俗話說得好，錢多燒包。每隔一段時間，總會有那么一樣產品會對我產生相似的效果 —— 這種產品是那么吸引人，那么讓人興奮，看起來是那么美，它能讓我的錢包升溫，甚至燒起來。最新的 iMac Pro 就是這樣一種產品。

承蒙蘋果的美意，他們給我發(fā)了一臺 128GB，十核版本的 iMac Pro以便測試和評估。我花了不到一周的時間使用這臺機器，在航空航天工程和軟件開發(fā)領域進行我日常的工作流程，另外也運行了一些跑分和測試。iMac Pro 在性能和生產力上給我留下了強烈的印象。我會在下文中給出其中一些結果，但我還需要說的是 iMac Pro 在視覺上也給了我很深的印象。盡管它在造型和尺寸上看起來很像近些年來的 27 英寸 iMac，但 iMac Pro 是第一款采用深空灰配色的（還有對應配色的鍵盤、鼠標和觸控板），這讓它看上去很棒，很有商務的感覺。和我那臺銀色的 iMac 放在一起，iMac Pro 盤踞在一旁就好像沉默的達斯·維德，正準備要砍翻幾個人。

iMac Pro 的機身下也同樣非?？捎^，它擁有的是十核的英特爾至強 W-2155 處理器，主頻 3.0GHz（通過睿頻可加速到 4.5GHz）。這是英特爾最新發(fā)布的一款工作站級別的至強處理器，用以填補其消費級 Core i9 和服務器級至強 Scalable 之間的空白。如果你希望擁有 Core i9 的性能但內存容量更大，核心數(shù)更多，卻又不需要至強 Scalable 那么全面的能力，至強 W 系列就是對像 iMac Pro 這樣的機器最理想的選擇（它提供八核、十核、十四核和十八核四種版本）。至強 W 還是在 Mac 中第一款支持英特爾 AVX-512 向量處理的處理器，這將其向量寄存器的向量長度提高到了 512 bit（提升自 AVX2 的 256 bit），并將向量寄存器的數(shù)量倍增到每核心 32 個（提升自 AVX2 的 16 個）。我會在下文中更多地討論此事。

我的測試機中的十核處理器擁有每核心單個 13.8MB 的 L3 緩存以及 1MB 的 L2 緩存，該機型搭載的是 128GB 的 2666MHz DDR4 ECC 內存，一塊 2TB SSD 硬盤（擁有硬件級別的線路速率加密），以及顯存為 16GB 的 AMD Radeon Pro Vega 64 圖形芯片集。與此搭配的是沖擊力極強的 5120×2880 視網膜“5K”顯示器，iMac Pro 可說是一個圖形動力室 —— 我不斷為一切被渲染得如此清晰干凈，卻又對性能沒有明顯的過度占用或影響感到驚奇。曾經我在將復雜的 3D 數(shù)據(jù)集進行視覺化時，不得不在性能或細節(jié)中二選一，而 iMac Pro 兩邊都能滿足。即使僅僅是使用 Xcode 或終端來工作的時候，屏幕的清晰和高亮度都能讓眼睛感到很舒適。

那么現(xiàn)在就來做一些測試吧，這些測試基于對空氣動力學設計和開發(fā)所需的計算流體動力學（CFD）的使用。在這類工作中，我使用的是 NASA 提供的名為 TetrUSS 的 CFD 工具，還有被普遍使用的 NACA 0012 airfoil 來打造運輸類飛機的通用研究模型（CRM）的幾何結構。

CFD 的一種典型用法是評估航空航天飛行器，諸如火箭或飛機的空氣動力表現(xiàn)。該流程的第一步是從 CAD 定義中創(chuàng)建飛行器的幾何網格模型。這本質上能讓我們將問題分解為成百萬個小單元，以便通過數(shù)值來模擬氣流的物理表現(xiàn)。類似的流程被用在工程分析的其他領域還包括結構和熱傳導。另外雖然和模擬無關，OpenGL 游戲程序員也很了解用三角形或四邊形為 3D 物體創(chuàng)建網格模型的流程，因為這能夠打造一個能夠反映光影、著色和其他視覺效果的實體模型。

為了進行單核測試，我們首先從生成一個由 237660 個三角形組成的 CRM 翼-體-尾外形的表面網格模型開始。

iMac Pro 在這項測試中的耗時結果看上去非常好（下方圖標中的最后一欄），在我過去五年里測試過的十個系統(tǒng)中它是最快的，而且差距明顯。

CFD 流程的另一個關鍵部分是實際的數(shù)值模擬，我們要對網格模型上通過的氣流進行運算。通常來說，這些模擬是要在超級計算機集群上運行的，使用 500 至 2000 個核心或更多，整個過程有時要耗費數(shù)天或數(shù)周。較小的實例可以運行在諸如 iMac Pro 這樣的多核心臺式電腦上，特別適合那些小型企業(yè)用戶以及學術界人士（通常實例的規(guī)模會受到內存的限制，但這對 iMac Pro 的 128GB 來說不是問題 —— 它可以應對大多數(shù)有實際意義的實例）。

和網格模型生成不同，氣流模擬很考驗并行處理，使得它成為理想的多核心測試指標。在這里，我們通過 NACA 0012 airfoil 計算氣流。結果通過示意圖來展示運算時間（以秒計），并和所使用的核心數(shù)量進行對比。在一部分機器中，最大可用的核心數(shù)量為十二核。在同一組系統(tǒng)中，iMac Pro（底部的紅線）再一次取得了最好的成績，在最多到十個核心的對比中，它的耗時很明顯是最短的。

我還關注了一下擴展表現(xiàn)，這部分很有趣，因為它能夠顯示出許多和計算機架構有關的東西。和很多人預期的不同，將更多的核心投入到一個問題中并不總是最完美的答案 —— 從某一點開始各個核心之間會開始爭奪各種系統(tǒng)資源，比如內存和硬盤，你也能夠從上面的圖表中看到曲線是會漸漸平緩的。下面的圖表通過計算每一臺接受測試的電腦采用多核時，對比單核的速度增幅（單核耗時除以多核耗時），更清楚地體現(xiàn)了這一點。作為參考，理想的曲線以虛線顯示。在這個對比中，iMac Pro（紅色曲線）的表現(xiàn)和競爭對手們基本相似，使用全部十個核心時有 6.7 倍的速度提升。如果能讓十八核版本的 iMac Pro 運行同樣的測試肯定會很有趣，但可惜的是，它們直到明年一月才出貨。

X 軸是所用核心數(shù)，Y 軸是多核與單核的速度比值

另一個對我來說很重要，但同時又難以量化的測試項目是軟件開發(fā)。我傾向于使用 C 和 Fortan 編譯器在終端上做我大多數(shù)工程和 CFD 相關的軟件開發(fā)工作，但在 iOS 和 Mac 應用的開發(fā)上我最常用的卻是 Xcode。幾個星期以前，我忙于調試一個異常棘手的 MapKit 分塊渲染 Bug，與此同時還要為iPhoneX 準備好我的 AR 應用 Theodolite，我很確信在那幾天之內我按了 Xcode 的 Build/Run 好幾千次（至少感覺上是這樣）。當你進入一個涉及到大量編譯工作的高強度開發(fā)或調試階段時，這兒省幾秒那兒省幾秒，加起來一天就能多出幾個小時了。十核 iMac Pro 在這個方面大放光彩，特別是當它結合 Xcode 能夠自動利用多核心去同時編譯多個源文件的能力時更是如此。

絕大多數(shù)我的應用有 20000 至 30000 行代碼，分布在 80 至 120 個源文件中（大部分是 Obj-C 和 C，混合極少量 Swift）。有太多變量會影響編譯表現(xiàn)，所以很難提出一種普遍適用的測試標準，因此我就簡單地描述一下，當我將 iMac Pro 和我的 2016 版MacBookPro 和 2013 版 iMac 對比時，我注意到編譯耗時有了 30% 至 60% 的減少。如果你開發(fā) iOS 應用，仍會注意到在模擬器或在設備上安裝或啟動應用存在瓶頸，但在開發(fā) Mac 應用時，反復的代碼-編譯-調試循環(huán)會有相當明顯的提升。

我長年以來醉心于向量化，從上世紀 90 年代的 Cray 超級計算機開始，到進入 2000 年后 PowerMac G4 和 G5 中的 AltiVec。所以我很高興能夠聽到 iMac Pro 在向量處理上了有了很大飛躍。

向量化是一種單指令多數(shù)據(jù)（SIMD）處理的形式，處理器能夠同步地在一個“向量”內執(zhí)行多個數(shù)據(jù)元素的運算。與此相對的，常見的“標量”代碼一次只能執(zhí)行單個數(shù)據(jù)元素。標量代碼的經典例子是如下所示的循環(huán)，我們將數(shù)組“a”的元素加上數(shù)組“b”的元素，并將結果儲存在數(shù)組“c”：

for (i=0;i

c=a+b;

}

當我們這樣循環(huán)的時候，我們一次只處理一個數(shù)據(jù)元素。如果你也了解這方面，就會知道每一次循環(huán)都需要兩次負載，加法和存儲 —— 四次運算 —— 因此我們在這個標量循環(huán)中就有總共 4*N 次運算?，F(xiàn)在，因為 iMac Pro 的處理器每個核心都有了 AVX-512 向量處理器，我們就可以形成支持 16 字節(jié)單精度（32 位）浮點數(shù)或 8 字節(jié)雙精度（64 位）浮點數(shù)（或當使用整數(shù)時的等量）。如果我們假設范例中的數(shù)組是雙精度，那么使用 AVX-512 向量指令的等量向量循環(huán)就會是這個樣子：

for (i=0;i

__m512d a_vec = _mm512_load_pd(&a);

__m512d b_vec = _mm512_load_pd(&b);

__m512d c_vec = _mm512_add_pd(a_vec,b_vec);

_mm512_store_pd(&c,c_vec);

}

我們還是需要兩次負載，通過每次循環(huán)就有一次加法一次存儲，但因為我們是通過每個支持 8 字節(jié)雙精度的向量運算的，我們每一次就能增加 8 個循環(huán)，所需的總運算量就是 4*N/8 —— 之前的八分之一！

你可能會馬上期待一個八倍的性能提升，但實際上這個漲幅太理論化了，現(xiàn)實中不會有那么多。誤差的多少取決于很多因素，比如數(shù)據(jù)大小，它是否能適合不同的緩存或分配入 RAM 中，等等。但在這個例子中，我們取 N 為 512，結果也很棒了。AVX-512 帶來的速度提升是 5.2 倍。作為對比，我也總結了 AVX2 的測試結果，它使用 256 bit 寬向量，一次可支持 4 次雙精度運算。這最終帶來了 3 倍的速度提升。雖然我不會給出具體的代碼細節(jié)，但如果是使用單精度浮點數(shù)進行同樣的測試，AVX-512 的速度提升是 10.1 倍，而 AVX2 則為 6.3 倍。

一個需要注意的重要細節(jié)是，在上文的代碼范例中為了方便說明（也為了在測試時能有明確的控制），我使用了原有的 AVX-512 向量指令。實際上，現(xiàn)在的編譯器很擅于對合適的標量循環(huán)進行自動向量化，且在大多數(shù)情況下，你除了選擇更高層的優(yōu)化（通常是 -O2 或 -O3）以及指定正確的架構和/或指令集標記外不需要做任何事。另一個可選項是鏈接到向量優(yōu)化庫。英特爾的 Math Kernel Library（MKL）對 AVX-512 進行了高度優(yōu)化，我被告知蘋果的 Accelerate 框架也已經針對 AVX-512 進行了優(yōu)化（更多的改進未來還會有）。

最顯而易見的問題，其實我以上的測試并沒有直接給出答案，即 iMac Pro 和往年的標準版 iMac 相比，性能究竟如何。這里最相近的直接對比是我的 2013 版 iMac，但和它相比已經落后幾代了。即便如此，我還是拿到了一些關于 2017 版 iMac 的 4.2GHz 四核 Core i7 處理器的有限資料。盡管 2017 版 iMac 在單核表現(xiàn)上比 iMac Pro 稍快一些，但隨著更多核心的參與，性能表現(xiàn)漸漸持平，到四核的時候 iMac 的優(yōu)勢不再。從四核到十核，iMac Pro 一路絕塵而去。如果你要利用 AVX-512（標準版 iMac 不支持），iMac Pro 更是直接超越。這樣的強化是 iMac Pro 的其中一個主要優(yōu)勢 —— 工作站級別的處理器相比標準版 iMac 所能提供的，可以利用更多的核心，更先進的處理功能，以及更大、擴展性更強的性能極限。另一個關鍵優(yōu)勢是內存容量和圖形能力。如果你的工作能受益于其中任何一樣，那么 iMac Pro 就是自然而然的選擇。

我寫稿時，蘋果仍然沒有公開 iMac Pro 產品線的完整價位，只提到搭載八核處理器、32GB 內存、1TB SSD 和 Vega Pro 56 圖形芯片集的基本款起售價是 4999 美元。價位上最相近的對比是 27 英寸 iMac，售價 3699 美元，但處理器和圖形芯片集差了太多。

少了四個核心，整體上還有其他劣勢。因此結合上文來看，多花 1300 美元入手 iMac Pro 是根本不需要考慮的。有趣的是高端機型究竟會是怎樣的價格，尤其是十八核版本，但如果按照入門級的價位這么延伸下去，那對那些想要購買工作站級 Mac 的人們來說可是一大筆錢。只要注意，錢包可別燒起來就行了。