Note that NPU cannot be used to train models, it can only USE models. So if you want to train models on your Mac, you still need either an expensive mac, b) a expensive gpu or just google CoLab which should be the most affordable way to start learning ai 😊😊
終於可以睇到最愛嘅沙律教授,支持支持😍😍
好多謝今集介紹左好多實用而有趣的apps同工具,正👍🏻
不過我用緊M2 MacBook Air ,暫時未需要換住
反而希望MacBook Air下一代可以升級個mon
3:12 一蚊直徑度厚度
其實冇比較點知道佢快幾多慢幾多?
stable diffusion 咁慢 ? 你肯定個tensor 係行緊 metal ??
就算Macbook Pro 用SD gen 相都唔會快得去邊
apple廣告係都要提3代之前既intel機
做乜對intel咁上心 莫非intel真係好重要
希望第時出m10既時候唔會仲用intel機來比較
唔通同M系列比? 有咩意思先?電腦又唔同電話,沒必要年年換新吧?一部電腦正常用到5年,對上就係我呢D仲用緊intel嘅人囉,佢哋無非都係希望我哋呢D族群的人換機😂
@@vanessaw1802 要比較通常會攞對家品牌最新既機種來比 攞部一年以上機來比已經唔多公平
何況apple下下都攞幾年前既2019macbook墊底來比 注明係intel 感覺好小家
正常你出m3 攞m2出來比已經夠啦
如果數字靚仔既話
比完m1 仲要攞自己已經停産既cpu機種來比 自信少少好唔好
又唔見出新iphone時要攞足十八代來比
Intel梗係重要啦, 全世界絕大多數人都係用Intel
因為Apple太廢, 只敢攞Intel好幾年前嘅產品比較
唔明白Apple 嘅做法, 依家已經2024, 仲要擺2017 and 2020 Intel chips, 2020 M1 去做比較. 定係唔夠膽同N卡做比較
你會不會想多了。
Unwire還要「食飯」,那兒會做這些「自殺」行為。
Nvidia 筆記本3080系列可以和 M2 max/M3 max 直接比較,假如採用了NPU的話使用 CoreML 甚至可以拿M2 Pro/M3 Pro直接和3080系列比較。假如是運行 full precision 的大型語言模型, M3 Max甚至可以和Nvidia P40 (售價為5699美金)比較,因為對於一般家用或者係fine tunning,往往更加多的Vram相比可能強勁20%的性能重要, Vram不夠連模型也無法Load,這也是為什麼國外的Ai community也是很喜歡使用蘋果的M-series Chips.
我找到最便宜的,大概也要$1-2000美金,好像也是很多年前的chips了
@@KaLeungYip想公平比較M-series芯片和Nvidia CUDA GPU存在很多困難,首先第一個就是macOS Metal針對蘋果自身處理器的優化,這是得蘋果公司的GPU在運行Open CL/Vulkan (translted to Metal API)的時候會錄得顯著的性能損耗,其次就是你要運行的軟件,因為macOS所基於的Kernel和Windows有根本的差異,導致程序在運行的時候效率也是不相同,那麼現在可能你會說我不是要他公平的對比我要知道他們兩者相比是怎樣的,那麼以下是我節錄於GeekBench 6 的數據:
請緊記nVidia的處理器在使用數百瓦特的能源Apple的M3只使用10-20W (Pro, Max, Ultra 耗電量將會每一級相對前一級大概×2,最多大概也是使用160瓦)
M3: 47230 (Metal) RTX 4090: 358659
M3 Pro: 79130 (Metal) RTX 4080: 282059
M3 Max: 156476 (Metal) RTX 4070: 223127
M1 Ultra: 180560 (Metal) RTX 4060: 105221
M2 Max: 142928 (Metal) RTX 4060 Ti:131893
M2 Ultra: 207189 (Metal) RTX 3070 123078
RTX 3090: 223578
Windows方面的分數就比較混亂了,因為有一部份的顯示卡運行的時候是OC有一部份不是那麼我就挑同一頁入面見到最高的出來算了因此沒有備注用了什麼API,應該有Vulkan以及Open CL。還有一個令到現實世界中針對nVidia以及蘋果顯卡直接對比很困難的地方是因為蘋果有很多硬件解碼器,那些解碼器是專門針對H.265, Raw等等不同格式設計的,不要忘記nVidia也有,而且他們的cuda架構也是一種很強勁的運算器具,但是當進行影片匯出的時候我們看到蘋果的筆記本和 nVidia相比並不是真的差太遠,除非你是在3D rendering,這個場景在M3系列新增光影追蹤之後也有所改善(開啟光影追蹤之後性能提升一倍,耗電量也提升一倍),但是蘋果卻能在不需要電源供應器的時候維持性能,這是nVidia以及Intel器材無法媲美的,因此選擇使用什麼設備蘋果還是PC現在是一個看要捨棄什麼的抉擇。
Note that NPU cannot be used to train models, it can only USE models. So if you want to train models on your Mac, you still need either an expensive mac, b) a expensive gpu or just google CoLab which should be the most affordable way to start learning ai 😊😊
還沒三月八號就拿到了 厲害
我也很喜歡 MacBook Air.
apple 最好 support NVIDIA eGPU 如果唔係 轉去PC
成個video都係sell佢既好,又唔試下一般window用既應用程式,又唔試下打下機,攞黎同window機講勁幾多,對於一般用家要用mac機要幾多轉換,MacBook功能只係用黎生成AI同剪片冇其他,一般用家上下網睇下Netflix同TH-cam有冇需要買成萬蚊既MacBook呢?
成萬蚊,好貴咩?
新機評測
睇咗先講
我在美國綱站Mac Connection 買M3 16GB Ram/512GB SSD MacBook Pro. 減$ 300,$ 1499就可以買到。
買!!!😆
用這個跑AI找死,家用高階的n卡是秒出的
用mac做ai真係難受!
廢老機