一周的 M1 MacBookAir 使用体验

M1

上周上个月预定的 m1 处理器 MacBook Air 终于到货了,到目前为止大概用了一周多点的时间,简单聊一下使用的体验

# 为什么买?

其实在此之前已经有了换电脑的打算,一直用的公司平配的低配 MBP,永久了不是很舒服,又卡又要天天清理硬盘,自己有一台台式机(放在家用于玩游戏)和一台 New Surface Pro(2017 年款,也是比较卡),工作时被各种问题折磨的有点难受。

之前听说要出 MBP 14 英寸的版本,一直等啊等。结果没有出 14 英寸,而是出了这个新的产品。

很多人可能对 arm 好感度不是很高,因为之前微软的 Surface Go 系列不是那么成功的样子,不过个人觉得苹果出东西一般都是做的差不多了才会推出来,而且 ppt 上确实吹的挺厉害的 👀️。

于是就订了 16G + 512G 8 核 GPU 版本的 MacBook Air,不买 Pro 一方面是因为不太喜欢 TorchBar 一方面是因为很喜欢各种无风扇的设计,之前买的 Surface Pro 也是 i5 无风扇的版本

# 关于性能

在第一批 8G + 256G 的 M1 芯片 MacBook 发货时已经有很多很多评测了。

当时最常见的评价就是:

剪辑视频比 i9 的 iMac 还要强,哇塞不哇塞

但这个东西,我当时的内心状态是我既没有能产生 x265 的设备,又没有剪辑视频的需求,你说厉害,那我也就跟风呱唧呱唧,但是到底有多厉害,我心里读不出来这个标准。到货之后才真真切切的感受到了与原来 Intel 芯片的 MBP 的差别。

# 💁 日常软件

# Safari

不得不说,Safari 在自家平台是非常强的,不管是加载还是滚动操作,都灰常丝滑,有一种 iPad Pro 2018 刚到手时的那种震撼感。都是没装扩展的情况下,相比而言刚刚支持 M1 处理器的 Google Chrome 就没有 Safari 那么顺溜,应该还是有优化空间的,现在的 Chrome 耗电,速度都比不过 Safari。

至于其他还没原生支持 aarch64 的暂时都没有试过。

# Final Cut Pro

我刚刚好像说我不会玩这个软件来着,但是鉴于看别人吹的那么厉害,就速成了一下 fcp 的基本操作,去淘宝上买了个账号下了 fcp motion compresser 三件套。

嗯嗯,试着给一个游戏视频加了个背景音乐,导出是挺快的,几十秒吧。

fcp 这个导出半天看不明白,教学视频里有导出 .mp4,在自己电脑上就是找不到,只能导出 .mov,不是很理解,不会玩。不过我发现了剪辑软件的一大乐趣,就是光标在时间轴上来回滑,看预览窗口里快速切换的画面,加上耳朵里滋啦滋啦的声音,它大概确实处理的挺快的吧。

# 💻 编译

提示

终于说到了和工作有点关系的东西了

关于这部分的体验对我来说只有 2 个字,那就是惊艳

首先,公司项目的需要,我手动编译了 OpenCV, mupdf, PyTorch。以前用公司的 MBP 编译 OpenCV 差不多要几十分钟的时间,新电脑只用了不到 10 分钟就完成了编译。PyTorch 也只用了十几分钟就编译完成了,以前我都没敢去试编译 PyTorch(其实也是因为没必要试)。C/C++ 项目的编译时间快了好多好多。印象里比我用台式机(9900K)还要快。

还有一个很明显的例子,就是编译这个本周末搭起来的基于 VuePress 的静态博客。

使用台式机 (9900K + Samsung 970Pro):

vuepresspc.png

使用新 MBA:

image.png

MBA 比台式机还快了一点。突然想起以前在公司写前端时,按一下 cmd + s,等着 webpack-hot-loader 编译了 半天再出结果的凄惨画面。webpack 速度快的话,编码的过程会舒适好多好多。

至于用 maven 编译 Java 项目,相比老的 MBP 也快了挺多的,这个我觉得和内存/硬盘速度关系应该挺大的,毕竟有个打包成 fat jar 的过程。

# 关于兼容性

推荐两个网站,上面能够查到各种软件对 M1 芯片的 Mac 的支持情况。

  1. https://doesitarm.com/ (opens new window)
  2. https://isapplesiliconready.com/ (opens new window)

另外聊聊工作中遇到的兼容性问题。

  1. JNA (opens new window) :暂时没有直接支持,这个解决比较简单,手动下载源码,生成 jni 的 .h 文件(这东西原生是用 ant 编译的,不想再折腾直接就用 Javah 生成了,编译生成 jnilib,然后启动的时候指定环境变量,使用自己生成的,这样就既不改代码,又能跑起来了)
  2. libtorch (opens new window):新版的 PyTorch 1.8.0 支持了 M1 芯片,PyTorch 的 issue 里有个在 tensorflow m1 版本的基础上编译 PyTorch 的教程,感觉这个操作还是挺骚的。可惜就是以前用 PyTorch 1.4.0 生成的模型文件不能直接在 1.8.0 版本里使用,需要重新生成(训练)。

周末 Docker 和 Parallels Desktop 都 发布了针对 M1 芯片 MAC 的预览版,测试了一下完成度还可以。微软的 Windows 10 for ARM 21277 新增了 AMD64 到 aarch64 转译的功能。

以后就可以在 ARM MAC 上运行 ARM Windows 运行 x86_64 的 windows 程序了,想想还有点小激动,bilibili 上都有人玩起来 LOL 了。

# 小总结

这次新出的 H1 芯片 Mac 相对于此时的其他机器挺香的,长时间续航 + 高性能,目前兼容性也问题不大 😄😄😄。

# 结尾的一点点吐槽

可能因为这次媒体的评价过于高了吧,看到网上有些以前不用 Mac 的人也买了 M1 芯片的 Mac。然后他们的有些吐槽真的是让人感觉好笑又说不出来话。”他们都吹 Mac 的触摸板,我看 Mac 的触摸板就是辣鸡,这次我买 Mac 了,就不会被别人说是云用户了“,结果那个人对触摸板的理解只有左键右键和移动。

认真的讲,如果你面对一个对你来说的新的事物,潜意识就觉得它不行,自己的经验是最对的,满脑子就是去找黑点的话,你永远都不会发现它的优点。世界很美,但缺少发现美的人,保持一个虚心的心态,才能收获更多。

上次更新: 2021/05/08, 10:40:47
最近更新
01
Apple Silicon 上关于 CodeSign 的 bug 及解决方案
01-10
02
重新把博客捡起来
12-19
更多文章>