1.6GHz 这个频率上。其实后面的 PCMark 和 Basemark 测试也都表明，HTC One M9 在骁龙 810 设备中算是性能明显偏弱的一款——不过这款手机比较明智的地方是，它采用 1080p 的屏幕，所以 GPU 测试中的 on-screen 项普遍成绩比较好。）&/i&&/p&&p&下面是系统基准测试，首先是来自 Basemark（前 Rightware）的 Basemark OS II 2.0 测试。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-b2eadbd7921_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic2.zhimg.com/v2-b2eadbd7921_r.jpg&&&/figure&&p&在这项 web 测试中，Nexus 6P 仍然处在靠前的位置。我们早前在诸如 Mate S 之类的评测中提到过，这类测试虽然未必是最原始的性能呈现，但性能方面的延迟还是会有所表现。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-a13d8db8b39c983c9645cea5e2c54bee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-a13d8db8b39c983c9645cea5e2c54bee_r.jpg&&&/figure&&p&Basemark 的图形子项测试对 Adreno GPU 一直都比较友好，所以 Nexus 6P 的表现不错，虽然相较其他几款骁龙 810 设备稍弱一些。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-6b8faab8dd1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic2.zhimg.com/v2-6b8faab8dd1_r.jpg&&&/figure&&p&Basemark OS 的存储测试，Nexus 6P 很意外地位列第一。这个测试主要是针对 NAND 的，不过性能与访问模式仍是在模拟现实应用。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-a501e01f169d2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-a501e01f169d2_r.jpg&&&/figure&&p&System 系统跑分是在一组场景中测试峰值性能，Nexus 6P 的表现和 小米 Note Pro 很相近，落后于 Exynos 7420 设备（如 Galaxy Note 5）。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-dc7a708edd8fe4f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic2.zhimg.com/v2-dc7a708edd8fe4f_r.jpg&&&/figure&&p&在 Basemark 的总体跑分成绩中，Nexus 6P 在 Android 阵营中位列前茅。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-cf6cff94e7d0e1841f5eaffa303d0b91_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&http://pic2.zhimg.com/v2-cf6cff94e7d0e1841f5eaffa303d0b91_r.jpg&&&/figure&&p&&i&（&b&译者注：&/b&后来我也仔细对比了一下高通自己的参考设备（骁龙 810 MDP/T）的 Basemark OS II 项目的跑分成绩，发现实际上，高通的这台平板和 Nexus 6P 在 Basemark OS II 的跑分成绩上是差不多的，虽然子项会有一些区别，比如说图形子项测试，高通参考平台得分达到了突破天际的 5300 分——这个成绩比 iPad Air 2 还要高，和 Nexus 6P 的 2800 分相去甚远，不过可能是软件原因，web 子项测试中，高通参考平台得到最低分；两者的综合得分差不多，如上图所示。这其实也充分说明了，这些基准测试是很不靠谱的。）&/i&&/p&&p&随后是来自 Futuremark 的 PCMark 测试，这组测试不仅会模拟现实使用场景，而且还会利用日常 App 经常用到的 API。&/p&&p&从 web 浏览测试开始，这项测试用到了 Android 内置的 WebView 容器——它依赖于操作系统相关组件。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-487eb4bcff573f41ec9e3f6e0a85b3c5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic2.zhimg.com/v2-487eb4bcff573f41ec9e3f6e0a85b3c5_r.jpg&&&/figure&&p&这项测试我们可以看到 Nexus 6P 领先，略胜 Galaxy Note 5，这和 Android 6.0 的率先采用也有关系。其他骁龙 810 设备，比如小米 Note Pro 落后超过 2000 分。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-db0fa36ef875fe3fad58bb49f3ac47e6_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-db0fa36ef875fe3fad58bb49f3ac47e6_r.jpg&&&/figure&&p&视频播放环节，Nexus 6P 排位居中。这项视频测试考验设备的视频解码硬件和软件，另外还有 NAND 速度——视频播放的快速寻找和定位，可测试设备恢复播放的速度表现。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-8340e8fffd524e871dc3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic4.zhimg.com/v2-8340e8fffd524e871dc3_r.jpg&&&/figure&&p&接下来是写入测试，这项测试中 Nexus 6 的表现相当诡异。Nexus 5X 和 6P 在 PCMark 的写入测试中似乎都面临较大的问题，这项测试本身包含了文本操作，以及一些文件 I/O，不过最重要的是这其实纯粹是个基于 Java 的测试。从 Android 的架构来看，这也就意味着代码会由 Android RunTime（ART）去处理和执行。Futuremark 在构建测试场景方面经验是比较丰富的，尤其是对不同运行时表现出性能差异较为敏感的测试场景。&/p&&p&起初我在看到这个分数的时候，以为是 Android 6.0 针对最新 big.LITTLE 架构优化的负面影响，但即便将这些设定关闭，分数仍然是这样。然后尝试测试其他一些基于 Java 的项目，我推测应该是软件问题。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-af7a5a20f56e45afbd053bd17c72e498_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic1.zhimg.com/v2-af7a5a20f56e45afbd053bd17c72e498_r.jpg&&&/figure&&p&采用 RenderScript 内核的图片编辑测试，会针对一组照片进行图形处理。由于 GPU 性能表现出色，Nexus 6P 拔得头筹。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-ff7d35fd46acc896ed076f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic4.zhimg.com/v2-ff7d35fd46acc896ed076f_r.jpg&&&/figure&&p&由于前面写入测试的得分比较低，所以在 PCMark 综合得分中，Nexus 6P 位列第三。总的来说，Nexus 6P 应该算是采用骁龙 810 相当不错的一款机型了，相比小米 Note Pro 和 HTC One M9 也更为出色。&/p&&h2&&b&GPU 性能&/b&&/h2&&p&骁龙 810 所用的 GPU 为 Adreno 430。配合频率最高至 1555MHz 的 LPDDR4，驱动 1440p 分辨率的 Nexus 6P 应该是不成问题的。请注意下面的测试中，其他骁龙 810 设备的不同表现，文章也会对这种差异给出一些解释。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-3d07baadecc2f869df056b7228fea450_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic1.zhimg.com/v2-3d07baadecc2f869df056b7228fea450_r.jpg&&&/figure&&p&3DMark Ice Storm Unlimited 是个 720p 的离屏测试，是针对 GPU 多个层面的压力测试。Nexus 6P 表现很出色，基本除了苹果 A9 之外已经是最佳了。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-bc61e3f558dbdefba92f_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic4.zhimg.com/v2-bc61e3f558dbdefba92f_r.jpg&&&/figure&&p&Physics 测试其实主要是针对 CPU 的，虽然也会给 GPU 分担一些任务。Nexus 6P 表现依然不错，相较其他骁龙 810 设备（如小米 Note Pro）都更出色。&/p&&p&接下来看看来自 Kishoti 的 GFXBench 测试。这项测试我们已经用了好几年了，其新版能够让我们了解 GPU 性能的各个方面，如纹理与填充率负载（译者注：原文是 texture and fill-rate，我不知道这个“and”连接前后两个词的关系，因为 texture fill-rate 或 texture filter rate 是 GPU 比较常见的一个数据指标；所以这里我作了质疑），到 ALU 重型测试。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-812a70ea_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-812a70ea_r.jpg&&&/figure&&p&T-Rex 重点考量 GPU 的纹理和填充率表现。Nexus 6P 在 Android 设备中表现最佳，小胜小米 Note Pro 和 Galaxy Note 5。这里需要指出，HTC One M9 的芯片是 2.0 修正版，存储和 GPU 频率都稍低一点点。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-5bbbc668a7b8d99ccad93d6b580aa3a1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic2.zhimg.com/v2-5bbbc668a7b8d99ccad93d6b580aa3a1_r.jpg&&&/figure&&p&而 T-Rex 的 on-screen 测试其实受到了 1440p 屏幕分辨率的影响，所以整体成绩稍低一些，但仍然不错，排在前面的 HTC One M9 虽然也用骁龙 810，但屏幕分辨率是 1080p，当然了 iPhone 已经达到 Vsync 的极限了。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-33dd1aacaaeeb4aa0442526_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-33dd1aacaaeeb4aa0442526_r.jpg&&&/figure&&p&Manhattan 3.0 测试更偏向 ALU 型任务，测试较多受到 shader 的影响，相比 T-Rex 代表的是不同类型的负载测试。Nexus 6P 此项离屏测试表现出色，超越一众 Android 竞争对手。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-aeb19bf2c5f33a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic3.zhimg.com/v2-aeb19bf2c5f33a_r.jpg&&&/figure&&p&on-screen 情况类似，1440p 的分辨率一定程度拖慢了帧率，但成绩表现还是不错的。&/p&&p&Adreno 430 应该是着力于 shader 性能的一款设备，这从其跑分性能提升就能看出来。实际上真实场景下的性能获益其实取决于工作负载的很多层面，那些比较依赖 shader 的游戏和应用当然能够表现出性能提升，不过如果是那些对像素吞吐、贴图或者前端性能有要求的应用，性能获益就比较少了。Adreno 430 的确拉近了和英伟达/苹果的距离，不过苹果所用的 Imagination GX6850 和英伟达 Tegra K1 仍然在性能方面有优势，尤其是 GFXBench 的 Manhattan 与 T-Rex 渲染测试。&/p&&h2&&b&发热控制&/b&&/h2&&p&前面我已经提到，让各位留意 Nexus 6P 相较其他骁龙 810 设备的测试成绩差异。可能会有人认为，这种程度的分数差别主要是因为驱动，或者其他软件方面的提升，不过我觉得这种差异主要是散热表现的不同所致，Nexus 6P 在这方面的表现会更为出色。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-c6aa1d83e3c0aedd2df4a916_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&651& data-rawheight=&351& class=&origin_image zh-lightbox-thumb& width=&651& data-original=&http://pic3.zhimg.com/v2-c6aa1d83e3c0aedd2df4a916_r.jpg&&&/figure&&figure&&img src=&http://pic2.zhimg.com/v2-cc28a1dfbf716ea3b8c119_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&481& data-rawheight=&289& class=&origin_image zh-lightbox-thumb& width=&481& data-original=&http://pic2.zhimg.com/v2-cc28a1dfbf716ea3b8c119_r.jpg&&&/figure&&p&我们先来看看电池性能曲线，不难发现 Nexus 6P 的调节行为相较小米 Note Pro 稍好。Nexus 6P 跑 1-2 次 T-Rex 测试之后才开始在性能上出现衰退，小米 Note Pro 跑第一次的时候曲线就已经走低了。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-792a2f63ecc272e0a992d7e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&481& data-rawheight=&289& class=&origin_image zh-lightbox-thumb& width=&481& data-original=&http://pic3.zhimg.com/v2-792a2f63ecc272e0a992d7e_r.jpg&&&/figure&&p&&i&（&b&译者注&/b&：这里提个小插曲，就这根曲线，在针对小米 Note 和小米 Note Pro 的共同评测中，AnandTech 提到这部分 T-Rex 测试，小米 Note 的 Adreno 330 跑出来的帧率高于小米 Note Pro 的 Adreno 430，如上图所示。但这其实是因为小米 Note Pro 的分辨率为 1440p，而小米 Note 为 1080p，而且小米 Note 在跑分的时候是撒开欢儿地满频跑。）&/i&&/p&&figure&&img src=&http://pic1.zhimg.com/v2-fceb18a9ecf08bfde4e30_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic1.zhimg.com/v2-fceb18a9ecf08bfde4e30_r.jpg&&&/figure&&p&从这一点来看，骁龙 810 会在运行一段时间后下探到峰值性能的 50%（译者注：是指 GPU），随后保持稳定，才不致让设备过热。比较悲剧的是，Nexus 6P 采用 1440p 分辨率的屏幕，几乎抵消掉了骁龙 810 带来性能和效率方面的红利，所以其实 Nexus 6P 在表现上相较某些 1080p 的骁龙 801 设备都并不见得有太多优势。&/p&&p&今年其实有关骁龙 810 的讨论挺多的，这部分不会过多探讨其中的细节内容。不过我们注意到采用骁龙 810 的不同设备的一个共性，即设备制造商对于控制这颗芯片的发热，似乎都做得不够充分。&/p&&figure&&img src=&http://pic3.zhimg.com/v2-0b4b24ec227c9153ecbb60395deff5ce_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&678& data-rawheight=&508& class=&origin_image zh-lightbox-thumb& width=&678& data-original=&http://pic3.zhimg.com/v2-0b4b24ec227c9153ecbb60395deff5ce_r.jpg&&&/figure&&p&Nexus 6P 已经算是骁龙 810 设备中设计得比较好的一款手机了。iFixit 拆解发现，这颗 SoC 就靠在手机中框上，中间还涂了热胶，令其散热表现更好。这种设计能够让整个前面板总成都参与散热，相较其它设备其散热效果都会更好（译者注：可惜 AnandTech 没有评测索尼 Xperia Z5 和 Lumia 950 XL 啊...要不然还可以比下哪家散热最强）。这篇文章，我期望特别提一提一颗 SoC 何以在不同的设备上表现出截然不同的发热控制。&/p&&p&我用我们自己的性能测试程序（译者注：AnandTech 一直称其为 power virus）来进行发热测试。这次我将测试限制到两个线程，所以测试中只会加载两个核心。这应该会达到更为合理的热负荷，这样一来骁龙 808 也能与 骁龙 810 以及 Exynos 7420 做对比了。这些 SoC 都采用相同的 ARM Cortex A57 核心，给所有设备跑相同量的工作任务，跑一段时间。&/p&&p&为了呈现最终结果，我采用先前我们所写文章《&a href=&http://link.zhihu.com/?target=https%3A//www.anandtech.com/show/9518/the-mobile-cpu-corecount-debate& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&移动 CPU 核心数之争：分析真实世界&/a&》之中所用的方法，我们记录 CPU 频率的时间状态（time-in-state）度量，而不是按照固定采样周期来记录。这种方法能够按照时间，非常准确地记录不同频率下的 CPU 状态，而且对发热控制行为也能更好地进行图表呈现。&/p&&p&&i&（&b&译者注&/b&：AnandTech 针对 SoC CPU 频率变化的测试方法可以参考上面提到的这篇文章。这里我也稍做解释。其实观察某一个时间点 CPU 的频率读数，对于衡量 CPU 持续性能是没有多大意义的，如果要相对准确地呈现 CPU 的频率变化，就要求获取频率数据的采样率，至少达到 CPU DVFS（动态电压频率调整）机制两倍的速度。移动 SoC 切换频率的时间间隔可以达到 10-20ms，而且还有 QoS 请求之类更为精细的切换。&/i&&/p&&p&&i&如果说采样周期达到 1 秒，也就是每秒才读一次 CPU 频率数据，假定是 0.1 秒的时候读一次数，1.1 秒读第二次，这两次读数可能差别会很大——这一秒钟时间内，频率其实就已经发生了很多变化了，超过 90% 的信息量都丢失了。不过要以很高的采样率来读取 CPU 频率也存在难度，所以 AnandTech 的方法是，每次读数，针对每个频率来记录其累计持续时间（residency time）。由于 Android 系统跑在 Linux 内核之上，就可以通过 CPUFreq 框架来获取这些数据了。这些 time-in-state 数据是相当准确的，因为每次频率变化都是由内核驱动异步增加调整的。计算每次读数之间的差值，就可以获得两次读数期间的 CPU 频率分布情况了。最终的图表，Y 轴代表的是 CPU 的频率状态，X 轴代表时间分布，采样周期是 200ms。&/i&&/p&&p&&i&读不懂这段没关系，不过总的说来就是用到了系统内核自己提供的数据，然后图表所呈现的主要是不同时间里，CPU 的频率变化情况。值得一提的是，数据几乎依赖于 Linux 内核，所以也只能代表 Android 设备行为，不能代表其它操作系统的行为。此外，AnandTech 的那篇以 Exynos 7420 为分析对象的文章中，其实考察对象不光是频率，另外还有两个维度，分别是 power states 和 scheduler 运行队列，这里不做展开，有兴趣的可以去看一看。）&/i&&/p&&figure&&img src=&http://pic3.zhimg.com/v2-8d357e88d9ea880e695f351332accc2a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1072& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&1072& data-original=&http://pic3.zhimg.com/v2-8d357e88d9ea880e695f351332accc2a_r.jpg&&&/figure&&p&观察 Nexus 6P 的频率分布图，我们会发现 6P 维持最高频率大约 45 秒后就会切换到 1958MHz~1824MHz 状态。随着时间推移，设备温度升高，高频出现的机会越来越少，温度驱动会持续拉低频率和功率上限。高通的控制机制似乎相当的细粒度，所以时间窗口内能够观察到多种频率（读数周期 200ms），在发热测试期间，某个频率的相对持续时间（residency）相较其它频率呈现指数级衰退模式。&/p&&p&5 分钟（300 秒）之后，Nexus 6P 的 CPU 稳定在 1344MHz，但在大约 12 分钟的时候开始在 960MHz 震荡，这个频率随后稳定了超过 25 分钟。&/p&&p&这项测试中有个因素并未呈现，即 Nexus 6P 在重度 GPU 负载的时候关掉了 A57 核心。这一点应该是会影响到游戏体验的，因为真实场景中的游戏一般需要一个高负载的 CPU 线程——我们的综合 3D 测试无法再现这个问题。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-69e2fa6d2aa2f35843d26c_b.jpg& data-size=&normal& data-rawwidth=&1077& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&http://pic1.zhimg.com/v2-69e2fa6d2aa2f35843d26c_r.jpg&&&figcaption&HTC One M9 的大核心簇频率分布&/figcaption&&/figure&&figure&&img src=&http://pic3.zhimg.com/v2-4c56a00b0f994bc4df230a52e21fe202_b.jpg& data-size=&normal& data-rawwidth=&1077& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&http://pic3.zhimg.com/v2-4c56a00b0f994bc4df230a52e21fe202_r.jpg&&&figcaption&LG G Flex 2 的大核心簇频率分布&/figcaption&&/figure&&figure&&img src=&http://pic4.zhimg.com/v2-88eef3ff9da14ca834267_b.jpg& data-size=&normal& data-rawwidth=&1077& data-rawheight=&541& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&http://pic4.zhimg.com/v2-88eef3ff9da14ca834267_r.jpg&&&figcaption&LG G4 的大核心簇频率分布&/figcaption&&/figure&&p&接下来就该看看 Nexus 6P 和其他骁龙 810 设备的对比了。在所有测试设备中，HTC One M9(v2.1) 维持最高频率的时间最久，不过手机温度已经让皮肤感觉到不适了，而且在跑了 10 分钟之后，负载会关闭大核，小核需要切进来，持续性能将近减半。LG G4 和 G Flex 2(v2.0) 的温度控制策略是最为激进的，这两款手机维持最高频率的时间是以秒为单位计的。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-022c9baa926b7_b.jpg& data-size=&normal& data-rawwidth=&1077& data-rawheight=&541& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&http://pic4.zhimg.com/v2-022c9baa926b7_r.jpg&&&figcaption&Nexus 5X 大核心簇频率分布&/figcaption&&/figure&&p&在最高频率下，Nexus 5X 的行为方式和 6P 差不多，但在 3 分钟的时候会掉到 A53 小核心簇，随后会尝试迁回 A57 大核，但随着时间推移还是很快掉回了 A53，在测试的后 10 分钟已经彻底放弃大核，完全维持在 A53 小核心上。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-f51bc901cad_b.jpg& data-size=&normal& data-rawwidth=&1072& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&1072& data-original=&http://pic2.zhimg.com/v2-f51bc901cad_r.jpg&&&figcaption&小米 Note Pro 大核心簇频率分布&/figcaption&&/figure&&p&小米 Note Pro 的情况比较独树一帜，这款手机跑在最高频率上超过 1 分钟，但在一分半钟的时候频率突然减半，然后维持在这个位置。这看起来似乎是维持交互以及稳定性能比较不错的折中方案。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-be2b21bbfe219ef9bf63f7_b.jpg& data-size=&normal& data-rawwidth=&1077& data-rawheight=&542& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&http://pic4.zhimg.com/v2-be2b21bbfe219ef9bf63f7_r.jpg&&&figcaption&一加 2 大核心簇频率分布&/figcaption&&/figure&&p&前不久我们还发布了一加手机 2 的评测，这款手机应对发热问题的方案是将 SoC 限制在 1766MHz——不过其实好景也不长，跑一会儿就会掉到 960MHz，最终会彻底关闭 A57 核心，而且手机温度惊人，发热控制策略不够到位，温度控制不佳。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-65e2ce1d648d3aecbc2e1b_b.jpg& data-size=&normal& data-rawwidth=&1076& data-rawheight=&541& class=&origin_image zh-lightbox-thumb& width=&1076& data-original=&http://pic2.zhimg.com/v2-65e2ce1d648d3aecbc2e1b_r.jpg&&&figcaption&Galaxy S6 大核心簇频率分布&/figcaption&&/figure&&figure&&img src=&http://pic2.zhimg.com/v2-12b86eadb52ad8c1fb4fddcc01bae6ed_b.jpg& data-size=&normal& data-rawwidth=&1076& data-rawheight=&541& class=&origin_image zh-lightbox-thumb& width=&1076& data-original=&http://pic2.zhimg.com/v2-12b86eadb52ad8c1fb4fddcc01bae6ed_r.jpg&&&figcaption&Galaxy Note 5 大核心簇频率分布；注：由于测试条件限制，Galaxy Note 5 测试的环境温度低 5℃，这可能对控制行为是有影响的，所以结果上可能并不完全公平。&/figcaption&&/figure&&p&三星的控制模式比较随机，其频率变化时间相对延后。Galaxy S6 能够维持最高频率大约 100 秒，随后落到 1.9、1.8 和 1.7GHz，并在一段时间内在这三者间来回切换，测试快到一半的时候频率降到 1.5GHz。有趣的是，在测试快结束的时候，频率还出现了回升，并在一段时间内维持在 1.8GHz 的水平上——就发热控制测试来看，在相应时间段内，Galaxy S6 的性能可以达到骁龙 810 设备的两倍甚至三倍。&/p&&p&问题来了，如何评价上面这些发热控制行为呢？其实移动 SoC 在设计上，并没有在最大频率维持长时间工作的预期和必要，就像上面的发热控制测试一样。关键其实还是在于用户体验，用户体验不应该受到 CPU 频率降低的拖累。我觉得 Nexus 6P 在表现上没什么问题，因为它是我们测试过目前表现最出色的骁龙 810 设备，除了游戏场景之外，日常使用中我也没有发现这台手机存在什么问题。LG G4 和 G Flex 2 按照维持高频可用时间来看，表现是最差的，而 Nexus 5X 则是最不稳定的设备，在升温之后长时间地限制在 A53 核心上。&/p&&p&总的来说，Nexus 6P 可能是最好的骁龙 810 设备了，它能够提供相对合理的高端设备性能，在温度控制方面做得不错，需要限制性能时也能维持住用户体验，整个测试期间设备温度都没有超过 39.5℃。&/p&&h2&&b&续航表现&/b&&/h2&&p&Nexus 6P 的续航表现非常有趣。这款手机采用 3450mAh 的大电池，不过其 AMOLED 屏幕相较大部分 LCD 在效能方面都表现得不怎么样，而且骁龙 810 本身也在效率方面比较拖后腿。由于 Galaxy Note 5 和 小米 Note Pro 配置相似，而且也是 5.7 寸 1440p 的屏幕，来做单项对比会更方便。&/p&&figure&&img src=&http://pic1.zhimg.com/v2-bd4b64d2ab1f601b0c698_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic1.zhimg.com/v2-bd4b64d2ab1f601b0c698_r.jpg&&&/figure&&p&首先是网页浏览电池测试，Nexus 6P 达到了 9.9 小时的续航时间，这个成绩应该还是可以接受的，但和其它设备对比就比较糟糕了，尤其在电池容量更大的情况下。小米 Note Pro 采用 3090mAh 的电池（容量少 11%），却也达到了这样的续航表现。而且这两台设备采用相同的 SoC，所以功耗方面的弱势应该就出在 Nexus 6P 所用的 AMOLED 屏幕身上。&/p&&p&考察 SoC 的效率，我们用 Galaxy Note 4 来和 Nexus 6P 做对比。Nexus 6P 在屏幕效率方面有 5% 的优势，电池容量则少 7%。Galaxy Note 4 采用骁龙 805，这项测试中 Nexus 6P 续航比 Note 4 短了 16%，也就是将近 2 个小时。&/p&&figure&&img src=&http://pic4.zhimg.com/v2-82fcc2a4d43f07e78d3b34c973e8eb97_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&650& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&650& data-original=&http://pic4.zhimg.com/v2-82fcc2a4d43f07e78d3b34c973e8eb97_r.jpg&&&/figure&&p&4G LTE 测试部分，由于我的测试环境移动数据网络信号比较差，所以对比情况可能并不完全准确。Nexus 6P 在结果方面仍然落后于大部分设备。&/p&&figure&&img src=&http://pic2.zhimg.com/v2-ac75f352ecbaf1e15c0ad05_b.jpg& data-size=&normal& data-rawwidth=&1320& data-rawheight=&1174& class=&origin_image zh-lightbox-thumb& width=&1320& data-original=&http://pic2.zhimg.com/v2-ac75f352ecbaf1e15c0ad05_r.jpg&&&figcaption&左：小米 Note；右：小米 Note Pro&/figcaption&&/figure&&figure&&img src=&http://pic3.zhimg.com/v2-3abfe9bcf52fbd5bae02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&http://pic3.zhimg.com/v2-3abfe9bcf52fbd5bae02_r.jpg&&&/figure&&p&&i&（&b&译者注&/b&：AnandTech 在针对小米 Note 和小米 Note Pro 进行评测时，没有进行标准 LTE 比较，不过当时进行了 AT&T 的 WCDMA 网络测试——这其实也能表现 modem 的情况。这项测试是 3G 的 modem 压力测试，从结果来看，骁龙 810 的 modem 在能效方面胜出，如上图；但问题是，这点效率提升仍然无法抵消 CPU 部分的效率损失。实际上，在后续的 CPU 压力续航测试中，小米 Note 总是要大幅领先于小米 Note Pro。总体上 AnandTech 仍然仍为，小米在 Note Pro 这款设备上，针对发热控制还是花了不少}