苹果 PowerPC 时代，我在上高中。那时有件事我印象很深刻。当时我们班有个很懂计算机的人，拿着一本计算机杂志，跟我安利 iMac G4，说你看这个电脑多好看啊，多牛逼啊，比 Windows 电脑不知道好看了多少倍。而且他还跟我强调说，你知道吗？这台电脑的 PowerPC 处理器比你们奔腾处理器快 2 倍。

我当时还是个高中生，根本不知道什么是 PowerPC，我当时就只知道 Intel 的奔腾处理器（还听说过 AMD），听他说完就觉得苹果好牛逼；而且他那么懂电脑，他说快 2 倍，那就应该是 2 倍吧。iMac G4 用的处理器是 IBM 的 PowerPC G4（具体应该是 PowerPC 7445 之类）…

苹果芯片的精准制导

其实“快 2 倍”这个说法，好像也是当年乔布斯在发布会上吹出来的（也可能是当年某本苹果杂志的编辑写出来的）。最早苹果在宣传广告中提到，PowerPC G3 比当时的奔腾 II 要快 2 倍；后续说 G4 比奔腾 III 快很多；G5 比奔腾 4 快很多。差不多就是这样。（我高中时期，时代一脚刚刚跨入到奔腾 4 等灯等灯）

当年乔布斯曾经公开对比过 Mac 和 Windows PC，对比的方式是双方自动执行一组 Photoshop 任务。当时 Mac 以快得多的速度完成工作，碾压奔腾处理器的 Windows PC……当年奔腾正在搞超长流水线，处理器主频不知道飞跃到哪里去了。PowerPC 那会儿走的线路更偏宽核心，频率是低很多的。苹果那一时期还做过一个叫“The Megahertz Myth”的宣传，主要就是教育公众，别迷信时钟频率。

这事儿吧，其实有一定的道理。不过乔布斯的这次对比，PowerPC 的胜出，主要是因为 PowerPC G4 处理器配了个 AltiVec 加速单元，这是个 128bit 的矢量处理单元，可以单周期内执行 4 路单精度浮点数学运算（或者 16way 8bit/8way 16bit 之类），而且还是超标量设计，同时可以执行 2 个矢量操作。Photoshop 就能充分利用这个单元。AltiVec 效率比那会儿的 MMX 扩展指令要高。

就这个角度，也能一定程度解释，为什么现在的 iPad Pro 剪视频那么流畅，但桌面 PC 同等操作下却没那么快。这其实跟处理器设计的思路有很大关系。我觉得这么对比，并不存在什么公平不公平的问题。而且奔腾 4 当年在路子上的确出了比较大的问题。

只不过你不能就此得出一个结论说，PowerPC G4 就比奔腾 III/4 快多少。那现在，我们是不是也可以只对比一下充分利用 AVX512 的特定任务，来让 Intel 和 AMD 比比，后者会不会被 pia 出银河系吗？这是不合理的。

拿某些固定工作单元去比性能的意义，其实没那么大，尤其是对通用性很重要的 CPU 而言。这一例中，且不说究竟有多少程序代码能用上 AltiVec 单元（就像现在很多人质疑 AVX512，说用不到它）；应该要比的还是日常消费用户比较频繁的操作，在效率上怎么样。苹果日常就非常善于呈现一些他想让你看到的数字，虽然没在说谎，但也未展示事物全貌。

我觉得，在 CPU 通用计算发展思路，该用的技术基本上都用过一遍以后（比如乱序执行、分支预测、超线程等近代技术），CPU 单线程性能推进本来就遇上了瓶颈。这时候是需要引入专用处理单元的，这也是一个常规思路——典型的像是在 GPU 领域，NVIDIA 为光线追踪引入了专用处理单元，这是提升性能和效率明显收益更高的方案。

苹果面向消费用户，或者目标群体时，一向都十分清楚自己需要针对硬件（或软件）做什么样的强化。所以事实上，苹果自己掌控处理器的设计，对目标群体的确是一件好事——就像它也掌控操作系统和软件一样。比如历史经验告诉我们，大量 Mac 用户用苹果电脑来剪片子，而 Final Cut Pro 在软件优化上的苹果平台加成，就是 Premiere 和 Davinci 都望尘莫及的，不管是视频编辑时的实时渲染、编码预览，还是输出速度。硬件层面为此若进一步做加成，还能再度提升效率。

iPad Pro 实现一些简单视频后期，效率明显比 x86 的 MacBook 更高，即是这一思路的集中体现。不过我也始终觉得，这种思路是有明确目标用户定位的。大部分人，并没有这些需求，如果我压根儿不用 Photoshop，那么像 AltiVec 这样的专用单元只能成为一种资源浪费。至于很多人，把这类思路解读为苹果在芯片设计上的黑科技，那也大可不必；毕竟 Intel 在服务人群的思路上和苹果是大相径庭的；就像高通也不可能面向 Android 阵营极为草率地，推出一颗性能与苹果 Ax SoC 相当的产品一样。

Arm 效率真的高过 x86 吗？

自从苹果宣布 Mac 要开始用 Apple Silicon，就一大堆媒体说了，看那个 iPad Pro 牛逼坏了——A12Z，一个功耗那么一点点的处理器，性能那么彪悍了，要是苹果给它提个主频、核心数，那岂不是立马把 Intel/AMD 之流轰出地球了吗？

有关这一点，早前的文章《MacBook 要采用 Arm 处理器，难度有多大？》我也用一个段落提到过，即 A12/A13 这些芯片的能效比，似乎还挺美好的。但实际上，如果苹果给这些芯片暴力提频，提到桌面处理器的程度，则其功耗和能效也会立马崩边——因为频率提升，越往后，给功耗带来的压力就会显著更大，而不是平缓变化的。当然我觉得这种描述略有些片面了。

我们还可以来看看 Cortex-X1 的设计——就是前不久 Arm 发布的一个微架构 IP。这个微架构被 Arm 设计出来的初衷，很大程度上就是面向高性能的。而且需要注意的是，它是以一定程度牺牲功耗和能效，来提升性能的——这跟 Cortex A78 的设计就很不一样。Cortex A78 是纯面向移动平台的那种传统核心，就是必须在 PPA 上做权衡，面积、性能、功耗都必须考虑在内，做到针对手机这类设备尽可能的最优解。

但 Cortex-X1 的指导思路就不是这样。Arm 给的一些数据是这样的：相比 A77 在相同频率下，X1 的峰值性能提升 30%。具体应用中，X1 的提升理论上还会更大，因为频率肯定比 A77 要高。不过 Arm 基本没提功耗和面积的事情。AnandTech 预计，X1 的核心大约会比 A78 大出 50%，包括 L1 L2 cache 部分；功耗估计也要多出这么多。

AnandTech 认为，在实际实施方案里，这个数字可能会更大，X1 的功耗可能会达到 A77/A78 的两倍；能效（energy efficiency）会比 A78 差大概 23% 左右。不过讲真的，这根本没什么大不了。Arm 现在大部队都期望去攻占 PC 平板市场，X1 也符合这种设定。

但这至少表明了 Arm 并没有什么黑科技，像很多人想象的那样，跟 Intel x86 比起来效率高到天上去——上面这些数据还是在台积电的 5nm 工艺不要出什么大纰漏的情况下；Arm 要做高性能，牺牲效率和功耗也是必须的，这事情真不像很多人想的那么简单，苹果做个高性能处理器就等比放大下 A 系列处理器就可以的。

之前我写 Mac 要用 Arm 处理器有多难的时候就提到过了，性能提升和功耗提升，这不是线性的关系。把 A12Z 提到 3GHz 频率，你看它功耗会崩到哪里去…

所以针对以上段落的总结是：苹果给 Mac 上自家芯片自然是好事——这里的“好”，体现在苹果收拢自家生态，Mac 迭代节奏也能完全掌握在自己手里；更重要的是，面向目标群体（比如做设计的、vlogger、搞摄影的等等）实现硬件层面更高效的支持，因为苹果可以更具针对性地去做硬件和芯片，Mac 设备的体验也因此可以更好。这也是苹果一直以来，对生态掌控力的固有经验——iPhone 即是这个思路下的产物。之所以等到现在，Mac 才使用 Apple Silicon，也是因为苹果现有的技术储备已经足够。

但这并不意味着，其芯片技术领先到了哪里去，更不表示 Arm 现如今在桌面市场比 x86 平台已经表现出了多大的技术优势。

番外：苹果需要做几颗处理器？

苹果用自家处理器，另一个我觉得挺现实的问题是，Mac 产品线有那么多不同的产品，比如 MacBook Air/Pro、iMac、Mac Pro 之类。如果要全线用自家芯片，那是不是要做一堆不同型号的处理器出来？

好吧，就算苹果能通过芯片体质的 binning 来自己划分个 A14-a，A14-b，A14-c 几个档位的 SoC 出来（比如针对较弱体质的就屏蔽掉两个核心之类的，或者用更低的频率，用在低端产品线上，那这样还节约了设计成本，桌面 CPU 本来也是这么搞的嘛）。问题是，Mac 一年的销量才多少（而且还要划分不同设备类型的不同芯片）？

之前的文章《摩尔定律失效，FPGA迎来黄金时代？》曾经提到，用尖端工艺去设计和制造芯片，所需耗费的成本不菲——这个成本并不是哪个行业都耗得起的，就算是汽车产品，其出货量也走不起最尖端工艺的量（汽车销量爆款能达到百万就很不错了）。iPhone 之所以能用自己的芯片，而且性能炸裂，一个很大的原因是 iPhone 的年销量非常高。所以苹果能走得起最先进制程工艺，比如现在的 7nm 制程。iPad 本质上是沾了 iPhone 的光，设计成本和制造成本都可以有效控制。

Mac 年销量才多少？开一个 5nm 的产线要多少钱？如果走不起量，就不可能用得起最先进的制程。去年 Mac 全产品线的销量是 1800 万台左右；iPhone 预期是在 1.9 亿部上下。这个就有 10 倍出货量差距。

如果给 Mac 重新设计高性能处理器，这里面的设计成本负担其实也非常高，尤其是配合每年的最先进制程——每年还要迭代，苹果又不是专门做芯片的，没有客户摊薄成本（这一点和 Intel、高通这些厂商就显著不同）；生产成本已经说了，走不走得起这个量，我觉得有兴趣的同学可以算一下（苹果肯定也算过这笔账了，或者苹果有某种高端的解决方案，衰 O_o）。

当然苹果也可以不去刻意设计高性能处理器，比如跟 iPad 用一样的处理器，或者也就改个款，或者可能有什么黑科技，规模化放大设计（有了解芯片设计的朋友跟我说，有这样的可行性）…那我觉得这样的话，至少就现在来看，苹果的 A 系列芯片起码在通用性上，日常操作在 Intel 面前真没什么特别的效率、性能优势（虽然 Intel 现如今正在渡过自己非常难堪的一段时间）。

另外，在 GPU 方面——看很多分析文章提到，未来苹果极有可能完全采用自家集成在 SoC 内部的 GPU，放弃 AMD 家的独立 GPU 设计——这一点从苹果现在的开发者文档能看出些端倪，AMD、NVIDIA 统统被苹果归到旧款 Mac 设备行列了，这也符合苹果一贯以来的尿性；毕竟苹果的 Metal API 也搞这么久了。如果是这样的话，Radeon GPU 还真是做了这么长时间的嫁衣——可见老黄不愿意支持苹果 Metal API 的决策是正确的…（逃

这篇文章谈的比较散了，真像 Intel 的软文——实际上，我的确不希望 Intel 在 PC 市场没落。

欧阳洋葱

Stay at home, Pork, Editor, Semiconductor, Imaging, Milk, GAY, Zhuangbility, AB blood type

长者的裤腰带比你们，不知高到哪里去了

我常用的播客 App Castro 今天发了一条声明，表示自己被墙，国内已无法访问。

而且，Castro 发完英文声明后，又用谷歌翻译发了一条中文声明，特意来告别它的中文用户。其中一句无心之语译得颇为传神：

时代已经黑了。

Castro 随后又发推文表示为使用谷歌的不当翻译道歉，但在大多数人看来，这大可不必。我想 Castro 本意是想表达客观环境太过黑暗与压抑（times are dark），而谷歌用直译（时代已经黑了）看起来只信达却不雅，但这种最直接、粗暴的蹩脚翻译反而将对现状的无奈与控诉放大到极致。

对于国外的泛用型播客客户端，大部分人的选择会集中在 Castro 和 Pocket Cast 二者。这两款我也都有使用，不过还是前者更能让我满意，Castro 类似邮件归档的产品形态确实更适合订阅大量播客的人。

Castro 被墙其实并不让人惊讶，因为不久前，它和 Pocket Cast 都被从国区下架。

Castro 发完这条推文之后，我也带了评论转发：

卡斯特罗不行了，切格瓦拉呢？

这让我想起很多年前的远古互联网，那个时候有个贴吧叫李毅吧。李毅是一名足球运动员，他的一些直言语录在当时经常招黑，但黑着黑着，人们就慢慢接受了他的这种处事态度。有人说，这是屌丝主义，还有人说，这是解构主义。

李毅说过太多的名人名言，但我记得印象最深的还是 2005 年，深圳健力宝教练迟尚斌和俱乐部、球员间龃龉丛生，最终下课。随后记者采访李毅，李毅沉吟后说：

天亮了。

《人物》关于艾芬医生的这篇报道，又一次激起了人们的愤怒，报道在微信被删后，网民开始用各种方式「接力」编辑，表情符号、古中文、日语、韩语、倒写等各种方式重新在微信公号发出，发出来别人能否看懂已经不重要，重要的是用这种形式表达反抗。

艾芬在采访中表示，自己不是吹哨人，而是发哨人。下面这句有点粗暴的话语比较能代表她的态度，也在网上广为传播：

早知道有今天，我管他批评不批评，老子到处说，是不是？

前期防控疫情不力，遮掩，导致疫情严重扩散，病人难受，被隔离的普通人失去了正常生活，也跟着难受。

于是，人们在看到这些人，为我们发声，用自己的专业知识提前预警，反而受到了不公待遇，自然会产生怒火。或者说，这是一种典型的愤怒剧本：古代君主听信小人谗言，误杀良将，导致民不聊生。当有人把小人污蔑良将的全过程还原时，人们自然愤怒难当。

阵地只有微信了吗？

以上可以理解，但下面的不好理解，也容易被忽视：为什么网民的接力「到处说」，仅仅局限在微信中？

一个公号倒下了，另一个公号站起来，以此类推。但为什么我们的互联网阵地现在只有微信一个了，这是从什么时候开始的？

虽不是从这几年才开始，但微信确实是一个标志。随着人们习惯在微信看东西，写东西，而不只是聊天。微信的账号体系也逐渐融合订阅关系，加上完善的广告变现路径，这是博客的进步，也是 RSS 订阅制的进步。除了外链和审查之外，公众号是优秀的产品。

我们其实大多时候可以容忍这两个缺点。或者说不知不觉，为了方便，主动去拥抱这样一种阅读、写作关系。

只不过，这两个缺点概括下来，就是不自由。

自由并不是无拘无束，什么都可以干，而要在一定界限内试探，知道哪些事不能做，哪些事能做。

微信有监管，但并不是法律条例那种层面的监管。所以尽管你看到某篇文被删后，显示的红色感叹号及说明文案，你仍很难知道文章中的哪些字是不应该发的。只能猜测，那些容易引起大多数人负面情绪的文字就是「违规」的，而微信作为平台方，有最后的裁决权，用户，写作者则是弱势的一方。

有必要而且很重要的纸飞机

现在，微信已经完全等于互联网了吗？差不多是的，就像网民的身份证一样，微信把人们的吃喝玩乐基本上都筐进去了。

还记得，某社交产品，某协作产品被微信「封杀」，指的就是不能在微信中分享其链接，当然，人们可以复制链接到浏览器打开，但是这样古老又不方便的习惯，人们或许已经不记得，不适应了。

人们爱谈微信红利，都希望从中借力，增长自己的产品。而且大势所趋，不是每个人都会自己建网站，也不是每个人都会折腾自己的网络设置来开心上网，也没必要。

如果一个东西没必要，我们确实不应该做。但如果有必要，而且还很重要，我们只是忘了技术实现以及它的名字，那就应该再将它提上日程。

疫情期间，很多公益组织用协同文档写防范手册；用协同表格收集需要帮助人的信息，并对接；那些被删掉的报道，也会以「公开」「可读」的协同文档存档传播。其实这就是 Web，只是大家现在不怎么提了而已。

Web 并不只是一个网页，一个公开文档，而更像是一封信，人们在上面写写画画，然后折成纸飞机，飞到另外一个人手里，再飞到更多人手里，让更多的人分享知识与信息，而且，扔飞机时，没有人拦你胳膊，抢你飞机，这就是 Web。

所以，如果下次还有类似的接力「到处说」，能不能好好回忆下，我们的阵地可能不止微信一个，我们还有 Web，技术好像也没那么难，那些会用协同文档的人，能不能试试通过这些页面分享给别人，除了微信，还有 QQ，短信，甚至电话，面谈。

最重要的是，我们要认清，我们不只有一个阵地，也确实需要更多的阵地，集中抱团是最危险的行为，因为这样，对方一个大炮，我们就被轻易消灭了。

王隐

在笔记本或者超级本市场上，处理器有个概念叫“低压”，再转义一下也就是 TDP 功耗比较低的处理器。低压 CPU 一般是专为超级本设计的，它所专注的市场在低功耗、高能效比、长续航，以及不可避免的就是性能更差。

在之前针对无风扇 Surface 的分析文章里，我大致提到了低压 CPU 的性能表现怎么样，其实很大程度受制于 PC 本身的散热设计[1]。“超级本”这个产品门类本来就十分考验 OEM 厂商的系统与散热设计能力，因为超级本必须很轻、很薄，这与散热系统越大越好是相悖的。所以在合理的空间内做到高效的散热（与科学的 CPU 频率调节），让 CPU 在更长时间内处在低温环境里，那么其持续性能就会明显更好。

在我之前的那篇文章里，我们还提到了 PL1/PL2 长时与短时睿频时间的问题。现在很多的酷睿 i7 低压超级本，在一个较短的时间里，都允许低压 CPU 将 TDP 功耗临时抬升到 45W/51W 这种水平。也就是在很短的时间里，这些低压超级本有一个变身为标压笔记本的机会——有时是半分钟不到，有时是几秒钟。那么至少在这几秒的时间内，低压 CPU 就成了标压 CPU，性能有了与标压 CPU 短时竞争的机会。

那么如果我们假定有这样一款超级本，散热设计逆天，而且我们还不用考虑功耗、续航的问题，那么当低压 CPU 的睿频时间无限久时，它是否就已经成为了一款标压 CPU 呢？或者说，如果把一颗低压 CPU 塞进一台散热设计十分出色、热设计功耗限制比较小的游戏本里，它是否可以当做一颗标压 CPU 来用？因为镇压其温度蹿升的散热系统已经完全可以承受住其睿频的发热了。

为什么 MacBook Pro 13 那么早就有雷电接口？

实际上，这个想法虽然有一些问题，但似乎还真是有一定的可操作性。当代比较知名的一个具体产品是微星 Prestige 15，这是一款采用十代酷睿低压处理器（Core i7-10710U，六核心）的笔记本，虽然配了 GTX 1650 Max-Q 这样的独显，但它从三围到可移动性，都不是一台高性能笔记本或者游戏本（好像对 Max-Q 来说算是废话）。

现在很多厂商都喜欢推某一类中间形态的产品，即轻薄性比不上真正的超级本，性能比不上游戏本或者移动工作站，但处在某种中间状态：即它仍有轻薄性可言，但也有性能可宣传（不过貌似很多同类产品多考虑采用标压移动 CPU）。Dell、Razer 之类都有类似的产品，价格其实也是比较高的。

Prestige 15 的特点就是心怀一颗低压 CPU，但其持续性能发挥和标压的酷睿 i7-9xxxH 系列差不多。这和这台笔记本的散热设计、调节机制之类是分不开的，让低压处理器在绝大部分任务场景中发挥出标压处理器的水平。

只不过当超级本十分轻薄时，这种条件是难以达成的，尤其是局促空间的散热和续航要求就不允许。而且除了上述差异外，至少我所见移动低压 CPU 与标压 CPU 还有两个很大的差别：

1. 低压 CPU 更贵
2. 低压 CPU 还阉割了一些 I/O 控制器

说得有逼格一些，I/O 属于 uncore 部分——Intel 针对低压 CPU 的 I/O 阉割似乎是一路推进的。uncore 的部分阉割，让 CPU 核心部分能够分得更多功耗资源，这对低压 CPU 这种资源原本就比较紧张的产品来说也是重要的。

如果你有在关注 Intel 在低压处理器上的变化应该就知道，Intel 直到如今的第十代酷睿（Ice Lake）才加入了对 Thunderbolt 雷电的支持（同期还有支持 Wi-Fi 6）。估计对很多人来说，雷电接口根本就不重要（比如我），所以不会关注这种问题（甚至觉得 I/O 什么的，也不是很重要）。

不过其实我们仔细想一想，同样采用低压处理器的苹果 MacBook Pro 13′ 似乎从 2016 年开始就有雷电接口了，所以这是怎么做到的？

在当代已经不怎么说“北桥”和“南桥”的时候，有个叫 PCH（Platform Controller Hub）的东西就出现了——最早可以追溯到 2008 年。PCH 可以看做是南桥的“迭代”，很大一部分 I/O 功能是在 PCH 上面分配的。比如下面这张图，比较小的那一块 die 就是 PCH（现在应该不会以这种形态出现了）——这颗 PCH 芯片跟 CPU 是封装在一个基板上的，PCH 也可以独立放在主板上。

对当代低压 CPU 来说，PCH 是集成在整个封装上的（似乎是从 Haswell 开始的），而不是像标压 CPU 那样采用独立 PCH 的形式。PCH 这部分一般相较 CPU 本身，会采用差一代的制造工艺，比如十代 Ice Lake 酷睿 CPU 的 PCH 用的就是 14nm 工艺，而非主体部分的 10nm。

上面这两张图是 2016 年末 15 寸与 13 寸版 MacBook Pro 在 PCH 与 I/O 上的分配。需要注意的是 15 寸的 MacBook Pro 使用的并非低压版 CPU（图 1），而 13 寸则为低压版 CPU（图 2，所以 13 寸的 MacBook Pro 其实一点也不 Pro）。不难发现，当时的第六代酷睿（Skylake）低压处理器自身连 PCIe 通道都没有，而 PCIe 控制器是挂在 PCH 上面的——当时的标压版 CPU 没有这方面的限制。

所以早期 MacBook Pro 13′ 的雷电接口是依托于 PCH 实现的。而且这其中还有两件事值得一提：对标压 CPU 而言，PCH 与 CPU 的连接采用 DMI x4，基本等同于 PCIe 3.0 x4——这真的只能算是个小水管，不过其实问题不算太大，因为标压 CPU 本身不需要依赖 PCH 就有可直连独立 GPU 的通道（当然还有内存控制器），还有额外的 PCIe 通道可支持雷电接口之类；PCH 则负责 SSD 存储、低速 USB、WiFi 等等。

但低压 CPU 这边的情况就相当捉襟见肘了（图 2）。低压 CPU 自身没有 PCIe 通道（也没有为独立 GPU 准备的通道）。如此一来，单纯依靠 PCH 来挂一大堆 I/O，包括雷电 3 这种带宽需求量大户（甚至可能是独立 GPU），再依赖一根小水管连接 CPU，那么带宽资源是可能出现争抢的问题的。

另外，低压 CPU 与 PCH 连接的 OPI 总线（On Package DMI interconnect Interface），根据不同的选择，有时仅有标压 CPU 的 DMI x4 的一半带宽（2 GT/s），就会让问题进一步恶化。这其实也是低压 CPU 在选择低功耗时付出的一部分代价。

如此便不难理解，MacBook Pro 13′ 虽有 4 个雷电接口，但其中有两个是半速接口，只占用 PCIe x2 lane，因为如果真的都用全速接口的话，加上 SSD 之类，更多 I/O 将没有带宽资源可用。（似乎有一些缓解技术出现，比如针对无线的 CNVi）

一款奇特的设备：Surface Book 2

这其中有个话题是值得探讨的，即 Intel 的低压 CPU 如今根本就不给独立 GPU 留通道。所以如果某台采用低压酷睿处理器的笔记本要用独立 GPU，那么这个 GPU 实则是挂在 PCH 下面的——或者说得再夸张点，是挂在南桥下面的（听起来有没有很惊悚）。

低压 PCH 到 CPU 的 OPI 总线带宽瓶颈，也就基本决定了低压超级本不大可能采用什么高级的独立 GPU。所以绝大部分在宣传上采用所谓“独立显卡”的超级本，也就配个 MX150/MX250 这种在我看来聊胜于无的 GPU，毕竟由于其性能本身也不怎么样，对带宽的需求自然就比较低。

最新的 Ice Lake 十代酷睿的 PCH-U（495 系列芯片组），在 PCIe 的扩展上通道数是 16 个（全部 16 个高速 I/O 都可配为 PCIe，Comet Lake 好像也是这样）。相比之前的八代有了升级，似乎是一种更加灵活的搭配，比如现在 PCIe #1-#6 也皆可配置为 USB 3.2 [2] 。以前都是有 4 条固定配置给 USB 3.0 的。好在这次的低压 CPU 本身有一个 USB Type-C 形态支持的雷电 3，这也给 PCH 释放了压力。

Intel 官方介绍中说十代酷睿的 PCH-U 至多 16 条 PCIe lanes，也就是最多 6 个 PCIe 设备可接入，当然前提就是 USB、GbE 这些也都别用。SSD 要占掉其中 4 条 lane，不知是否有选择在十代酷睿上给独立 GPU 分配更多条 PCIe lane 的，理论上独显依然只能分得 4 条 lane（单个 PCI-e 设备最多好像也只能分配 4 条 lane，每 4 条就一个 PCIe 控制器）。

七代和八代酷睿的情况比这个还要捉襟见肘，可配置的 PCIe lane 一共就 12 条；如果还装配独立 GPU 的话，那么独立 GPU 理论上可能会和 SSD 争抢带宽资源——十代针对这个问题的改进应该也是没有的，因为 CPU 到 PCH-U 的连接小水管带宽依旧不变。当然，或许在具体的使用场景中，并不存在 PCH 挂载高速设备争抢带宽的问题，但起码 OPI 的带宽局限还在，所以无论如何都不可能采用什么高端独立 GPU 了——要知道 GeForce GTX 1080 用 PCIe x8 尚且略微有些悲伤了。

似乎在这么多超级本（或采用低压处理器的笔记本）中比较奇特的一款就是 Surface Book 了。众所周知的是，这款设备在 dock 部分可选配独立 GPU。Surface Book 在很多人的心目中，定位都是高性能移动工作站，但实际上即便是 15 寸 Surface Book，都仍在用 Intel 的低压处理器。

高配 15 寸 Surface Book 2 可选配的独立 GPU 是 GeForce GTX 1060（处理器是 Core i7-8650U）。无意外的是，这颗独立 GPU 也没有直连 CPU，而是挂在 PCH 下，占用通道 PCIe x4。这看起来还是个颇为奇葩的搭配方式，好像市面上还没有 OEM 厂商为低压处理器超级本选配这个规格的 GPU，毕竟 GTX 1060 是部分游戏本才会选择的独立 GPU。

只不过也的确没有听人说过它放在 Surface Book 2 身上存在什么带宽压力：似乎受制于 Surface Book 2 自身的功耗与温度限制，它身上的 1060 相比同样搭配 1060 的其他标压笔记本，游戏性能明显更糟糕[3]。

NoteBookCheck 认为，原因应该在 Surface Book 2 自身的功耗限制上，但好像网上也有人将其归咎于带宽资源受限。

我觉得可以这样对比：13 寸 Surface Book 2 独显选配的是 GTX 1050（处理器和 15 寸一样）；如果看 NoteBookCheck 的图形测试跑分的话，和同样选配 HQ 标压版的机型差不多[4]；更重要的是实际游戏测试中，13 寸 Surface Book 2 也与其他选配 1050 的标压笔记本差不多。所以低压超级本选配 1050，大约在游戏上是没有受到带宽限制的。

不过很奇特的是，针对 15 寸 Surface Book 2，NoteBookCheck 竟然没测图形跑分成绩，而只是跑了跑游戏——并表示游戏水平和同 GPU 配置的其他机型有帧率上的差距。这就让人无法判断这种差距主要来自哪里。另外就是游戏大概还好，不知做 CUDA 计算数据量大时，情况会如何，估计 GTX 1060 就是低压 CPU 在选配独立 GPU 时的极限了吧。

另外就是，也正因如此，PCH 被占得如此之满，Surface Book 2 也就完全没可能再配 Thunderbolt 3 接口了。如此，你还会觉得 Surface Book 2 算得上移动工作站吗？

玩游戏还是买个游戏本吧

本来还是想花点笔墨再说说 Intel 十代酷睿（Ice Lake）的 Iris Pro 核显提升，以及 AMD 不同体系下对于独显的支持，以及 AMD 独立 GPU 本身吃更多带宽的特性的（所以似乎并不存在 Intel 低压本选配 AMD GPU 的情况）。不过感觉有点太废话了，还有前面提到微星的 Max-Q 搭配也不多说了。

其实这一代核显的 G7 最高配，也就是 64 个 EU 的版本，图形跑分已经介于低功耗版和标准版 GeForce MX150 之间了，而且功耗表现也很优秀；但实际游戏测试就不难发现，没上 eDRAM 的带宽瓶颈，令 Ice Lake 在 GPU 和 CPU 同时跑的情况下，会发生主内存资源的争抢，令游戏画面有比较严重的掉帧，实际体验是比不上低功耗版 MX150 的。（推荐各位去看这篇文章：intel 10代酷睿移动版性能测试(四)—— IceLake-U 显卡篇[5]）

近期我在家用 Surface Laptop 3（Core i5-1035G7）玩《伊苏 8》这种甜点级别的游戏，大致上也有这种体验，中等画质下的流畅度表现是非常好的，不过一旦 CPU 同时要干点儿什么活，游戏的掉帧问题就会非常严重——等 CPU 干完活儿，帧率立刻又回来。这是个挺诡异的事情。

不过 Ice Lake 这代 CPU 的核显部分提升的确相比八代有了不小的提升，用来玩玩这种对性能要求不高的游戏也非常怡然自得。在这种情况下，类似 MX150 这种在宣传上还比较好听的独显，就显得没那么必要，即便它依然在实际性能表现上优于 Ice Lake 的核显。（MX350 似乎有不错的提升）

总体我想说的是，若选择超级本，大部分情况下就别想着玩什么高级游戏了，尤其是低压 CPU 还对高端显卡存在诸多限制。虽然这话说起来跟屁话似的。另外一点是，低压 CPU 即便在优秀的系统设计中可以达成标压 CPU 的性能水准，它依然存在很大的限制，独立 GPU 即是其中一部分。

最后补充一点，Ryzen 4000 Mobile 对 Intel 十代酷睿的屠杀估计很快就要开始了，如果你不是个技术爱好者的话，就导购的角度来说，现在也绝对不是购买笔记本的好时机。几天前，Intel 的首席财务官 George Davis 在摩根士丹利的会议上已经明确表示，自家 10nm 时代，再也没有当年 14nm、22nm 时期对竞争对手的优势了，而且是“not reach process parity with competitors until it produces the 7nm node at the tail end of 2021”，并且要到 5nm 节点上才能找回制造工艺的优势[6]。对这一点我还是不怀疑的，不过究竟是什么时间呢？

详情还可参见：PC处理器市场在变天：Intel的王者宝座还能坐多久？

参考来源

[1]聊聊无风扇的Surface Pro：性能比一般笔记本差多少？- WEB VIEW

[2]Intel® 495 Series Chipset Family On-Package PCH Datasheet Vol. 1 – Intel

[3]Microsoft Surface Book 2 15 (i7, GTX 1060) Laptop Review – NoteBookCheck

[4]Microsoft Surface Book 2 (13.5″, i7, GTX 1050) Convertible Review – NoteBookCheck

[5]intel 10代酷睿移动版性能测试(四) —— IceLake-U 显卡篇 – 孤独凤凰战士的小屋

[6]Intel Says Process Tech to Lag Competitors Until Late 2021, Will Regain Lead with 5nm – tom’s HARDWARE

欧阳洋葱

Stay at home, Pork, Editor, Semiconductor, Imaging, Milk, GAY, Zhuangbility, AB blood type

长者的裤腰带比你们，不知高到哪里去了

感觉这大半年参加芯片发布活动，观察一件很有意思的事：GPU 厂商说 AI 算力的时候，都喜欢拿自己跟 CPU 去比；AI 芯片厂商在说 AI 算力的时候，又很喜欢拿自己去跟 GPU 比。CPU 在 AI 时代成为了鄙视链最底层。看起来不仅绝对性能跑不过人家，而且能效比还差那么远。

好像只要参加 AI 芯片相关的会，一定会有人提 AlexNet 创世纪般的存在，也一定有人提 OpenAI 在 2018 年年中发布的《AI 与计算》分析报告[1]。因为里面说，从 2012 年至今，最大型的 AI training 计算量每 3.4 个月就会翻一倍——所以到 2018 年实际已经涨了超过 30 万倍。如果按照摩尔定律两年翻番来算，那么其实，2012-2018 年理论上芯片性能只能涨 7 倍。

看看，“只能”涨 7 倍，CPU 是应该哭一哭的——虽然实际上就摩尔定律，这里援引的数据都不准确，人家也不是说性能翻番不是？当然了，这些都不重要。重点在于，AI 算力需求这些年大幅攀升。

AI 芯片是某一类专用芯片

感觉这大半年我都在客观上探讨一件事，在刚进入 EE Times 不久，就看到 MIT 2018 年出的一篇 paper。这篇 paper 也在我这大半年写的文章里，被反复提及，题为《通用技术计算机的衰落：为何深度学习和摩尔定律的终结正致使计算碎片化》。在整体观点上，这篇 paper 其实还十分有趣。几个月前，我把这篇 paper 的观点做了浓缩和重构，再加了一些额外的料，构成了一篇《深度学习的兴起，是通用计算的挽歌？》[2]。

各位有兴趣可以去看一下，这篇文章真的细节动人、论据充分、观点鲜明、语句通顺……这里再总结一下，其实观点很简单，就是既然 CPU 现在性能涨幅这么小，工艺节点都难推进，那这条路差不多就快走完了；然鹅，还有专用计算这条路啊：就是针对不同的应用场景，咱们开发专门的芯片，量身定制、量体裁衣：这样的话就能做到性能持续大幅攀升，与此同时效率高、功耗还大幅降低。

其实论证这个观点的过程还是非常有趣的，比如说谷歌 TPU 出现了，就是专用芯片的最佳例证，它就真的只能做一件事。

这篇 paper 看起来美好而高级、优雅而低调。不过在随后工作的时间里，我基本上是在花全部的时间，尝试听取行业内的参与者们是否赞同这一点。很遗憾的是，几乎我听到的绝大部分声音，都在彻底否定这个论调。有关这一点，实际还可以从 1 月份即将发行的《观点》杂志，我的文章《AI芯片专用好还是通用好？遥想20年前GPU也面临这一抉择》中看到比较详细的论述。这里就不提太多了（下个月就和大家见面哟）。

绝对专用芯片也就是 ASIC，的确效率高、算力也高。但它实际受到两个巨大问题的影响：

第一是成本。这是个看起来非常废话的原因。像 CPU 这种全银河系通用、只在大麦哲伦星系不通用的芯片，你在上面干什么不行啊？都可以，装个 Windows，然后跑个虚拟机，还能装 macOS，写文档、做设计、修图、剪视频、炒股票，各种软件都能跑，医疗、交通、政府、金融，咱都能干。甚至，如果你一定要跑 AI 任务，CPU 其实也可以干。

所以 CPU 的特点，就决定了，这一类产品是全局适用的。它的销量非常大，渗透在人类生活的方方面面。所以即便新制程的设计和工艺成本都在指数级攀升，造个工厂花几十亿美金才可以——未来还要更多。不过这么昂贵的制造成本，实际能够消受得起的产品类型就不多。到最具体的产品上，手机、PC 都是可以承担这个成本的，因为它们每年的销量特别大，单 iPhone 一年就卖超过 2 亿台…每个手机、PC 至少都需要 CPU 才能跑得起来。CPU 有充足的量来摊薄设计与制造成本（实际情况比这还要复杂一些，还是推荐各位去看[2]这篇文章）。

而专用芯片是完全不具备这种成本摊薄特性的：因为它只针对某一个领域。绝大部分特定领域都不具备走量来摊薄最先进制程工艺成本的能力。比如汽车，这是个看起来十分庞大的市场了，但全球销量最好的车型，年销量也不过区区两三百万——这个量对一个车型就一颗专用芯片的设计和制造成本而言，实在不是个划算的数字——采用最先进制程则几乎是没有可能的。

当然，汽车专用芯片仍然可以考虑用成本更低、更早的制程来造芯片（以及某一颗芯片用在大量车型上）——这也是现在绝大部分专用芯片的常规方案。不过当“专用”芯片所覆盖的市场容量本身就不大，以及可能比汽车市场还要小很多的时候，尤其是很多 B 端市场——天花板是明摆着的，又靠什么来抵消芯片设计与制造成本？

这个问题在 MIT 的那篇 paper 中实则有着非常翔实的论述，其中详细列出了关乎特定市场容量、专用芯片产量、专用芯片相较通用处理器的性能与效率优势有多大，这些变量相互之间是什么样的关系。在满足怎样的条件时，专用芯片可以提供更高的成本效益。

在我更早期撰写的采访文章中，针对 ASIC 制造耗费成本这件事，我们有一个更准确地认识，即《摩尔定律失效，FPGA 迎来黄金时代？》[3]。不过这篇采访文章实则忽视了一个重要事实，就是 MIT 提到的上述这几个变量关系。而且专用芯片其实没有必要采用最新的制程，依然可以在性能和能效上碾压通用芯片（或 FPGA）。我在《深度学习的兴起，是通用计算的挽歌？》文中同样浓缩了这部分理论，在文章的第三部分“专用处理器市场过小？”章节内——不过当时为了理解方便，我没有将 MIT 提到的所有变量都放到我的这篇文章中，所以仍然建议去看 MIT 的原文。

第二是通用性差异。

双重标准：通用与性能

CPU 的通用属性就决定了，它在任何一个方面，其实都很难做到精通，或者说针对任何具体应用场景的算力和效率表现其实都一般。因为 CPU 需要耗费大量面积来做多层级 cache，微架构前端也很重要，真正的执行单元所占尺寸就那么点。因为 CPU 需要处理各种类型的工作，各种条件分支之类的东西。

但 CPU 的设计和工艺都是具备相当难度的，至少显著难于绝大部分专用芯片。用 GPU 去比 CPU 的 AI 算力，这种对比的价值显然是不大的。这其中的核心就在于，GPU 实际上本来就算是一种专用芯片。至少早年，GPU 就用于图形计算，它只做这一件事。而且实际在 GPU 诞生的更早期，它本来就以 ASIC 的面貌出现——它从骨子里是一种专用芯片。用 CPU 这样绝对通用的芯片，去比较 GPU 这种专用芯片，又有什么价值？尤其如果你还比较浮点运算能力，那就更奇特了。

不过 GPU 这个类型的芯片，在发展中后期发生了一些很显著的变化。它开始越来越具备通用属性（这个转变原因也可以从《观点》杂志中找），shader 核心这种非固定功能单元的地位越来越重要。即便 GPU 仍然没有 CPU 那么通用，但 cuda 编程这种东西是现如今人尽皆知的；GPU 的可编程性，或者叫灵活性变得越来越高。所以 GPU 现在早就不只用于图形计算了。

我们说将 GPU 应用于 AI 计算，不管是云端 training 还是终端 inferencing，其本质都是 GPU 通用属性的某一个方向；AI 计算在 GPGPU 世界里，不过是其中一个组成部分罢了。只不过是因为 AI 计算这个方向实在是潜力太大了，所以 GPU 厂商开始将 AI 计算作为一个着重发展的方向来对待，以及还针对 AI 计算特别加入了一些专用单元，比如张量核心。

然鹅这个时候，AI 专用芯片华丽丽地出现了，比如谷歌的 TPU、比如特斯拉的 FSD（Full Self-Driving Computer），以及一众国内外的 AI 芯片新品。

AI 专用芯片如果专用、固化到 TPU 那样的程度，只针对卷积神经网络，采用 Systolic Array 技术；前述第一个成本问题之外，它具有的第二个局限性就在于几乎没有灵活性可言。尤其在 AI 算法每个月甚至每周都可能发生变化的情况下，芯片 18 个月开发周期，当芯片问世的时候，这颗芯片就极有可能已经落后了。

但我们仍然不得不承认，AI 芯片在它所擅长的任务上，可能具备在效能与算力上大幅领先 GPU 的能力。所以 AI 芯片厂商几乎清一色地会在发布会上宣布，自家产品可以吊打某 N 字头企业的 GPU 某明星产品。

这件事，本质上约等于拿 GPU 去和 CPU 比浮点运算能力。而且实际上，AI 芯片比较的“AI 算力”大部分情况下是低精度的，比如很多终端 inferencing 芯片 INT8 计算能力很强——那你怎么不比比双精度？因为你不能做双精度运算？这种对比是将 GPU 放在通用计算的地位上，用专用计算的 AI 芯片——包括专门设计的 cache 或 HBM、低精度执行单元等——来吊打 GPU。这同样是件没有价值的事情。

不过更有意思的是，GPU 此刻为自己辩驳的方式，大部分是说：我能做的事情更多啊，比 TPU 之流的 AI 芯片能做的事情多太多了，它们那些 AI 芯片就只能做一件事。

这属于典型的双标，在和 CPU 比较时，宣称自己 AI 算力高出一大截；在和 AI 芯片比较时，宣称自己更通用。这不是双标吗？

是否存在第三类通用芯片？

其实我花了比较长的时间去理解，为什么 MIT 的这篇 paper 并不能成立；至少它成立的概率会很低。因为就历史经验来看，它是不对的：当我们参考 CPU 和 GPU 的兴衰史，其实就很容易发现，专用芯片在大部分历史条件下都不会成为主流，而只能成为某个历史时期的特定过渡产品。有关这一点仍然推荐去看 1 月份即将发布的《观点》杂志文章，这在前文已经提到了。

不过 AI 芯片是顺应时代潮流产生的一种芯片类型——除了前文提到的 TPU、FSD 这类相对极端的绝对专用 AI 芯片，当代越来越多的 AI 芯片都已经产生弱编程特性了，就跟当年的 GPU 一样。就连 Arm 的 NPU IP 实则都融入了一定的灵活性。也就是说，如今有一大批 AI 芯片实际是具备灵活性或通用性的，它们不只能做一件事，从结构上它还为未出现的算法做考量。

Graphcore IPU、华为昇腾都在其列。也就是说，AI 芯片在 AI 计算时，不仅效率相较 GPU 更出色，而且它还具备一定的通用性。这实则才是很多 AI 芯片企业在宣传中提到，在 CPU、GPU 之外，第三类芯片出现的原因，就是 AI 芯片。它可能将拥有自己的适用领域、迭代周期、开发生态。未来 CPU、GPU 和 AI 芯片就要成为三条并行的线了。

从应用场景来看，这个观念好像是成立的。至少我觉得，它比 MIT 说的专用芯片成为未来这一点要靠谱多了。

但我仍然觉得，这种畅想的实现概率也会比较低——至少在云端 AI training 这部分市场，GPU 可能将长期占据垄断地位，且难以撼动。因为 GPU 不仅具备制程优势（有能力采用最先进制程的少数派），而且具备开发生态优势——大量开发者都愿意投入其中，因为它相比 AI 芯片，具备了先天的生态基础，且发展多年。GPU 开发生态优势巨大的程度在从上至下、上天入地、贯彻电子科技行业，GPU 是无处不在的。

当开始拼开发软件栈的时候，一场全新的厮杀战就要上演了。某种芯片进入可编程时代，经营这类芯片的公司就不只是一家芯片公司了，它对软件人力物力的投入极有可能大于硬件，以 1:10 的硬件、软件工程师比例存在于世。这个时候，企业和行业都会变得越来越庞大。在行业整体价值的复合年增长率无法满足企业的成本投入攀升时，市场会逐渐步入寡头时代。GPU 市场就是如此发展至今的。

某 N 字头企业在如今的 AI training 市场已经占据了绝对统领地位，这种地位的不可撼动性就体现在开发生态的绝对优势上。且其发展经验积累，又令其具备了充足的资本优势可持续完善这个闭环生态，从软件到硬件。这就不是哪家 AI 芯片厂商随便对比一下性能、能效足以完事儿的了。生态优势可以彻底无视性能、能效的那点差别，尤其当这种性能、能效差别并没有数量级差别时。

所以，很多 AI 芯片初创企业畅想中的第三类芯片究竟能不能成立，或许要打一个问号。

好了，本文的 YY 差不多就到这里了。很多时候，历史经验是没有任何价值的，尤其我们说“具体问题具体分析”的时候，每一个事件的发展过程都有其特殊性，那些依据历史经验做推断的过程，本质上都是在胡说八道；在新事物面前，一切规律总结都只是在博君一笑——比如上面说的这么多东西。比如在终端小型 inferencing 现场，AI 芯片是能够长期发挥价值的，这仍然可以促成生态的持续反向完善。

不过至少，AI 芯片用自己的标准去和 GPU 比算力，GPU 又用自己的标准去和 CPU 比算力，同时还宣称自己比 AI 芯片能做更多的事，本质上都是耍流氓。

参考来源：
[1] AI and Compute – OpenAI
[2] 深度学习的兴起，是通用计算的挽歌？– 欧阳洋葱
[3] 摩尔定律失效，FPGA迎来黄金时代？– 欧阳洋葱

欧阳洋葱

Stay at home, Pork, Editor, Semiconductor, Imaging, Milk, GAY, Zhuangbility, AB blood type

长者的裤腰带比你们，不知高到哪里去了

我之前在一家智能家居设备公司呆了一年多。虽然我当时的主要工作是做偏市场的，不过因为老板知道我非常热爱技术，所以公司的所有技术文档也对我开放分享。而且我经常偷听硬件、结构和软件工程师们开会时在说什么：因为是初创公司，所以他们就在办公室里说。而我的座位是在我们老板旁边的，所以他与所有工程师的几乎所有对话我都能听到。

我来电子工程专辑第一个参加的活动就是 Silicon Labs 的，那次恰好也是在展会上，我就去 Silicon Labs 展位逛了逛。发现在应用场景展示部分，赫然出现前公司的智能家居产品，当时看见还蛮开心——这大概也算是个缘分吧。

在这家智能家居公司，我感觉我学到最多的，是对智能家居的理解。很多人以为，智能家居就是把家电，比如灯泡、电饭煲、空调、新风系统什么的接进网络，然后手机可以远程控制。我们老板不是个懂得市场宣传的人，但我很清晰地了解到，他对智能家居产品的理解是：你把一盏灯连到手机上，不管你是 WiFi、Zigbee 还是别的什么，然后用手机来远程开关灯——这件事是非常反人类的。

科技本身在用户层面的最佳体现，就是让你感觉不到科技的存在，同时又让你觉得你离不开它，而不是时刻提醒你：我这个东西很高级的哟！最典型的例子就是苹果对指纹识别在手机领域的普及，Touch ID 主体上需要 Secure Enclave、电容指纹识别传感器，以及操作系统层面的三方配合。几方配合实现的是一种技术的无感，你把手贴上去，跟按下普通 Home 按键一样，手机就解锁了，全过程非常符合直觉，就好像根本不存在这项技术一样。但 Touch ID 实际解决的包括了 Biometric Credential 的加密与存储机制（以及全盘数据加密），指纹识别过程的极佳体验（体现在高识别率、容差也比较大），以及具体的应用场景。这几个实现起来其实都不容易，都需要花很多的时间。但在用户看来，这东西就跟不存在一样，与此同时也离不开了。

三星在 Galaxy S4 时代就这部分是失败的，一方面那时的 Android 甚至都还欠缺对 Trustzone 硬件的支持（可能已经支持，这部分可以追溯到 Galaxy Nexus），另一方面滑动式的指纹识别存在感太强了，而且容差很小，识别成功率低。这种东西一定是失败的。

手机 app 开关灯这件事的离奇就在于，我明明每天回家，摸到门边的实体开关就能开关灯，我为什么要解锁手机、找到控制 app，然后在菜单中找到那盏灯，再点一下。这就是它反人类的地方，一套流程下来明明就比直接按个开关复杂太多了。

但其实讲真的，就市场上实际的应用来看，还是有大量的开发人员和初创企业在做这件事：即便是以他们认为更科学的方式，变来变去都不过是手机远程控制这回事。这件事的存在感太强了，每次点开 app 都仿佛反复跟用户强调：我这是个智能设备，你看，手机都成中枢遥控器了。小米有个床头灯是蓝牙连接手机的，除了买来时我用手机 app 试了下开关操作，以及尝试定时操作，其余任何时候，我都不会用手机去操控这盏床头灯。

以前 Jawbone 公司还很火的时候，他们的 CEO 提过一个很有趣的理念。当时所有的智能家居还在争论说，到底什么东西是智能家居的入口：手机？电视？还是什么插头、路由器之类的。Jawbone 当时就说：智能家居的入口肯定是可穿戴设备啊！什么意思呢？其实他具体指的是生物特征计量设备（不管是植入式的，还是可穿戴），比如可以监测你的心率啊、血氧含量啊各种乱七八糟的。

因为这些生命特征可以表达你当前的状态，比如你可能觉得太热了，你紧张了，你累了。这个时候根据这样的数据去智能调控家居设备的状态，比如背景音乐、空调温度。那么这时，Jawbone 就成为智能家居的“入口”了。

这个观点当然是为了 Jawbone 赚钱才提出来的，而且我觉得也不一定对。但至少它说对了一点，那就是智能家居应该是“主动”去理解人的，人是“被动”去体验智能的。而不是说，我现在要开灯或者电饭煲，我就把手机拿出来，找半天远程控制开关在哪里——甚至我还要对着机器喊一句：嘿开灯。这是反人类和倒退的…

越来越多的企业能够意识到这一点，比如前一阵去日本千叶参加 CEATEC，旭化成展台展示的就是这种“被动”体验，它的核心就在“传感器”上。比如传统摄像头通过一些算法来检测主人的脉搏，并且通过毫米波雷达来检测主人的动作，可以去理解这个时刻主人是个什么状态。再举一些实际特别简单的例子：门窗磁传感器——智能家居的组成部分，是在你回家推门的时候就让玄关亮灯。这是个非常简单的场景。再比如说红外检测——如果你用几个红外检测传感器（甚至在普通开关中集成的方式），就能很轻易实现《黑镜》里面那种我在家里，走到哪里，灯就开到哪里，并且我走过的地方还自动灭灯，这种操作。

如果传感器做组合的话，能够达成的自动化效果还是相当多样的。比如主动实现对“离家”场景的识别，就是门窗磁传感器检测到关门，与此同时，红外传感器检测到一个你从玄关某一侧经过的路径，那么这个场景基本就可以判定你已经离开家了——而且这个离家场景的识别方式特别经济。

当然，这种场景识别还有别的实现方式。苹果的 HomeKit 在基础软件层面充分利用了手机的特性，比如说基于手机 GPS 来给你定位。在你快到家的时候，就给你开启家里的空调（或者在你快到家的时候提醒你买牛奶）；或者发现你不在家超过 20 分钟了，就自动把家里的灯都关了，而不需要你自己去主动触发一个场景。

在“智能家居”这一类场景内，很多走在马路上的老百姓都觉得这些离我们十分遥远，实现起来太难了——事实上却根本不是这样的。他们为什么有这种错觉？大众对于智能家居的理解真的就在“远程遥控”这个程度，去年我爸妈给我家装灯，然后特地嘱咐我说，儿子啊，现在你在家，晚上睡前可以不用下地去关客厅的灯了，因为咱现在有遥控器了。然后就把一个实体的遥控器递给我，毕竟我自己床头柜有一把遥控器。

这件事其实是反人类的，对“睡眠”这个动作的识别，原本就应该由传感器或现代科技去完成。甚至我觉得说一句“嘿 Siri，晚安。”然后由 HomeKit 来关灯，这件事情仍是反人类的，这些东西不应该我们去做。

而实际上，实现一整套我所说的这些方案，真的不贵，而且也不是什么尖端技术。它只是需要开发者去把某些东西做到位，并且教育市场，我能做到什么。

小米有个感应夜灯，特别简单的一个东西，50 块钱。它不能联网，不能接入手机。但它内置了红外探头，你晚上经过的时候它会亮大概几十秒，之后自动熄灭。这东西当然仍然是不够智能的，但我觉得特别方便，我买了好几个贴在我家客厅里。它不是让我喊一声，或者还要开个手机 app 去开关灯。

说个比较有趣的实现方式，前公司的具体产品有一款叫“感应开关”。从外形来看，感应开关就是个大号的按钮——用很多人爱说的，它是“可编程开关”，你可以设定按下它，执行什么操作，比如按一下，家里的灯统统灭掉，那么我就可以把它放在床头，它本质上就是个遥控器；但它内部还集成了两枚红外线探头、温度传感器、照度检测传感器。

所以它某些具体的应用可以是这样的：当它发现家里太暗，而且你还经过的时候，就自动把某几盏灯打开；折返时自动关灯。所以堆砌传感器，总是有效的方案，这个场景说起来似乎没什么，但真正使用后就会觉得完全离不开，以后家里开关灯这件事根本就不需要我去处理。

这家智能家居公司在我离开时，已经着手做 AI 了。除了我前面提到的这些应用场景都能完成——但他们毕竟还是需要你去设定规则，比如 IF 门窗磁传感器==关 & 红外传感器==从左到右移动，THEN 触发离家场景。这东西还是需要你自己去设定规则，但当AI加入的时候，去学习你的使用习惯。你每天回家，第一件事情就是开某个家电：那我就知道你需要这个东西；以及，在你离家前你究竟做了些什么，那么我们自动去生成一些规则。

所以 AI+IoT 就智能家居，就是实现某种对科技的无感，以及未来你离不开这些实际上并不复杂（或可能非常复杂）的科技。

最后一点，用户是最终端的部分。他们接触的是产品、软件（app）。产品和软件，如果在开发时尽责的话，应该让它们对用户隐藏细节。你为什么要让用户知道，你的智能家居“入口”是什么，你有个 Hub 或者你构建了一个多么高明的生态来完成这一切？这很奇怪。

这就好像，任何一个层级之间相互脱藕，是信息技术行业原本的特点：我做高级语言开发，我不需要去关心你 MCU 怎么为我实现这一切的；或者我做 app，需要用到你的 AI/ML 硬件资源，我理应不需要知道你怎么充分调动算力的/怎么抑制存储子系统带宽瓶颈的，那是你的工作。这和用户不需要知道，你的智能家居如何组建网络，如何连接 hub，如何与云互通，是一样的。

而目前，我上面所说的这些功能，智能家居都可以实现了，普罗大众却都还不知道，很大程度上就是源于开发者都没有尽责去“脱藕”：用户要花 20 分钟研究我怎么把这个灯泡，连接到 Zigbee 网关，你这个产品就足够失败。当然，这个问题的解决，大概可能需要更多层级来共同配合解决。还有市场教育或许还没到那一步，以及也可能是“智能家居”设备销售的切入点，或许应该是房地产商，而未必是终端用户：因为他们可能真的不大想去折腾。房地产商在卖房子的时候，就让这套智能家居的部署，与用户之间实现了脱藕。

这个时候，我们回过头来看看，你把电扇、灯泡什么的连到手机上，做个 app 就把产品上市了，还宣称我这个是智能的，这件事就会显得十分滑稽。这是我从前公司学到的一件事，我们老板就反复强调过，这事儿不靠谱。所谓的“易用性”，“易用性”这一点听起来特别官方和冠冕堂皇，其本质就是如何完成脱藕，以及用人类直觉和习惯的方式来完成操作、部署的过程。产品真的做好了“易用性”，那就是大牛了。

本文不涉及 iOS 12 更新的明眼可见之处，以及像「屏幕使用时长」这样为主打卖点的新特性。而更侧重于交互体验，UI 设计上的些许提升，或你不认可的那些改变。

通知信息的消除按钮

如无必要勿增实体，主动推送从来不是什么好事。除了添加相同 APP 合并推送外，在消除信息按钮上，苹果进一步提升了交互性，删除的按钮做的更大，点按的难度也小了很多，再也不像以前按半天也按不到那个「X」。

这是进步的设计。

语音备忘录

语音备忘录是少有的也有可能是唯一的在 icon 上做了改动的原生 APP。

两点改变：

• icon 上的音轨图从原来的黑白改为现在的红白拼接
• 红白交接处添加或许为时间「进度条」的指针。指针或为音频剪辑中的时间剪辑点，就像时间的指针，随着它的移动，音频不断推进，你可以在指针停留的地方进行段落的删除，切割，复制等剪辑操作。

进入语音备忘录主屏

或许 APP icon 的指针就是在强调移动设备上的编辑功能。

苹果的很多原生 APP 都处于一种「不受重视」的状态中：日历，短信，邮箱，提醒事项，文件。

原生 APP 在使用体验上有着第三方 APP 不能比拟的优势，简洁的交互，没有乱七八糟的UI，以及强大的系统级支持。

但是人们好像并不重视，或者说发现不到它们的美。

iphone 作为一种录音设备，在音质方面也算是可靠。基本可以满足日常的录音要求。

在移动设备上进行简单的剪辑，苹果或许在鼓励你这样做：别用第三方和 pc，你并不需要。

这是进步的设计。

Apple Music 歌曲内边距

Apple Music 中显示所有歌曲时，每首歌所占的视觉面积都要比以前要大，具体体现在每首歌都比以前加了padding，也就是内边距，把一首歌所占的视觉面积撑起来了。

这个不像前边两个改变就直接定义成「进步」，但在设计领域上下留边界确实是常见的做法。

Apple Music 在用户体验上并不完美，它还有很多可以完善的地方。

这是进步的设计。

后台播放中的锁屏界面

在最新的 iOS 12，后台播放界面从原来的毛玻璃（图二）改为了深色界面（图一）。

如果只是改个颜色，实在很难判定是否是好的设计，但如果对比 iOS 10（图三） 的「大专辑封面」显示效果，很明显，iOS 11 和 iOS 12 都是退步的设计。

当然了，你认为「弱化专辑视觉化」是一种退步的前提是：认为图像也是音乐创作不可或缺的一部分。

这是退步的设计。

补充一位读者@34C的观点：

不同意 “弱化专辑视觉化” 就是不认同 “认为图像也是音乐创作不可或缺的一部分” 这个观点。专辑封面确实是创作的一部分，但并不是在每一个界面都要去强调它。在 iOS 10 的时候很多次按了 power 键要看时间，都不能马上看到。还有就是 iOS 11 之后，音量控制条 更靠下了，符合单手握机时快速调节音量、包括切换曲目。这些细节都是因为没有大封面图阻挡带来的改进。尊重创作固然重要，但在不同的 UI 中，分清要表现的主次，更符合用户操作体验，我觉得是一种进步。至于 iOS 12 相比 11 改了改色，哪个好看，这个因人而异吧。

其实这个改进于我而言觉得是退步了，但于大部分用户来说确实是进步了。

比如我喜欢以前的大专辑封面，但是大专辑图在用户体验上也有严重的问题。

大专辑图强化了音乐的视觉效果的同时，同时也弱化了时间显示以及下面的通知中心。

大部分用户真的有非要看大专辑图的需求吗？或许只有像我这样的原教旨音乐爱好者才会不分场景的，以牺牲用户体验的方式强行崇尚大专辑锁屏图。

workflow/捷径

workflow 本身作为第三方 APP，它涉及了太多系统级别的操作（打通APP通路），得到了苹果的青睐，被苹果收购，变成了系统级的 APP。

这次的改版：

• APP 名字：workflow——捷径
• 界面

这次 workflow 汉化为「捷径」，或许不是好的设计，因为它会让人感到困惑，尤其是苹果的非折腾用户，中文语境下，你很难将它和「APP通路」联系起来。

workflow改版，界面是好的设计，汉化或许不是。

信息

进入信息聊天界面后，iOS 12 在顶端的联系人位置新增了「通话」「FaceTime」「短信」新入口。

将原先界面右上方的「叹号」取消。

这一改动也减少了在短信中进行更多交流的操作步骤。

iBook

iOS 12中， iBooks 更加拟物化，比如在你的书架中，书封面添加了阴影，模仿实体书的观感。

勿扰模式

iOS 12 中通过上划呼出控制中心后，长按勿扰模式会出现更加精细的控制选项。除了加入规定时间内勿扰之外，同时也加入了「直至我离开此位置」判定是否勿扰。

苹果不只是科技公司

苹果已经是这个星球上市值最高的的科技公司了。

苹果同时也是家设计公司。从最一开始的字体排版，拟物，扁平化，到最新 iphone 官网上对渐变色的大胆尝试，对大写字母小写化的尝试。

每一次，苹果都没有迎合过潮流，刘海屏从一开始的被骂到后来几乎所有安卓厂商的跟进，最新 xs 的官网显示图使用了渐变色的设计，这是以前在国内代表着廉价低劣的  PPT 时代的技巧，苹果的这次尝试好像也效果不错。

设计的本质是创新，所以你才会觉得苹果总是有哪些地方和别的厂商不一样。

再值得一提的是，苹果的这次更新只有1.3G。

补充：关于更新包大小，不同机型下载的更新包大小也不同，网上1.3G，1.5G，2G的都有。

宫斗类型电视剧是怎样的影视形式？

它本身需要建构在历史的框架中，但又不会着笔力描写帝王政治，文武，百姓。所以历史更像它的背景音，具体讲什么故事完全看编剧如何发挥，但宫斗的「斗」就体现在剧中演员已经完全遵守了女性独立意识觉醒前的叙述方式。

这也决定了此类型的电视剧并不会在剧情上有过多创新，无论在主线有多少的附加情节，最后总会演变成多位女性为某一男性勾心斗角的「权利」斗争，类似「小三斗正室」。

而观众爱看的也确实是「权利」斗争的过程。

言而简之，此种类型的影视作品本质上是反女权的，因为它们再次唤起了人们脑海的旧秩序，唤起了那个女性并不作为独立个体生存时代下的历史记忆。

但从受众形式上来说，宫斗剧却又与超级英雄题材类似。

一个是给女性看的公主梦，一个是给男性看的拯救世界英雄梦。而后者要优于前者的一点在于超级英雄电影体现了现代电影工业的较高水准。

如若一味指责一项有争议的影视作品，确实就失掉了探讨其背后存在机制的可能，或者会忽略关注「为什么会出现这类作品」和「为什么人们又喜欢」这样更有营养的问题。

在经济学范畴内，问题二本身就已经回答了问题一，因为有需求就会有供给——人们喜欢看，所以就会有人拍。

但实际上却又落入了犬儒的陷阱。

尽管在展现形式上，宫斗剧对历史的还原性不高，但还是以历史剧的形式展现出来。所以或许考虑这样一个问题会更好——为什么历史正剧逐渐被宫斗剧所取代？

这或许和审查有关。

以前出现过优秀的历史影视作品，如《走向共和》《大明王朝1566》等。

它们对比宫斗剧最大的区别就是将描写重心放在历史进程上，比如会刻画某件知名的历史事件，从参与其中的帝王，文武到百姓之中试图还原整个历史过程，并从中建构立体的人物形象，一改我们所熟悉的「样板戏」刻板印象，即好人和坏人开篇就写在脸上。

这也是所谓的还原历史最有力的一种方式，多机位展示一个人所具有的不同特征，脱离了非黑即白的二元论叙述体系。

但和宫斗剧类似的是，他们也会根据剧情需要做出相应的历史改编与夸张强化，比如《大明王朝1566》中的「改稻为桑」。

嘉靖晚年，财政吃紧，亏空严重，朝廷急需开源节流。时任内阁首辅严嵩蹦出来，提出这个改稻为桑的法子。他算了笔经济账，认为改稻为桑能大大提高财政收入，又能应付答应洋人的丝绸订单，是利国利民的好事。嘉靖听后大喜，同意改稻为桑，同时嘱咐不要加税，以示对百姓的关照。

纸面上看，改稻为桑不仅提高了朝廷收入，还振兴了整个织布行业，但坏就坏在你中有我、我中有你，坏就坏在层层下推、不断变味儿。

嘉靖关心能否增加财政收入，而官员关心从中抽成和取悦君主。

「今年青苗已经下去了，要改桑只能等明年，你现在就让我改，不改就毁堤淹田，现在改桑，到时候没粮食吃，饿死了找谁去？难道去吃桑叶吗？朝廷哪能这样做事？」

最后通过此事演变成皇权太子，严党等多方势力斗争的政治戏，而百姓则成为这场闹剧最大的牺牲品。

《大明》很多地方对比历史有夸张的地方，但从一部艺术作品的评判标准上来说，实为不可多得。

讽刺本是艺术表现手法中较高明的一种，它不会明讲某某不好，而是将话的含义尽量隐晦，在点破与不明说之间把握一个较为妥当的尺度。受众听懂后也会会心一笑。

但针砭时事，以古讽今在当今艺术创作空间留的余地已经很少了，甚至几乎没有。「恶毒的针汁银鱼」是不可以存在的。

制片方考虑一部剧最大的点在于能否收回成本。至于其他的暂且先放下，如果拍完一部作品后不知道触碰哪根神经，播都播不了，到时饭钱都发不出来，何谈文创。

既然在文创这个行业要考虑那些本不必考虑的事情，那还不如寻求最安全的叙述体系。

所以很遗憾，文不再载道。

对公共议论空间的压缩或许也可以解释当下网络环境暴戾丛生，阴阳怪气的现象。

原本的发声平台逐渐缩小，明星又如履薄冰，只能说些不痛不痒的话，那言论的怒火只能化于公共空间，你骂我，我骂你来宣泄不满。

总的来说，宫斗剧满足了大部分女性观众的「公主梦」，这本无可厚非，但遗憾是，文创作品也逐渐退出「文以载道」的历史范畴，弱化了人们对公共事务的关心以及向更多的文创工作者指明了这种最安全的创作方式，以后也就更难看到针砭时事的优秀历史作品。

你按快门，剩下的交给我们。

1888年，柯达为业余爱好者发布了一款便携性个人相机，于是我们怀念过去的方式改变了。

相机开始成为记录我们生活不可缺少的一部分。那些宝贵的高光时刻被打印出来永久珍藏，不喜欢的时刻则被我们扔掉。胶片摄影在1999年达到巅峰，那一年，全世界总共出现800亿张照片。

随着智能手机的普及，手机摄影在过去十年帮助我们创造的照片要大于我们以前一共拍的照片。2017年有1.2万亿张照片，现在几乎每天有30亿张照片在社交媒体上分享。

照片实时呈现，回忆实时发生

很少有人可以预见我们与摄影的关系会如此亲密。甚至会影响我们体验和记录世界的方式。我们通过相机看到了更多的瞬间，我们也花了更多的时间看自己的手机，观察别人的生活。

手机的发展也影响了我们体验世界的方式，我们走遍世界去找寻那些值得捕捉的时刻，我们拍了这么多的照片，难怪有人会担心我们的「现实生活」。人们都在说要放下手机，活在当下。这确实也有科学依据。

研究人员发现，强社交习惯会影响我们存储记忆的方式。2018年的一项研究证实，相比于简单的观察物体，人们不太能记得住他们拍了什么。这被称为「拍照削弱效应」（photo-taking-impairment effect）。于14年第一次被提出。

研究人员发现，照片记忆会影响我们其他形式的理解能力。当我们通过相机镜头和屏幕观察现实时，我们只能获得其中的一小部分体验。换句话说，虽然我们「看见」了，但是却失去了其他重要的感官信息。

拍照也是认知减弱的一种形式。我们放心设备会记录信息，我们将部分记忆让渡给数字内存。加州大学圣克鲁兹分校 Jennifer Soares 博士表示：「你不需要记住，因为你知道相机可以帮你记住，就像你拍摄停车位号码一样，你不会费心去记住它」。

我们确实是这样做的，但在大多数情况下，我们不会拍照来记住细节。或许会有摄影师争辩他们并没有认知减弱，尤其是他们认为自己的摄影作品是为展现细节的艺术。

然而在这个照片十分丰富的时代，结果却出乎意料：帮助我们记录更多经历的同时，大量的照片和社交平台也很容易让我们忘记它们。拍照，分享，手指下滑，重复——照片的寿命变短了，手指的一次下滑，那些你没注意到的照片很难再让你看到了。这样一来，摄影开始回归它最初的样子。

1290年，Arnaud de Villeneuve 在一个昏暗的房间聚集了一群人。他们围看墙上的一个光点，这个光点显示出一个图像，但它既不突出也不明亮，却足以让他们回味起残酷的战斗和后来的动物狩猎情景。

Villeneuve 业余时间是一名执业医师和表演者。他创造的那些画面即遥远又亲近。观众会抓住照片消失前稍纵即逝的瞬间来搞清其背后含义。演出结束后，人们欣喜若狂，互相窃窃私语。感叹 Villeneuve 的神奇技术。短时间人们不会忘记这些。

但 Villeneuve 不是魔术师。他只是最初拥有摄影暗箱的摄影师。那个时候的观众体验是最初的摄影感受。

相机将物体转化成了可以连接过去和将来的载体：好的回忆，不好的回忆。那个时候拍照还很奢侈，很少有人可以在镜头前精挑细选，除非我们主动丢弃，否则照片就是永久的。

门槛降低便不再永久

拍摄和分享的门槛变低之后，照片也就不那么珍贵了。我们每天都要接触大量怀旧的照片，以至于它们的影响力也大打折扣——我们并不关心手指下滑看到的大部分照片。难怪社交媒体需要动用算法来帮我们搞清楚什么重要。

然而 Snapchat 的照片和视频很快就会消失，这可能会赋予拍照新的意义。

即将出版的《The Social Photo》作者 Nathan Jurgenson 在2013年写道「短暂的照片是其爆炸增长后的一种文化反应。它可以激起你的回忆，因为它可以让你更快的忘记。」换句话说，照片寿命缩短——改变了它被创造和欣赏的方式。你发布一个 Instagram 故事。24小时就会消失。这种方式下，照片又变得珍贵和有话题性，你需要新的方式来珍视它。

Jurgenson 表示，作为永久性记录的传统照片和社交照片要分开来看，后者更倾向于「短暂性，游戏性和表现力」。当照片容易获得和分享时，它们不再永恒，它们会尽力捕捉当下瞬间的感受，就像人们耳语相传一样。

照片的记录功能仍会继续存在，比如文件记录、摄影艺术和回忆保存。但我们和这个世界交互方式变了，我们不再想捕捉那些美好瞬间，而是直接和它对话。当照片和其拍摄的来龙去脉同样重要时，这种体验是不同的，记下或忘记的瞬间也是不同的。当我在 Snap 上给朋友发照片时，感觉和以前祖母拿出相册回忆过去有着奇怪的共鸣。

这是个摄影新时代， 但也许这个新时代与 Villeneuve 的13世纪并无二致。照片被制作成「故事」，他们让我们?，让我们?。我们记录、描绘并筛选它们。

在它们消失前，我们挖掘每张照片背后的含义——就像很久以前 Villeneuve 的观众在那个黑暗的房间里所做的那样。

Medium · by Stephane Lavoie

每个 Web 开发人员都会遇到要做 UI 的情况，无论他喜欢与否。

也许你公司没有全职 UI 设计，所以你得自己来。也或许你在做一个 side-project，但你想让它比 Bootstrap 好看点。

你可以说「我又不是艺术家，别要求我太多」，但事实表明，你还是有很多技巧来提高自己的设计水平，当然了，这并不需要你有很好的 UI 技术。

以下是七个提升设计感的简单实践。

一、 用颜色和粗细来划分重点，而不是字体大小

文本样式的一个常见错误是过度依赖字体大小来划分重点结构。

「这段文字重要吗，字大点。」

「这段文字不太重要，字小点。」

不要总用字体来控制这些，尝试使用颜色和 font-wight 也可以完成同样的工作。比如：

「这段文字重要，加粗。」

「这段文字不重要，细一点。」

用两种或三种颜色划分你的内容：

• 重要内容用深色（但不是黑色）（如文章标题）
• 次重要内容用灰色（如文章发布日期）
• 不重要内容用浅灰色（如页脚的版权声明）

大多情况，两种 font-weight 就够了：

• 大部分的文字用普通 weight（400或500）
• 你强调的文字 weight（600或700）

400 以下的 weight 就别用了；大标题下还可以看清，小字体基本看不清。如果你想用更小的 weight 来弱化你的文字，用更淡的颜色或更小的字体吧。

二、彩色背景别用灰色字体

在白色背景下使用浅灰色字体可以弱化内容，但是在彩色背景下就不好了。

这是因为我们在白色背景下看灰色其实是降低了文字的对比度。

相比于使用灰色字体，让文本接近背景色更能突出文字重点。

彩色背景下，你可以通过两种方法降低对比度。

1.降低白字不透明度（opacity）

白色，低不透明度，再让背景色透过来一点，这样可以弱化文字，又不会在彩色背景下显得很违和。

2.根据背景色自己选一个合适的颜色

当你背景是图片或图案时，这种方法比降低不透明度要好一些。而且降低不透明度显得文字太暗了，就像水洗的一样。

选个和背景色相同的颜色，再慢慢调饱和度和亮度，直到看起来还不错。

3.正确使用阴影

相比于使用大阴影（blur）和暗角来让阴影更明显，不如添加垂直偏移 （vertical offset）。

这样看起来会更自然，因为它模拟了光源从上面照下来的效果，这和我们在现实世界看到的一样。

输入框和表格也可以这么用：

阴影设计是门艺术，感兴趣可以看看 Material Design Guidelines。

四、少用 border

当你想划分两个元素的边界时，先别考虑 border。

border 确实在划分边界上做的很不错，但这不是唯一的方法，滥用 border 会让你的设计特别杂乱。

你可以试试下面的方法：

1.box shadow

box shadow 不仅可以像 border那样做到划分边界，而且这种方法更精细，也不会太分散你的注意力。

2.两种背景色

相邻元素用不同的背景色就可以划分它们。

3.加空隙

有没有更好的办法划分不同元素的边界，而不只是简单地增加分割部分？当然有，把元素隔得更远就行了。

五、少用大图标，如果它们本身意义不大的话

如果你在设计一些大图标（比如登录页面的「功能」部分），试试 Font Awesome 或 Zondicons 这样的免费图标集，然后加大尺寸直到满足你的要求。

它们都是矢量图，所以不会在放大的过程中丢失细节。

虽然矢量图不会在拉伸时丢失细节，但本来在 16-24px绘制的图标非要拉伸到三倍四倍之大，真的不会显得很好看，他们会缺乏一些细节，比如不成比例的「矮胖」。

如果小图标可以满足你的要求，可以将它们包在另外一个形状中，并且为形状添加背景色。

这可以让实际图标更加接近预期的大小，同时可以填充更大的空间。

如果有预算，可以用大尺寸的高级矢量图，比如Heroicons or Iconic。

六、边框特写，给平淡的设计增加颜色

如果你不是 UI，怎么才能从你的用户界面中和其他那些好看的设计中脱颖而出呢。

简单却有效的一个技巧就是为某些部分添加色彩鲜艳的边框，这样不会感到乏味。

举个例子，在提醒信息的左边做文章。

高亮导航栏

顶端都加上也行。。

它不需要任何专业的 UI 设计人员帮你，但可以让你网站看起来更「大气」。

是不是不好选颜色，Dribbble’s color search 可以帮你。

七、不是每个按钮都需要颜色

当用户可以在一个页面有很多的选择时，很容易陷入语义化设计的陷阱。

比如 Bootstrap，无论何时添加新按钮，都可以选择不同的语义。

「积极动作，绿按钮。」

「删除数据，红按钮。」

语义是按钮设计的一个重要部分，但有一个更常见的重要维度被忽略了：重要性。

页面上的每个操作都处于金字塔的某个重要位置。但大多数页面只有一个真正重要的操作，一些不太重要的次要操作，以及一些很少使用的三级操作。

设计这些动作的时候，更重要的是理清这些按钮谁更重要。

• 重要动作应该突出，加粗，高对比度。
• 不太重要的动作应该清楚显示，但别太主导。用轮廓线，低对比度背景色。
• 三级操作可见即可，但不要引人注意。像链接一样处理吧。

「删除按钮呢，应不应该总是红色？」

没必要，如果它们不是页面中的主要操作，处理成二级或三级按钮即可。

保留大、红，粗样式在那些以负面操作为主的页面上，比如确认对话框。

原文链接：7 Practical Tips for Cheating at Design – Refactoring UI – Medium

作者：Adam Wathan & Steve Schoger

编译：@王隐在录音