苹果在 2008 年 4 月 23 日，冒着极大风险硬著头皮发表初代 iPhone 的隔年，耗费 2 亿 7,800 万美元，购并了专注开发高效能 Power 处理器的 P.A Semi，组成其处理器研发团队的骨干，然后在 2012 年 9 月发表的 iPhone 5，其心脏“A6”处理器，终于不再使用来自 ARM 授权的核心，采用自家的“Swift”微架构（Micro Architecture）。
再以世界上首款抢滩登陆智能手机与平板的 64 位元 ARM 处理器“A7”（Cyclone 微架构）为起点，苹果自家 SoC 开始逐渐展现压倒 ARM Cortex 家族（与躺着中枪的 Qualcomm 自有核心）效能优势，且随着时间演进，差距越拉越开。
接着，每代 iPhone 发表后，各大科技媒体网站的报导，与底下的读者回应，只会有两种制式的单细胞生物反应：
- 文章高高挂着“众人都惊呆了，连开发效能测试软件的人都不知道发生了什么事”如内容农场般的标题，再来继续机械化的炒作“苹果会不会用自家芯片取代 Intel 处理器”的多年冷饭。
- 底下的读者留言鸡同鸭吵成一团，上演“Android 自由主义”和“苹果神权政治”信徒大对决，没有人讲到任何值得注意的重点，连一丝一毫的学理成分都没有，宗教信仰就是如此奇妙。
笔者不啰唆，直接在这里讲结论：
借由牢牢把持软硬件平台的“封闭性”先天优势，苹果掌握了 ARM 指令集迈向 64 位元带来的机会，打造出一系列同时间能够有效处理更多指令的先进微架构。
看起来好像微言大义到接近废话的程度？如果你真的这样想，那你就更有继续读下去的必要。
拨乱反正：做为电脑语言的“指令集架构”vs. 执行语言载具的“处理器核心微架构”
近年来拜 ARM 为首的授权 IP 商业模式之所赐，越来越多人搞不懂这两者的差别，完全混在一起，这些年来笔者已经听过太多让人完全笑不出来的笑话，所以在此特别重述一次。
支配智能手机市场的 ARM 又是怎么一回事呢？以 32 位元 ARMv7-A 指令集为例，在手机上常见的微架构（核心），总计有：
- ARM 本家卖 IP 授权给别人的 Cortex-A5 / A7 / A9 / A12 / A15 / A17 这几种核心微架构。
- Qualcomm 自行打造的 Scorpio / Krait。
- 苹果并购 P.A. Semi 后关起门来搞出的 A6“Swift”，iPhone 5 的心脏。
换成 64 位元 ARMv8-A，就变成以下场景：
- ARM 本家卖 IP 授权给别人的 Cortex-A35 / A53 / A57 / A72 / A73 这几种核心微架构。
- 增加半精度浮点支援和系统可靠度机能的 ARMv8.2-A 指令集：Cortex-A55 / A75。
- Qualcomm 自行打造的 Kyro。
- nVidia 的 Project Denver。
- 苹果继续关起门来搞出的 A7“Cyclone”，与之后的众多芯片，如 A8“Typhoon”、A9“Twister”、A10“Fusion”（Hurricane + Zephyr）、A11“Bionic”（Monsoon + Mistra）。
- 为了服务器而量身订做的特殊微架构，如 Qualcomm Centriq 2400 的“Falkor”，和 Cavium Thunder X 系列的核心。
只要操作系统相同（如同版本 Android 或 iOS），这些核心微架构应当正确执行使用 ARM 指令集撰写或编译出来的软件，讲的更专业或更假掰一点，它们拥有相同的应用程序二进制执行档界面（ABI，Application Binary Interface），如同 Intel 与 AMD 的 x86 处理器都应可正确安装 Windows 操作系统，理所当然执行 Office 等应用软件和 Battlefield 等套装游戏。
至于 Qualcomm、苹果和 nVidia，是否根本自身特殊需求，自行定义“非官方”ARM 指令，那就后头有空再讨论了。
高效能之路：让核心微架构同时间内能够有效处理更多的指令
在执行相同指令集“语言”的前提之上，相容处理器的效能要能够胜出，只有微架构设计能否比竞争对手有效处理更多的指令。方向不外乎：
- 更高的时脉：虽然往往计算机概论会教你“指令管线阶段越多，代表处理器同时执行更多的指令，只是这些指令位处于不同的阶段”，但实际上最多还是一个时脉周期“吐出”一个被执行完毕的指令，所以现实层面的“加深指令管线”，实际上跟“提高运行时脉”讲的是同一件事。很不幸的，智能手机因严格的功耗限制，透过积极追求高时脉以提高效能，是比较不切实际的方向。
- 更宽的管线：一个便当吃不够，你可以吃第二个，嫌执行一个指令不够看，你也可以同时执行第二个，这就是源自 1966 年 CDC6600 的“超纯量”（Superscalar）架构。另外也有纯软件方式、让编译器去一个萝卜一个坑塞指令到不同执行单元的“超长指令集”（VLIW），这就不在本文的讨论范围内了。
- 足以喂饱嗷嗷待哺执行单元的高效能内存子系统：包含系统主内存、快取内存、连结多个处理器核心的总线、举足轻重的快取内存资料一致性协定（Cache Coherence Protocol），甚至可以非循序的存取内存位址（Memory Disambiguation），都是不可或缺的“基础建设”。
天底下没有白吃的午餐：两种该死的“相依性”
但“指令管线化”与“指令执行平行化”也带来了新的挑战。
- 控制相依性：电脑有别于计算器的最重要特征在于“条件判断”的能力，根据不同的条件执行不同的指令流，处理器如碰到分支（Branch）或跳跃（Jump），就须改变指令执行的流程，清除已经进入管线的指令，从另一个内存位址撷取指令，重新执行并存取相关的资料（或称为“算子”，意指运算的目标，如特定资料暂存器或内存位址），而具备条件判断的分支，造成的伤害更大，因为需要管线停下来等待其结果、或著事先预测并“先斩后奏”。
- 解决方案：分支预测（Branch Prediction），与后面会提到、釜底抽薪减少分支指令的“条件执行”（Conditional Execution）。
- 资料相依性：当同时执行多个指令，最忌讳遭遇“撞衫”同时存取相同的资料暂存器与内存位址，特别是当指令集定义可操作的资料暂存器越少，软件手段可以尽量排除的空间越少，发生的概率也越高。
- 解决方案：以暂存器重新更名机制（Register Rename）为中心的非循序指令执行（Out-Of-Order Execution）。
然后根据分支预测结果而先斩后奏“预测性执行指令”（Speculative Execution），是分支预测与非循序指令执行的结合体。总之，我们尽其所能的让管线“顺畅”的像生产线不停的运转，实现最高的指令执行效率。
理所当然的，指令管线越深，一旦“筊杯”失败，要复原管线并恢复指令执行的代价，也越像火烧摩天楼一样恐怖，这也是高时脉深管线近年来不太受欢迎的另类主因，因为现实世界的应用程序，其实有很多难以预测的分支行为，越高的“代价”，更意味着更差劲的“效能／功耗”比。
LLVM 开发环境参数透露的神秘讯息
讲了那么多原理，苹果从来不公开自主微架构的技术细节，那该如何掌握他们追求高效能的设计方向？
2014 年初，当多数世人正“惊呆”A7 的 64 位元与惊人的性能表现时，有人注意到苹果提交的 LLVM 原始代码，不仅透露了微架构代号是“Cyclone”，更包含众多重要的规格参数：
- 指令发出宽度（Issue Width）：6
- 非循序指令执行缓冲区（Reorder Buffer）：192
- 内存载入延迟（Load Latency）：4
- 分支预测错误代价（Misprediction Penalty）：16（一般介于 14~19）
在当时，这是非常惊人的规格，就算摆在今天也是同样骇人，可同时处理的指令是同时期 ARM 核心足足两倍（即使 64 位元的 Cortex-A57 也只能 3 个指令），非循序指令执行引擎的“深度”则是 Intel Haswell 等级，指令管线深度则中规中矩的维持在 16 阶这一般水准。
相信有些读者早已从其他网站看过相关的报导，但有个“江湖传言”倒是值得注意：部分开发 iOS 应用程序的程式设计者，做了一些指令输出率的实验，察觉到“A7 一旦执行 32 位元程式码，指令输出率就腰斩了”，这个“特性”一路延续到 A10，直到 A11 根本没有 32 位元应用程序可执行为止。
后来苹果当然就没有继续“规格大放送”，Wiki 上苹果处理器的规格表，一路从 A7 到 A11，都是维持这些数字，有没有经过实测考验也不得而知，反正就大家一起无限循环继续惊呆，苹果持之以恒的甩开和其他竞争者的差距。
唯一可以确定的是，笔者在自己的 iPad Pro 9.7 吋 A10X 上，透过配对简单指令，测出每个时脉周期可同时输出“4 个整数，2 个浮点，2 个内存载入”的可怕性能。此外，A10X 与 A11 放弃第三阶 4MB 快取内存，而以大型化第二阶 8MB 取而代之，也暗示了苹果极可能在快取内存技术有了重大的突破，可兼顾高容量与低延迟。
A11？笔者没有 iPhone 8 和 iPhone X 可用，有机会再测测看。
让我们重新画出命案现场的人形粉笔圈，归纳出苹果的产品设计取向：
- 微架构以 64 位元效能为优先设计考量。
- 既然行动处理器受制于低功耗需求，难以透过提高时脉追求效能，索性以“更宽”的指令管线取胜。
- 同时执行更多指令，代表要耗费更多心思去解决暂存器相依的问题。
- 更强力的非循序指令执行引擎。
- 寄望指令集本身就定义更多的资料暂存器，降低“强碰”概率。
ARM 指令集走向 64 位元带来的重大改革
让 ARM 指令集迈向 64 位元的 ARMv8-A，并非只有“将整数逻辑暂存器宽度延长到 64 位元”和“提供 64 位元内存定址空间”这么简单，抛弃昔日专注于嵌入式应用的遗产，更加的简洁优雅，更利于打造高效能微架构，引领 ARM 荣登高效能的天堂，是这次指令集改版最神圣不可侵犯的绝对使命。
ARMv8-A 修订项目极多，但就笔者的角度，除了取消“加速重建储存 CPU 状态的 Context Switch 相关机制”（一堆就今日观点实在很小家子气的技术），和简化例外处理与执行特权阶层外，最重大的改革，只有两项：
- 倍增通用暂存器（GPR）数量，这件事在当年 AMD 让 x86 迈向 64 位元时也发生过，意义重大。
- 取消涵盖整套指令集的“条件执行”（Conditional Execution），这和前者互为表里，因为总算挤出了珍贵的指令编码空间去增加暂存器数量。
其中又称为“引述式执行”（Predicated Execution，或 Guarded Exectuion）的后者，目的在于减少程式中的分支，指令集提供简单扼要的条件执行指令，一次做完所有事情。
直接举例比较快。原本一个简单的 If-Then-Else 循序条件判断，会需要等待确认条件结果，或著强行进行分支预测，管线才会继续动作：
if condition then do this else do that
就变成这样：
(condition) do this (not condition) do that
有没有感觉简洁多了？讲的玄一点，条件执行的中心精神在于“将控制相依性转化为资料相依性”。
然后有鉴于过去的应用程序，在这种 If-Then-Else 的条件判断中，有 60% 都是资料搬移指令，这也是为何指令集“事后”扩充条件执行功能，如 DEC Alpha、MIPS、甚至 x86，都以“条件搬移”（Conditional Move）为主。
以 Alpha 为例，其指令格式统一为 cmovxx（xx 代表条件），一个简单的条件搬移：
beq ra, label // if (ra) = 0, branch to ‘label’
or rb, rb, rc // else move (rb) into rc
可以透过新指令，简化如下：
cmovne ra, rb, rc
在 ARMv8 之前，整套 ARM 指令集每道指令，都包含了 4 位元的条件码，必须符合“某个条件”才会执行指令。如条件成立，执行此指令并写回运算结果。反之，指令执行结果无效，或不予执行。
回到原点，条件执行的优点很明显：
- 加速实际条件判断的效率，因为实际上只要比较 0 与 1（Bitwise）。
- 减少简单条件判断的分支，可以提升指令平行化执行的潜力。这也是为何很多 VLIW 指令集普遍支援条件执行。甚至定义存放引述码（Predicate）的专用暂存器，以因应更复杂多样的条件判断，如摊平循环的软件管线（Software Pipeline）。
但为何 ARM 要取消看似完美的条件执行？
- 占用 4 位元指令编码，实在是太浪费了，所以用“条件选择”（Conditional Select）取而代之。
- 举个范例：“CSEL W1, W2, W3, Cond”，如条件符合，W2 暂存器资料搬移到 W1，如非，就 W3 到 W1。缺点是会稍微增加程式码体积，但绝对划算。
- 提高打造高效能非循序指令执行引擎的复杂度，在管线前端就要“预锁”后面所需要的相关资源，也增加后方需要“更名”的暂存器，更不利提升时脉。
A11“极可能”是纯 64 位元的微架构
可确保处理器正确执行所有软件的指令集回溯相容性，是商业上的“资产”，但也是设计处理器微架构的“包袱”。
我们有非常充分的理由相信，苹果急着驱离“32 位元低阶应用程序”，就是为了其处理器全力针对 64 位元最佳化造桥铺路，而 A11 如此惊世骇俗的效能表现，除了它根本是纯 64 位元处理器，所有晶体管预算都砸在提升效能的刀口上，没有其他合理的解释了（新的异质多处理器排程也有影响，但没那么绝对）。“就算”A11 具备 32 位元相容性，其性能表现恐怕也仅聊胜于无，不足挂齿。
无独有偶，Qualcomm 企图抢攻服务器市场的 Centriq 2400，也是纯 64 位元的设计，这就是 ARM 制定 64 位元指令集扩充时，最希望看到的结果：雨后春笋般的高效能产品。
同场加映：Mac 改用自家芯片的可能性
关于这个“年经”（每年发表一支新 iPhone）议题，笔者不会赌上爷爷的名誉做不负责任的推论，但只留下两个留待读者思考的问题：
- 苹果能否承担转移的成本，尤其当 Mac 用户已非弱势族群的当下。
- 苹果是否仍希望“吸收”Windows PC 的使用者。
Mac 是否改用苹果自家芯片这档事，并不只是“效能够好”就可以一笔轻松带过的大哉问，请各位多多考量商业层面的因素。
苹果同时掌握软硬件的“不公平竞争”
最后，再重新贴出本文标题的答案：
“借由牢牢把持软硬件平台的‘封闭性’先天优势，苹果掌握了 ARM 指令集迈向 64 位元带来的机会，打造出一系列同时间能够有效处理更多指令的先进微架构。”
这“一体成形”的绝对优势，在可见未来的深度学习之路上，会更加的牢不可破，这就是苹果在 iPhone 前景未明之际，就胆敢购并 P.A Semi 投资未来，所得到的丰硕成果，就算你不喜欢“果粉”，你也不能不佩服乔布斯的远见。
至于 P.A Semi 究竟干过哪些值得苹果冒险的好事，等以后有机会，再好好谈谈，如果真的还有机会。
（首图来源：By Henriok (Own work) [CC0], via Wikimedia Commons）
延伸阅读：
- A11 Bionic 芯片实在太快了，Geekbench 创始人难以置信
- 苹果 A11 处理器性能强，跑分超越笔电
- Intel CEO：苹果除非是傻瓜，才会不在 Mac 尝试自家处理器
- 始于 ARM 与三星：苹果自行设计的 SoC 是怎么走到今天？
