各家 AI PC 靠邊站好 Intel 回神拉!簡報喊著打臉 x86 功耗、超低延遲的 Intel Core Ultra 200V 筆電處理器正式推出,此次藉助華碩「Zenbook S 14 (UX5406)」輕薄筆電,實測文書工作情境電池續航可長達 22 小時之久,更帶來多執行緒 51%、單執行緒 72% 的性能大提升、內顯效能的大幅升級,以及自家 OpenVINO 框架助力下 AI 推論效能的強勢壓制,這代無疑擺脫 x86 架構太耗電的負面印象,並帶來最強悍的 AI PC 體驗。
Zenbook S 14 (UX5406) 規格
系統:Windows 11 Home 24H2
處理器:Intel Core Ultra 7 258V、4P+4E / 8 核心 8 執行緒、4.8GHz / 17-37W
Intel AI Boost:NPU 47 TOPS
記憶體:處理器封裝 32GB LPDDR5X 8533 MT/s
顯示晶片:內顯 Intel Arc Graphics 140V、8 Xe-core、64 TOPS
顯示器:14 吋 3K (2880 x 1800) OLED、16:10、0.2ms、120Hz、HDR 500nits峰值亮度、100% DCI-P3、Display HDR True Black 500、PANTONE 驗證、鏡面螢幕、螢幕佔比 90%
儲存系統:1TB M.2 NVMe PCIe 4.0 SSD
I/O 連接埠:1 x USB 3.2 Gen 2 Type-A、2 x Thunderbolt 4(PD / DP)、1x HDMI 2.1 TMDS、1 x 3.5mm 音訊插孔
攝影機:支援 Windows Hello 的 FHD 紅外線 (IR) 攝影機
音效:智慧放大器、內建喇叭、內置陣列麥克風、harman/kardon (進階)
網路:Wi-Fi 7 802.11be 2x2 + Bluetooth 5.4
電池:72WHrs、2S2P、4-cell Li-ion
變壓器:65W AC Adapter、Type C、20V DC, 3.25A, 65W
尺寸:31.03 x 21.47 x 1.19 ~ 1.29 cm
重量:1.2 kg
大哥回來了!Intel Core Ultra 200V、Lunar Lake 超強續航 x86 新體驗
AI PC 大戰一路上有著 Ryzen 同台較勁,還有著後起新秀 Qualcomm 的夾殺,尤其在低功耗、長續航的商用、輕薄筆電市場中 Arm 架構又有著先天優勢,但今年這一戰 Intel 真的回神了。
新一代 Intel Core Ultra 200V 代號 Lunar Lake 行動處理器,不僅帶來 18% 單執行緒效能提升、30% 內顯遊戲效能提升、50% 功耗降低與每瓦效能 2x 倍提升、3x 倍 AI 效能升級。尤其以往大家公認的 x86 較耗電這事,也在這代讓大家見到 Intel 架構的新實力。(這代太省電,可能 TSMC 製程也要負點責任。)
↑ Intel Core Ultra 200V 達成的性能提升。
↑ Intel Core Ultra 200V、Lunar Lake。
Lunar Lake 是款針對 AI PC、薄形商用筆電所開發的低功耗處理器,採用 Skymont E-core 與 Lion Cove P-core 混合核心架構,並增加 LowPower Island E-core 的核心數與共享 L2 快取容量,在藉助記憶體側快取與記憶體和晶片共同封裝,藉此達到 50% 的封裝功耗降低。
文章開頭就提到 Lunar Lake 能達到超過 20 小時的電池續航能力,而這麼持久的效能則是來自於華碩「Zenbook S 14 (UX5406)」小巧輕薄的生產力、商務筆電。新款 Zenbook S 14 採用「高科技陶瓷鋁合金 (Ceraluminum™)」,藉助電漿電解氧化(PEO)技術,讓鋁表面生長出陶瓷氧化材料,形成質感細膩、溫暖色調的筆電材質,並有著曜岩灰與暖煦白兩款溫暖色系的顏色可選擇。
但是看似數據差異很大,但 Intel 採用自家 OpenVINO 框架優化自家的硬體效能,只不過目前 AMD 僅只能選擇微軟 Windows ML 通用框架進行測試,或許這才是造成這數據差異這麼大的首因。
↑ UL Procyon AI Computer Vision CPU。
↑ UL Procyon AI Computer Vision GPU。
↑ UL Procyon AI Computer Vision NPU。
Geekbench AI 支援各種 AI 框架、引擎與硬體的跨平台測試工具,囊括各種 AI 應用情境 Image Classification、Image Segmentation、Object Detection、Face Detection、Pose Estimation、Depth Estimation、Image Super Resolution 與 Style Transfer 等進行測試,並提供單精度、半精度的成績與量化 Quantized 分數。