學計算機專業，選MacBook好，還是Windows筆記本好？

從年初開始，我就以在職狀態修計算機科學（CS）碩士學位了。這個學期的必修課是“數據結構與算法”，主要是以Python為載體。學期初就在問多年老碼農：學習這東西用Mac好，還是用Windows好。朋友回復，如果只是Python的話都可以。

似乎在涉及Java和Python的兩門課起初，我都發現環境搭建是完全可以使用macOS的。不過未來隨著課程深入，到以后學機器學習相關的內容，則對于平臺的選擇牽扯到兩個問題，一是生態，二是設備性能。而且這兩個問題有時又是相互關聯的。

前不久有個up主發了個評測視頻《i5輕薄本夠寫大作業嗎》。他主要測試的是Python - sklearn和Matlab庫，依賴于Intel oneAPI和MKL（Math Kernel Library）數學加速庫。跟老碼農朋友聊天時，他也提到了Intel的這個MKL庫很優秀。而且去年Intel還給sklearn搞了個擴展插件sklearnex，據說能夠讓sklearn瞬間就加速幾十到幾百倍。有興趣的同學可以去看一看這則特別面向機器學習、數據分析“作業”的視頻。

在CS學習上，單就生態來看，PC選擇上投靠x86好像還是更不錯的選擇——而且這還沒談到老黃的生態。

而性能方面，這兩年AMD、Intel、蘋果在PC處理器上真的內卷得還挺厲害。12代酷睿為CPU加入E-core效率核心以后，消費產品的處理器核心數飆升。我記得2017年輕薄本都還在用雙核處理器。眼見5年后的今天，不少筆記本的CPU都有14個核心了。其實多核對某些應用而言沒有太大意義，但對機器學習、數據分析相關的工作和作業，那就很重要了。

最近拿到一臺Dell靈越7420（靈越14 Plus），處理器是酷睿i7-12700H，顯卡GeForce RTX 3050。用了幾天又讓我開始在想，基于性能考量，未來幾年的學習停靠在哪個平臺為好。所以拉來手上的M1版MacBook Air來做個性能方面的比較。

對比的雙方

展開正題之前說3點。第一是用靈越7420和MacBook Air比，就芯片和系統用料來看，其實是不公平的。前者是個標壓14核處理器，外加光追獨顯（雖然是最弱的）；后者是個低壓處理器（M1峰值功耗25W CPU + 10W GPU）。

靈越7420左右兩邊都有散熱孔和鰭片，不過后方位置看起來像散熱孔的格柵（右下圖），該位置內側并沒有散熱鰭片，也非出風或進風口，似乎是為了與Dell其他型號的設備保持外觀的一致性而存在的…

靈越7420在形態上屬于全能本，而非輕薄本——從機身左右兩側的散熱鰭片，也能看出它是看重性能釋放的——雖然在體態上，這款筆記本更靠近輕薄本。我感覺要和靈越7420比，相對科學的對比對象是MacBook Pro 14"。兩者都是14寸筆記本，后者也應用了M1 Pro/M1 Max這種規模更大的處理器。

但我手上就只有MacBook Air，而且是M1版。另外要考慮到兩者的價格問題，靈越7420（酷睿i7-12700H + GeForce RTX 3050）目前的售價是8499元；MacBook Air（M1 7核GPU + 16GB RAM）的價格是9499元。從成本角度，也得在意一下兩者的不均衡性。畢竟最低配的MacBook Pro 14"價格也要14999元。

以下的部分對比中，我也會加入其他媒體和評測機構已公開的M2和M1 Max跑分成績，作為對比。但要注意，我無法確保與其他機構的跑分環境一致，援引的數據僅供參考。而且事實上，Air的跑分還是有對比價值的：包括反映macOS/蘋果生態，及其實際性能。

第二，這次的對比還是涵蓋了比較普適的辦公、內容創作和游戲等應用。其實針對CS，我原本想測個AI Benchmark的，因為TensorFlow不都能支持M1 GPU加速了么？當時就有一大堆果粉在吹如何X爆老黃。但研究了一下，發現一套測試跑下來要好久——所以針對AI Benchmark，我未來會寫一篇專門的對比文章（如果我還沒被學校開除的話...）。所以感覺這篇文章有點標題黨。

內部的散熱用料看起來還是相當充沛

第三，靈越7420只作為載體呈現兩個陣營的差異。所以我不打算把注意力過多放在靈越7420的整體體驗上——其實就這款筆記本能說的點還挺多的，比如品質感不錯性能釋放也不錯；但某些組成部分的用料誠意不足——比如2240x1400 300nit 60Hz的屏幕；還有鎧俠KGB50ZNS512G的SSD固態硬盤——我用HD Tune Pro測了一下，20G+就出緩...

MacBook Air的主要配置就不列了，手邊這臺處理器是7核GPU版的M1，內存選配16GB，SSD 256GB，操作系統macOS 12.4。在M2版MacBook Air出來以后，M1版也沒降價，挺保值...列一下這臺靈越7420（靈越14 Plus）的主要配置：

? CPU：Intel酷睿i7-12700H（6 E-core + 8 P-core，14核20線程；P-core 2.3GHz基頻，4.7GHz睿頻；96EU Iris Xe核顯；24MB L3 cache）

? GPU：英偉達GeForce RTX 3050，4GB VRAM

? 內存：16GB DDR5-4800（4 Bank Group）

? SSD：KGB50ZNS512G NVMe KIOXIA 512GB

? 屏幕：2240 x 1400 60Hz 14寸（標稱300nit亮度，sRGB色域，來自京東方）

? 電池容量：64Wh

? BIOS固件版本：1.2.0

? 操作系統：Windows 11 Pro 21H2 22000.795

以下所有測試基于Windows系統設置的“最高性能”，以及My Dell應用“Power”選項選擇“Ultra Performance”。（雖然好像這個設定有點問題，下文會提到）

內存，無線網卡與閃存；內存為板載8GB DDR5-4800，外加一個可擴展的內存插槽，最高支持到40GB；這個閃存給的相當沒有誠意

一段Python代碼測試

既然是CS學生的選擇，還是得意思一下做個測試。測試用例來自一家名叫Benchmarks Game的個人blog，上面有一大堆各種各樣的算法。這里選擇一段Python代碼——這是一段單純針對CPU的壓力測試。

有興趣的可以點擊鏈接自己測試，測試過程也比較簡單，有Python3環境就可以。我的測試方法是在Windows 11以及macOS 的命令行終端里面敲指令來給這段代碼的執行過程計時（跑20000次）。雖然要讓這類測試真正有意義，恐怕還需要更多樣本，但作為我們未來性能測試的示例——也算是個不錯的開端吧。

這是個過程比較短的測試，所以理論上MacBook Air受被動散熱（即不帶風扇）的影響應該會更小。不過在代碼跑起來伊始，MacBook Air的CPU封裝溫度就很快達到了100℃，靈越7420的風扇葉也猛吹起來。

值得一提的是，鑒于Linux操作系統（比如Ubuntu）通常在這類負載中存在效率優勢，所以在Windows 11操作系統里，除了直接用Powershell來跑，我另外也特別借助Windows Subsystem for Linux（WSL）的Ubuntu來執行該測試，得到如下結果：

這應該算是個完全意料之中的結果吧，畢竟M1的CPU架構（Avalanche大核 + Blizzard小核）也有2年歷史了；且基于其核心數量和規模（4大核+4小核），無論單線程還是多線程性能，放在今年都已經不大夠打。

不過WSL展現出來的效率優勢，還是讓人慨嘆：大概的確用Linux來學CS會比較好。理論上，用原生Ubuntu操作系統來執行這段代碼，還能獲得更高的效率。這個結果實際上也表明，“系統測試”真的并不單純看底層硬件算力，而和平臺及中間層的效率和策略也有極大的關系。

但值得一提的是，靈越7420在不插電的時候，電源策略似乎令其產生了較大程度的性能顛簸。不外接電源，在WSL子系統中跑相同的代碼，耗時1分32秒，雖說還是比MacBook Air要好，但遠慢于插電場景的性能。

單純從CPU-instensive的任務負載來看，有CPU性能需求的CS學生，其實的確不應該考慮MacBook Air這類型的低壓本（13寸MacBook Pro同理）。往高年級去，數據分析和機器學習愈發著重多線程性能和硬件加速，則更是如此。

今年的全能本性能發揮，差不多是這樣

前菜過后，還是先來看看靈越7420這臺筆記本的性能釋放水平，以對其整個系統的性能發揮有一個基本的認知。畢竟當大家都用酷睿i7或i9處理器，還是會因為尺寸、散熱與系統設計、調度策略等的不同，而存在性能發揮方面的巨大差異。比如游戲本的酷睿i7-12700H，和靈越7420這種偏輕薄向的全能本應用i7-12700H就大不一樣。

這臺筆記本標配了一個130W的電源適配器，至少表明在性能方面是有追求的。從HWiNFO提供的信息來看，Dell為這臺筆記本CPU設定的PL1功耗45W，PL2 80W。為了解CPU性能釋放水平，我嘗試在這臺電腦上跑4輪Cinebench R23（每兩輪之間間隔3秒左右），并用XTU記錄CPU的封裝功耗與溫度，得到下圖：

從功耗曲線來看，第一輪測試，靈越7420的酷睿i7-12700H是可以在不到2秒的時間里觸碰到80W這個功率上限的；隨后會有10幾秒在72W附近震蕩；在67W附近又搖擺了6秒左右，一路跌到55W直至這輪測試結束。

第二輪測試能摸到75W，后續在53W附近起伏；第三輪的持續穩定狀態在50W左右；第四輪的穩定狀態就跌到了45W。

從單烤測試（AIDA64 FPU壓力測試）來看，這臺筆記本的CPU穩定狀態就在45W功率水平上。

這種程度的性能釋放在14寸輕薄向的全能本里算是還不錯的了。只不過從溫度曲線來看，靈越7420似乎一直試圖將CPU的封裝溫度控制在80℃附近（測試環境溫度：22℃），所以CPU每次剛碰到100℃溫度墻，就會立刻降到80℃——第四輪測試的穩定態干脆就是在80℃水平線上，也不去碰100℃了。

這就屬于性能釋放比較保守的策略了，因為無論溫度還是功耗都仍有余量。而且就使用體驗的角度來說，鍵盤和掌托區域都不會有溫度感知方面的壓力。不過從后面的系統測試來看，性能發揮并不成為靈越7420的問題，所以這種程度的控制也沒什么問題就是了。

除了CPU之外，靈越7420還有個耗電大戶：GeForce RTX 3050 GPU。從單烤GPU測試（FuMark壓力測試）來看，這顆GPU的功耗穩定狀態就在50W左右——全能本中，這種50W的RTX 3050很常見。對CS學生而言，能配個入門光追顯卡，在通用計算加速和日常游戲上，都還是相當有價值的。

雙烤測試（AIDA64 FPU + FuMark壓力測試），穩定狀態下CPU和GPU的功耗分別為20W和50W，兩者總功耗始終維持在70W的水平線上。噪聲控制也還不錯，雙烤時筆記本內的兩個風扇一起高速運轉，在常規坐姿位置，人耳聽到的噪聲大約是46dBA。

不過我在測試中也遇到了一個小問題：單烤測試時，CPU的功耗會突然掉到了25W，此時封裝溫度不過65℃，風扇轉速明顯放緩；在1-2秒后又回到45W。這件事也出現在了我玩《原神》游戲的過程里：

以靈越7420的配置，要以高畫質跑《原神》，問題還是不大的（雖然《原神》這個游戲，監控顯示的60fps感知上還是不怎么流暢，可能和幀生成時間有關；私以為50W 3050以高畫質玩《原神》仍然算不上好體驗）。

但在某些時間點，幀率會驟降到十幾幀。此時觀察CPU和GPU功耗和溫度，雙方都在偷懶：GPU和CPU的功耗都降到了10W附近，兩者封裝功耗都不到60℃。

個人猜測這是Dell的電源策略問題：似乎在My Dell 應用中把電源選項設置為“Optimized”會大幅減少這一情況的發生。因為我始終把電源設定在“Ultra Performance”檔，所有的測試結果可能都會受到這一問題的不良影響。期望后續BIOS固件更新能解決這一問題。

生態仍然是蘋果的痛

了解完靈越7420的性能發揮水平，對跑分成績其實也就大致有了基本預期。先來談談GPU部分。

GeForce RTX 3050 Laptop是英偉達Ampere架構光追卡里最入門的一款——雖然在數字上只跟3060差了10，但性能水平就要差得遠了。而且要注意這是個功耗限定在50W的3050。

之前蘋果一直在說M1 Max的GPU堪比RTX 3080 Laptop，M1 Ultra GPU則媲美RTX 3090。我也一直很想知道，蘋果M1 GPU和最入門的光追顯卡比起來性能怎么樣。如果只看圖形理論性能的話，大致是下面這樣的：

* 注：M1 Pro與M1 Max的跑分來自PCMag

M1 GPU達到這樣的3DMark跑分已經算是很優秀了，畢竟其GPU全力輸出功耗也才10W。基于RTX 3050和M1的圖形理論測試分，后續所有包含GPU加速的測試，都似乎可以預知結果：何況英偉達還有CUDA生態這種怪物級別的優勢項。

如果加入生態差距，則碾壓幅度能夠在Geekbench 5 Compute渲染與Blender渲染測試里表現得淋漓盡致。而且CS專業的學生，應該也更關注GPU的通用加速性能，而非單純的圖形計算性能吧：

* 注：M1 Max測試結果來自Linus Tech Tips

實際上M1 GPU在規模上是比Intel酷睿處理器Iris Xe核顯更大的，所以前面的3DMark WildLife Extreme測試，殘血的M1 GPU超過Iris Xe并不奇怪。但一旦考驗生態，蘋果GPU就會被吊打。

不僅是M1 GPU在Geekbench 5的通用計算加速測試里被Intel核顯趕超（但請注意，這是7核GPU版M1），而且RTX 3050這種入門獨顯在這項測試中的成績都和滿血版M1 Max差距不大——要知道靈越7420和MacBook Pro 16”這兩者在產品定位、價格、GPU芯片面積方面是有巨大不同的。

與此相關的另一個測試是Blender渲染測試。此前蘋果在構建其Metal生態的過程里，已經加入了Blender基金會。之前看到報道說Blender 3.1完全適配了Apple Silicon——雖然當時針對M1的Blender 3.1測試，得到的渲染成績仍然慘不忍睹，但據說后續的補丁讓M1跑Blender的效率大幅提升。

于是我下載了最新的Blender Benchmark Launcher，跑了最新的3.2.1版本，得到如下結果：

新版Blender的benchmark和此前2.x版本的差別還是挺大的，測試流程也短了很多。這個結果相當出人意料。

不知是否Blender的支持問題，或我的理解有問題。即便Blender如今的benchmark程序已經支持M1 GPU跑測試，最終其得分和用CPU跑并沒有太大差別；而且連酷睿i7-12700H的CPU都不及。

我去Blender官網看了一眼，他們做了個跑分天梯曲線，M1 Max/Ultra的位置都相當匪夷所思。看樣子優化還沒跟上？

當然了，每次都追著Geekbench和Blender這倆渲染加速測試去做，似乎是有失偏頗的。既然蘋果GPU已經在AI生態上有所進展，以后我們的測試也將會把AI Benchmark加進來——雖然感覺那是個大活兒…

但至少就目前來看，除了視頻剪輯之類的多媒體創作以外，x86 PC周邊生態在GPU上的顯著優勢仍將長期存在。這應該是在深入CS，乃至更多分支領域學習時需要考慮的問題。（雖然像CUDA這種東西不能歸屬于x86或Windows生態的優勢項，但這里在比的是Mac與其他；而PC這一刻仍主要是x86的天下）

GPU圖形計算相關的游戲測試，我也做了不少，就不多做點評了：看圖即可，基本都在預期中。其中部分對比可能有變量控制不佳的問題，比如macOS版的《CS:GO》畫質選擇，以及不同游戲的分辨率選擇在兩個平臺下存在少許差異——只能確保是接近1080p。靈越7420其實也不是游戲定位的筆記本，自然沒有獨顯直連支持。

這其中的《全面戰爭：戰錘3》是前一陣發布、專為Apple Silicon優化的——在推薦畫質（應該是介于低和中畫質的一種選擇）1080p分辨率下，能以鎖30fps的幀率來玩，體驗上的確還行。只不過此處為了對比，都選了較高的畫質和分辨率來跑游戲中的benchmark。前不久的M2版MacBook發布會上，Capcom也為蘋果站了臺，蘋果的GPU游戲生態或許還有可期的余地。

GeForce RTX 3050雖說被不少數碼愛好者罵得很慘，但有tensor core（DLSS）加持，大部分3A游戲降一降畫質也是可玩的。像DLSS這樣的超分技術，對于像RTX 3050這樣定位的顯卡而言的確很不錯。

圖形性能測試還有個SPECviewperf 2020，都是一些工業專業應用，基于OpenGL和DirectX去跑的。測試結果呈現，主要期望給出RTX 3050（50W）在這些應用中的具體性能表現，跟CS關系沒那么大，不過相關專業的同學可以拿這些分數，去和其他公開的成績作對照：

CPU性能與綜合系統性能測試

其余測試項都比較常規了，主要包括CPU理論性能測試，和辦公、多媒體創作的系統性能測試。好像能說的不多，主要讓各位同學感知下當前兩個陣營的筆記本處理器性能發揮情況：

* 注：M2與M1 Max測試成績來自CPU-Monkey

Cinbench與Geekbench的測試結果有差異，畢竟這兩者的測試內容區別還是比較大的。不過基于結果來看，Windows筆記本的性價比優勢那真是相當大啊。

仍需強調，蘋果M系列芯片在能效方面仍有優勢，主要是整個系統處于低負載下的功耗可以很低；Intel的這代芯片雖然高負載的效率不錯，但低負載區間的效率表現一般，而且System Agent功耗控制并不好，導致標壓筆記本的續航似乎普遍不夠出色。

反映多媒體創作的PugetBench測試對比結果還挺讓我意外的，因為此前看到不少蘋果用戶都在說M1在多媒體創作過程里的彪悍性能，是足以比肩30系光追GPU的。但起碼從我的測試來看M系列芯片在多媒體創作上也沒有那么神。

雖說Adobe全家桶對蘋果生態算不上友好，但macOS平臺的Adobe用戶應當也不少。而且Premiere Pro的測試結果總讓我感覺PugetBench的測試項是否沒有那么合理：因為蘋果在視頻剪輯與后期方面的優勢似乎已經被很多人證實了。我還特意拆開看了看PugetBench Premiere Pro測試的幾個分項：

* 注：MacBook Pro 16”的測試成績來自PugetBench官網

從視頻回放、后期特效等多個角度來看，M1這種小塊頭似乎都無法和有光追獨顯加速的系統相比。不知道蘋果生態內的Final Cut Pro是否能夠顛覆這一結果，畢竟咱也不怎么做視頻。

但還要多說一句，Pugetbench當前應該是不支持Apple Silicon原生版本的Adobe全家桶的，所以這個測試都經過了Rosetta轉譯——基于先輩們的測試，經過Rosetta轉譯的PS、PR等應用性能也都還行。不過也聽說原生M1支持的Adobe套裝在性能上有較大程度的提升，這一點還是需要注意的。

除PugetBench測試以外，本文出現的所有涉及到MacBook Air的測試均為Apple Silicon原生支持。

最后給出辦公與綜合系統性能測試，包括PCMark 10現代辦公和CrossMark測試（現在難得有跨平臺的反映日常使用的真實場景測試）：

其實就CPU與GPU性能、生態角度來看，Mac設備對我們這類人的性價比還是太差了，即便它在續航、發熱以及設備外觀方面還是有不小的優勢。當然或許我們的對比還是太過普適了（所以有點標題黨），因為蘋果一直以來似乎都信奉“服務好那10%的人就好”，比如M1 Max/Pro在媒體引擎上的硬件堆料，就是要吸引媒體創作者。

其實在那10%以外，蘋果芯片的性能和效率真的沒有傳說中那么神。有時候性能也還是其次，比如M1 Max/Ultra上給GPU堆了那么大的die size，用武之地仍然不大，也表明很多問題遠不只是芯片的問題。

開題說“學CS專業”，未來的關鍵都在生態支持上。可能CS、軟件工程什么的還是太泛，在某些計算機相關的細分領域，生態依賴問題更大，Fortran和CUDA都是其中的例子…不過我們這部分人，大概也不是蘋果預期覆蓋的目標群體。