学计算机专业，选MacBook好，还是Windows笔记本好？

从年初开始，我就以在职状态修计算机科学（CS）硕士学位了。这个学期的必修课是“数据结构与算法”，主要是以Python为载体。学期初就在问多年老码农：学习这东西用Mac好，还是用Windows好。朋友回复，如果只是Python的话都可以。

似乎在涉及Java和Python的两门课起初，我都发现环境搭建是完全可以使用macOS的。不过未来随着课程深入，到以后学机器学习相关的内容，则对于平台的选择牵扯到两个问题，一是生态，二是设备性能。而且这两个问题有时又是相互关联的。

前不久有个up主发了个评测视频《i5轻薄本够写大作业吗》。他主要测试的是Python - sklearn和Matlab库，依赖于Intel oneAPI和MKL（Math Kernel Library）数学加速库。跟老码农朋友聊天时，他也提到了Intel的这个MKL库很优秀。而且去年Intel还给sklearn搞了个扩展插件sklearnex，据说能够让sklearn瞬间就加速几十到几百倍。有兴趣的同学可以去看一看这则特别面向机器学习、数据分析“作业”的视频。

在CS学习上，单就生态来看，PC选择上投靠x86好像还是更不错的选择——而且这还没谈到老黄的生态。

而性能方面，这两年AMD、Intel、苹果在PC处理器上真的内卷得还挺厉害。12代酷睿为CPU加入E-core效率核心以后，消费产品的处理器核心数飙升。我记得2017年轻薄本都还在用双核处理器。眼见5年后的今天，不少笔记本的CPU都有14个核心了。其实多核对某些应用而言没有太大意义，但对机器学习、数据分析相关的工作和作业，那就很重要了。

最近拿到一台Dell灵越7420（灵越14 Plus），处理器是酷睿i7-12700H，显卡GeForce RTX 3050。用了几天又让我开始在想，基于性能考量，未来几年的学习停靠在哪个平台为好。所以拉来手上的M1版MacBook Air来做个性能方面的比较。

对比的双方

展开正题之前说3点。第一是用灵越7420和MacBook Air比，就芯片和系统用料来看，其实是不公平的。前者是个标压14核处理器，外加光追独显（虽然是最弱的）；后者是个低压处理器（M1峰值功耗25W CPU + 10W GPU）。

灵越7420左右两边都有散热孔和鳍片，不过后方位置看起来像散热孔的格栅（右下图），该位置内侧并没有散热鳍片，也非出风或进风口，似乎是为了与Dell其他型号的设备保持外观的一致性而存在的…

灵越7420在形态上属于全能本，而非轻薄本——从机身左右两侧的散热鳍片，也能看出它是看重性能释放的——虽然在体态上，这款笔记本更靠近轻薄本。我感觉要和灵越7420比，相对科学的对比对象是MacBook Pro 14"。两者都是14寸笔记本，后者也应用了M1 Pro/M1 Max这种规模更大的处理器。

但我手上就只有MacBook Air，而且是M1版。另外要考虑到两者的价格问题，灵越7420（酷睿i7-12700H + GeForce RTX 3050）目前的售价是8499元；MacBook Air（M1 7核GPU + 16GB RAM）的价格是9499元。从成本角度，也得在意一下两者的不均衡性。毕竟最低配的MacBook Pro 14"价格也要14999元。

以下的部分对比中，我也会加入其他媒体和评测机构已公开的M2和M1 Max跑分成绩，作为对比。但要注意，我无法确保与其他机构的跑分环境一致，援引的数据仅供参考。而且事实上，Air的跑分还是有对比价值的：包括反映macOS/苹果生态，及其实际性能。

第二，这次的对比还是涵盖了比较普适的办公、内容创作和游戏等应用。其实针对CS，我原本想测个AI Benchmark的，因为TensorFlow不都能支持M1 GPU加速了么？当时就有一大堆果粉在吹如何X爆老黄。但研究了一下，发现一套测试跑下来要好久——所以针对AI Benchmark，我未来会写一篇专门的对比文章（如果我还没被学校开除的话...）。所以感觉这篇文章有点标题党。

内部的散热用料看起来还是相当充沛

第三，灵越7420只作为载体呈现两个阵营的差异。所以我不打算把注意力过多放在灵越7420的整体体验上——其实就这款笔记本能说的点还挺多的，比如品质感不错性能释放也不错；但某些组成部分的用料诚意不足——比如2240x1400 300nit 60Hz的屏幕；还有铠侠KGB50ZNS512G的SSD固态硬盘——我用HD Tune Pro测了一下，20G+就出缓...

MacBook Air的主要配置就不列了，手边这台处理器是7核GPU版的M1，内存选配16GB，SSD 256GB，操作系统macOS 12.4。在M2版MacBook Air出来以后，M1版也没降价，挺保值...列一下这台灵越7420（灵越14 Plus）的主要配置：

▪ CPU：Intel酷睿i7-12700H（6 E-core + 8 P-core，14核20线程；P-core 2.3GHz基频，4.7GHz睿频；96EU Iris Xe核显；24MB L3 cache）

▪ GPU：英伟达GeForce RTX 3050，4GB VRAM

▪ 内存：16GB DDR5-4800（4 Bank Group）

▪ SSD：KGB50ZNS512G NVMe KIOXIA 512GB

▪ 屏幕：2240 x 1400 60Hz 14寸（标称300nit亮度，sRGB色域，来自京东方）

▪ 电池容量：64Wh

▪ BIOS固件版本：1.2.0

▪ 操作系统：Windows 11 Pro 21H2 22000.795

以下所有测试基于Windows系统设置的“最高性能”，以及My Dell应用“Power”选项选择“Ultra Performance”。（虽然好像这个设定有点问题，下文会提到）

内存，无线网卡与闪存；内存为板载8GB DDR5-4800，外加一个可扩展的内存插槽，最高支持到40GB；这个闪存给的相当没有诚意

一段Python代码测试

既然是CS学生的选择，还是得意思一下做个测试。测试用例来自一家名叫Benchmarks Game的个人blog，上面有一大堆各种各样的算法。这里选择一段Python代码——这是一段单纯针对CPU的压力测试。

有兴趣的可以点击链接自己测试，测试过程也比较简单，有Python3环境就可以。我的测试方法是在Windows 11以及macOS 的命令行终端里面敲指令来给这段代码的执行过程计时（跑20000次）。虽然要让这类测试真正有意义，恐怕还需要更多样本，但作为我们未来性能测试的示例——也算是个不错的开端吧。

这是个过程比较短的测试，所以理论上MacBook Air受被动散热（即不带风扇）的影响应该会更小。不过在代码跑起来伊始，MacBook Air的CPU封装温度就很快达到了100℃，灵越7420的风扇叶也猛吹起来。

值得一提的是，鉴于Linux操作系统（比如Ubuntu）通常在这类负载中存在效率优势，所以在Windows 11操作系统里，除了直接用Powershell来跑，我另外也特别借助Windows Subsystem for Linux（WSL）的Ubuntu来执行该测试，得到如下结果：

这应该算是个完全意料之中的结果吧，毕竟M1的CPU架构（Avalanche大核 + Blizzard小核）也有2年历史了；且基于其核心数量和规模（4大核+4小核），无论单线程还是多线程性能，放在今年都已经不大够打。

不过WSL展现出来的效率优势，还是让人慨叹：大概的确用Linux来学CS会比较好。理论上，用原生Ubuntu操作系统来执行这段代码，还能获得更高的效率。这个结果实际上也表明，“系统测试”真的并不单纯看底层硬件算力，而和平台及中间层的效率和策略也有极大的关系。

但值得一提的是，灵越7420在不插电的时候，电源策略似乎令其产生了较大程度的性能颠簸。不外接电源，在WSL子系统中跑相同的代码，耗时1分32秒，虽说还是比MacBook Air要好，但远慢于插电场景的性能。

单纯从CPU-instensive的任务负载来看，有CPU性能需求的CS学生，其实的确不应该考虑MacBook Air这类型的低压本（13寸MacBook Pro同理）。往高年级去，数据分析和机器学习愈发着重多线程性能和硬件加速，则更是如此。

今年的全能本性能发挥，差不多是这样

前菜过后，还是先来看看灵越7420这台笔记本的性能释放水平，以对其整个系统的性能发挥有一个基本的认知。毕竟当大家都用酷睿i7或i9处理器，还是会因为尺寸、散热与系统设计、调度策略等的不同，而存在性能发挥方面的巨大差异。比如游戏本的酷睿i7-12700H，和灵越7420这种偏轻薄向的全能本应用i7-12700H就大不一样。

这台笔记本标配了一个130W的电源适配器，至少表明在性能方面是有追求的。从HWiNFO提供的信息来看，Dell为这台笔记本CPU设定的PL1功耗45W，PL2 80W。为了解CPU性能释放水平，我尝试在这台电脑上跑4轮Cinebench R23（每两轮之间间隔3秒左右），并用XTU记录CPU的封装功耗与温度，得到下图：

从功耗曲线来看，第一轮测试，灵越7420的酷睿i7-12700H是可以在不到2秒的时间里触碰到80W这个功率上限的；随后会有10几秒在72W附近震荡；在67W附近又摇摆了6秒左右，一路跌到55W直至这轮测试结束。

第二轮测试能摸到75W，后续在53W附近起伏；第三轮的持续稳定状态在50W左右；第四轮的稳定状态就跌到了45W。

从单烤测试（AIDA64 FPU压力测试）来看，这台笔记本的CPU稳定状态就在45W功率水平上。

这种程度的性能释放在14寸轻薄向的全能本里算是还不错的了。只不过从温度曲线来看，灵越7420似乎一直试图将CPU的封装温度控制在80℃附近（测试环境温度：22℃），所以CPU每次刚碰到100℃温度墙，就会立刻降到80℃——第四轮测试的稳定态干脆就是在80℃水平线上，也不去碰100℃了。

这就属于性能释放比较保守的策略了，因为无论温度还是功耗都仍有余量。而且就使用体验的角度来说，键盘和掌托区域都不会有温度感知方面的压力。不过从后面的系统测试来看，性能发挥并不成为灵越7420的问题，所以这种程度的控制也没什么问题就是了。

除了CPU之外，灵越7420还有个耗电大户：GeForce RTX 3050 GPU。从单烤GPU测试（FuMark压力测试）来看，这颗GPU的功耗稳定状态就在50W左右——全能本中，这种50W的RTX 3050很常见。对CS学生而言，能配个入门光追显卡，在通用计算加速和日常游戏上，都还是相当有价值的。

双烤测试（AIDA64 FPU + FuMark压力测试），稳定状态下CPU和GPU的功耗分别为20W和50W，两者总功耗始终维持在70W的水平线上。噪声控制也还不错，双烤时笔记本内的两个风扇一起高速运转，在常规坐姿位置，人耳听到的噪声大约是46dBA。

不过我在测试中也遇到了一个小问题：单烤测试时，CPU的功耗会突然掉到了25W，此时封装温度不过65℃，风扇转速明显放缓；在1-2秒后又回到45W。这件事也出现在了我玩《原神》游戏的过程里：

以灵越7420的配置，要以高画质跑《原神》，问题还是不大的（虽然《原神》这个游戏，监控显示的60fps感知上还是不怎么流畅，可能和帧生成时间有关；私以为50W 3050以高画质玩《原神》仍然算不上好体验）。

但在某些时间点，帧率会骤降到十几帧。此时观察CPU和GPU功耗和温度，双方都在偷懒：GPU和CPU的功耗都降到了10W附近，两者封装功耗都不到60℃。

个人猜测这是Dell的电源策略问题：似乎在My Dell 应用中把电源选项设置为“Optimized”会大幅减少这一情况的发生。因为我始终把电源设定在“Ultra Performance”档，所有的测试结果可能都会受到这一问题的不良影响。期望后续BIOS固件更新能解决这一问题。

生态仍然是苹果的痛

了解完灵越7420的性能发挥水平，对跑分成绩其实也就大致有了基本预期。先来谈谈GPU部分。

GeForce RTX 3050 Laptop是英伟达Ampere架构光追卡里最入门的一款——虽然在数字上只跟3060差了10，但性能水平就要差得远了。而且要注意这是个功耗限定在50W的3050。

之前苹果一直在说M1 Max的GPU堪比RTX 3080 Laptop，M1 Ultra GPU则媲美RTX 3090。我也一直很想知道，苹果M1 GPU和最入门的光追显卡比起来性能怎么样。如果只看图形理论性能的话，大致是下面这样的：

* 注：M1 Pro与M1 Max的跑分来自PCMag

M1 GPU达到这样的3DMark跑分已经算是很优秀了，毕竟其GPU全力输出功耗也才10W。基于RTX 3050和M1的图形理论测试分，后续所有包含GPU加速的测试，都似乎可以预知结果：何况英伟达还有CUDA生态这种怪物级别的优势项。

如果加入生态差距，则碾压幅度能够在Geekbench 5 Compute渲染与Blender渲染测试里表现得淋漓尽致。而且CS专业的学生，应该也更关注GPU的通用加速性能，而非单纯的图形计算性能吧：

* 注：M1 Max测试结果来自Linus Tech Tips

实际上M1 GPU在规模上是比Intel酷睿处理器Iris Xe核显更大的，所以前面的3DMark WildLife Extreme测试，残血的M1 GPU超过Iris Xe并不奇怪。但一旦考验生态，苹果GPU就会被吊打。

不仅是M1 GPU在Geekbench 5的通用计算加速测试里被Intel核显赶超（但请注意，这是7核GPU版M1），而且RTX 3050这种入门独显在这项测试中的成绩都和满血版M1 Max差距不大——要知道灵越7420和MacBook Pro 16”这两者在产品定位、价格、GPU芯片面积方面是有巨大不同的。

与此相关的另一个测试是Blender渲染测试。此前苹果在构建其Metal生态的过程里，已经加入了Blender基金会。之前看到报道说Blender 3.1完全适配了Apple Silicon——虽然当时针对M1的Blender 3.1测试，得到的渲染成绩仍然惨不忍睹，但据说后续的补丁让M1跑Blender的效率大幅提升。

于是我下载了最新的Blender Benchmark Launcher，跑了最新的3.2.1版本，得到如下结果：

新版Blender的benchmark和此前2.x版本的差别还是挺大的，测试流程也短了很多。这个结果相当出人意料。

不知是否Blender的支持问题，或我的理解有问题。即便Blender如今的benchmark程序已经支持M1 GPU跑测试，最终其得分和用CPU跑并没有太大差别；而且连酷睿i7-12700H的CPU都不及。

我去Blender官网看了一眼，他们做了个跑分天梯曲线，M1 Max/Ultra的位置都相当匪夷所思。看样子优化还没跟上？

当然了，每次都追着Geekbench和Blender这俩渲染加速测试去做，似乎是有失偏颇的。既然苹果GPU已经在AI生态上有所进展，以后我们的测试也将会把AI Benchmark加进来——虽然感觉那是个大活儿…

但至少就目前来看，除了视频剪辑之类的多媒体创作以外，x86 PC周边生态在GPU上的显著优势仍将长期存在。这应该是在深入CS，乃至更多分支领域学习时需要考虑的问题。（虽然像CUDA这种东西不能归属于x86或Windows生态的优势项，但这里在比的是Mac与其他；而PC这一刻仍主要是x86的天下）

GPU图形计算相关的游戏测试，我也做了不少，就不多做点评了：看图即可，基本都在预期中。其中部分对比可能有变量控制不佳的问题，比如macOS版的《CS:GO》画质选择，以及不同游戏的分辨率选择在两个平台下存在少许差异——只能确保是接近1080p。灵越7420其实也不是游戏定位的笔记本，自然没有独显直连支持。

这其中的《全面战争：战锤3》是前一阵发布、专为Apple Silicon优化的——在推荐画质（应该是介于低和中画质的一种选择）1080p分辨率下，能以锁30fps的帧率来玩，体验上的确还行。只不过此处为了对比，都选了较高的画质和分辨率来跑游戏中的benchmark。前不久的M2版MacBook发布会上，Capcom也为苹果站了台，苹果的GPU游戏生态或许还有可期的余地。

GeForce RTX 3050虽说被不少数码爱好者骂得很惨，但有tensor core（DLSS）加持，大部分3A游戏降一降画质也是可玩的。像DLSS这样的超分技术，对于像RTX 3050这样定位的显卡而言的确很不错。

图形性能测试还有个SPECviewperf 2020，都是一些工业专业应用，基于OpenGL和DirectX去跑的。测试结果呈现，主要期望给出RTX 3050（50W）在这些应用中的具体性能表现，跟CS关系没那么大，不过相关专业的同学可以拿这些分数，去和其他公开的成绩作对照：

CPU性能与综合系统性能测试

其余测试项都比较常规了，主要包括CPU理论性能测试，和办公、多媒体创作的系统性能测试。好像能说的不多，主要让各位同学感知下当前两个阵营的笔记本处理器性能发挥情况：

* 注：M2与M1 Max测试成绩来自CPU-Monkey

Cinbench与Geekbench的测试结果有差异，毕竟这两者的测试内容区别还是比较大的。不过基于结果来看，Windows笔记本的性价比优势那真是相当大啊。

仍需强调，苹果M系列芯片在能效方面仍有优势，主要是整个系统处于低负载下的功耗可以很低；Intel的这代芯片虽然高负载的效率不错，但低负载区间的效率表现一般，而且System Agent功耗控制并不好，导致标压笔记本的续航似乎普遍不够出色。

反映多媒体创作的PugetBench测试对比结果还挺让我意外的，因为此前看到不少苹果用户都在说M1在多媒体创作过程里的彪悍性能，是足以比肩30系光追GPU的。但起码从我的测试来看M系列芯片在多媒体创作上也没有那么神。

虽说Adobe全家桶对苹果生态算不上友好，但macOS平台的Adobe用户应当也不少。而且Premiere Pro的测试结果总让我感觉PugetBench的测试项是否没有那么合理：因为苹果在视频剪辑与后期方面的优势似乎已经被很多人证实了。我还特意拆开看了看PugetBench Premiere Pro测试的几个分项：

* 注：MacBook Pro 16”的测试成绩来自PugetBench官网

从视频回放、后期特效等多个角度来看，M1这种小块头似乎都无法和有光追独显加速的系统相比。不知道苹果生态内的Final Cut Pro是否能够颠覆这一结果，毕竟咱也不怎么做视频。

但还要多说一句，Pugetbench当前应该是不支持Apple Silicon原生版本的Adobe全家桶的，所以这个测试都经过了Rosetta转译——基于先辈们的测试，经过Rosetta转译的PS、PR等应用性能也都还行。不过也听说原生M1支持的Adobe套装在性能上有较大程度的提升，这一点还是需要注意的。

除PugetBench测试以外，本文出现的所有涉及到MacBook Air的测试均为Apple Silicon原生支持。

最后给出办公与综合系统性能测试，包括PCMark 10现代办公和CrossMark测试（现在难得有跨平台的反映日常使用的真实场景测试）：

其实就CPU与GPU性能、生态角度来看，Mac设备对我们这类人的性价比还是太差了，即便它在续航、发热以及设备外观方面还是有不小的优势。当然或许我们的对比还是太过普适了（所以有点标题党），因为苹果一直以来似乎都信奉“服务好那10%的人就好”，比如M1 Max/Pro在媒体引擎上的硬件堆料，就是要吸引媒体创作者。

其实在那10%以外，苹果芯片的性能和效率真的没有传说中那么神。有时候性能也还是其次，比如M1 Max/Ultra上给GPU堆了那么大的die size，用武之地仍然不大，也表明很多问题远不只是芯片的问题。

开题说“学CS专业”，未来的关键都在生态支持上。可能CS、软件工程什么的还是太泛，在某些计算机相关的细分领域，生态依赖问题更大，Fortran和CUDA都是其中的例子…不过我们这部分人，大概也不是苹果预期覆盖的目标群体。