详情
【提姆科技观察】反对 IG 抖音化？Instagram 进化的秘诀正是勇于「致敬」【Arm 专栏】Arm 2023 全面运算解决方案：为行动运算提供完整的运算平台
【提姆科技观察】反对 IG 抖音化？Instagram 进化的秘诀正是勇于「致敬」【Arm 专栏】Arm 2023 全面运算解决方案：为行动运算提供完整的运算平台
前几週，Kylie Jenner 这位在 Instagram 拥有 3 亿追蹤者的社群领袖转发一则批评 Instagram 近期大改版的贴文。该则贴主张「Make Instagram Instagram Again」，希望平台能够停止模仿 TikTok，用户只想在平台上看到朋友们的可爱照片。随后 Kylie Jenner 的姊姊，Kim Kardashian (同样也有破亿追蹤者) 也转发该则贴文。在这两位社群领袖的串连下，多位用户纷纷表达 Instagram 使用体验上的不满，舆论延烧也让 Instagram 迅速撤回原先的改动。If Kylie Jenner speaks it, your platform is in trouble. Never forget snap losing over $1 billion when she said she didn’t open Snapchat anymore (in 2018) bc of the redesign pic.twitter.com/jkmAuWoFen— Ashley Carman (@ashleyrcarman) July 25, 2022 Instagram 近期改版包括将动态墙的浏览
方式从无限滚动瀑布流切换成全萤幕且需要逐篇滑动，同时出现更多 Reels 格式的影片以及用户没有追蹤的「推荐贴文」。用户反弹如此剧烈主要是不习惯类似 TikTok 的介面浏览方式以及抱怨动态都是与自身生活无关的内容和广告。 对此，Instagram 的负责人 Adam Mosseri 随即录製影片说明近期 Instagram 改动的目的。 在 Instagram 查看这则贴文 Adam Mosseri（@mosseri）分享的贴文 首先，Mosseri 表示全萤幕的显示方式还只是提供给少数用户的测试版本，官方认为全萤幕显示的照片和影片能提供更有趣且更多互动的浏览体验，待测试一段时间之后此功能将会扩大至整个 Instagram 社群。其次，Mosseri 强调 Instagram 还是会持续提升照片的功能
体验，但他也表示平台的重心会逐渐转移到影片，因为数据显示用户越来越多用户分享影片相关的内容，影片内容的观看时数和喜爱度也在持续上升。最后，Mosseri 谈到推荐内容 (recommendation)。他认为这是最能帮助用户发现有趣新内容的方式。面对当下的反弹，Instagram 会持续提升推荐内容的精準度，用户也可以主动点选不喜欢，甚至可以暂停所有推荐一个月。但 Mosseri 也明确表示 Instagram 会持续推荐更多内容，因为这是对中小型创作者最好的方式，能帮助他们触及到更多观众。 一年前的预告Instagram 近期一系列的改动都被视为因应 TikTok 崛起的对策，这样的调整其实有迹可循。在去年 7 月，Mosseri 就曾在个人 Instagram 帐号上预告 Instagram 未来的变化。 在 Instagram 查看这则贴文 Adam Mosseri（@mosseri）分享的贴文 在影片中，Mosseri 将平台发展方向划分为创作者、影片、购物和讯息四大趋势。创作者：有鑒于个人创作者的兴起，Instagram 正在测试像是个人订阅、赞助以及广告分润等功能，希望能赋权于创作者，为其提供更多的收入来源，让创作者能够脱离机构。影片：是推动线上平台成长的主力，也是 Instagram 预计要投入更多资源之处购物：疫情大幅加快线下零售转线上的步伐，Instagram 也打算跟上此趋势，推出更多电商功能讯息：过去五
年里，用户和亲近朋友社交的方式从公开的动态贴文和限时动态转移到私密群组讯息之后，Mosseri 强调 Instagram 在影片领域的发展动向。他表示 Instagram 不再单纯是照片分享应用 (photo-sharing app)，而是一个娱乐应用（an entertainment app)。内部研究显示，用户使用 Instagram 的主要原因是想被娱乐到 (be entertained)。为了满足用户的期待，Instagram 将会全速拥抱娱乐和影片趋势，以面对 TikTok、YouTube 和其他新创的竞争。那具体该怎么做呢？就是我们现在看到的大改版。在当时，Mosseri 就预告接下来几个月演算法会採用更多推荐内容 (Recommendations)，用户会看到 Instagram 开始出现你没有追蹤帐号的贴文，推荐用户可能感兴趣的主题内容。此外，Instagram 也开始试验如何推广手机优先(直式)的沈浸全萤幕影片格式。 Instagram 拥有抄袭的勇气看到这则声明，许多人可能会不甚满意，为什么好好一个分享照片、分享生活的 app 开始东抄西改，变得越来越四不
像，而不是好好把原来的功能和用户体验做好呢？然而，科技部落客 Ben Thompson 认为拥有「抄袭的勇气」是 Instagram 的原生优势。拥抱趋势，不断进化正是 Instagram 的本质。Instagram 在最早其实只是一个滤镜工具，而且是靠着新颖且免费的照片滤镜获得欢迎。用户可将 iPhone 拍的照片透过 Instagram 后製，再分享到 Facebook 和 Twitter，但也可以在 Instagram 上分享。随着时间的推移，分享到 Instagram 渐渐变成人们的首选，Instagram 才逐渐变成今日大众熟悉的面貌。在 2013 年，Instagram 创办人 Kevin Systrom 定义公司的核心在于 「moment」 和 「visual imagery」，捕捉和分享世界中的时刻。受限于当时的网速和手机运算能力，Instagram 选择照片作为出发的起点，但随着科技发展而与时俱进，影片显然是更符合 Instagram 核心 DNA 的内容形式。回顾 Instagram 一路以来的发展历程，可以看到 Instagram 不断在既有的社群连结和用户基数上添加时下流行的内容型态，像是效仿 Facebook，让动态内容不再照时序排列，而是靠演算法决定排序；加入小盒子私讯功能，以及複製 Snapchat 的限时动态。社群内容的典範转移：从动态到私聊然而，目前看来用户并不满意 Instagram 的改动。Mosseri 坦言改版后用户的使用数据成效不佳，因此平台决定先撤回全萤幕动态墙并减少陌生内容出现的频率，待调整得宜后再重新推出。很多人可能会质疑，为什么 Instagram 非要讨骂挨，在短时间内推出如此剧烈的改动？因为变动无疑是瞄準 TikTok 而来，根据 App Annie 的报告，2020 年美国用户使用 TikTok 的时间已经超过 Facebook 和 Instagram。节节败退的 Instagram 只能更加速转向影片和推荐内容以对抗 TikTok。但为何 Instagram 那么
急着想複製 TikTok？如果用户想要看有趣影片去看 TikTok 就好，为何不能在 Instagram 上面看到朋友晒着刚出生的宝宝或是出国渡假的照片？这是因为用户的社群行为已经有明显转变。Photo Credit: App Annie从 Mosseri 在 Platformer 的访谈以及 Facebook 负责人 Tom Alison 今年 6 月在 The Verge 的专访都提到一个社群趋势：即使 Facebook 和 Instagram 不断调整介面和演算法，鼓励用户们在动态上发文和互动，但平台发现用户纷纷将更新近况的行为从公开的动态，转移至较私密的限时动态、私人群组或是一对一聊天。因此可能不是 Instagram 不推播朋友的动态给用户，而是朋友们都把动态分享在私领域之内。在此同时，TikTok 也加入更多的社群属性，越来越多人使用 TikTok 内建的私讯功能，TikTok 近期也推出名为 Friends 的分页，用户可在此观看朋友们製作的短影音内容。由此可见，TikTok 正从娱乐为重的应用，逐渐变成用户社交的新场域。在未来，用户除了会在 TikTok 上面和朋友分享
有趣的内容，同时也会自行製作充满特效和剪辑的 TikTok 短影音，就像是限时动态，成为大众纪录日常生活的内容格式。因此 Instagram 必须维持用户的心佔率，面对空蕩的动态版面，Instagram 希望能推出更多短影音製作工具，吸引愿意公开贴文的创作者发布内容。即使用户没有追蹤那么多创作者帐号，演算法会推荐用户可能有兴趣的内容，并引导用户将有趣的内容透过限时动态、群组或是私聊与朋友们分享，开启新一段的社群对话和连结。虽然此举可能无法将死忠的 TikTok 用户拉回 Instagram，但 Instagram 希望能巩固现有的用户基数，防止 TikTok 持续渗透。加入 INSIDE 会员，独享 INSIDE 最精采每日趋势电子报，未来还有会员专属内容。 点击立刻成为会员！责任编辑：Mia核稿编辑：Chris延伸阅读：祖克柏：Instagram 本週在美国开始支援 NFT！美联社：Instagram 隐藏提及堕胎的发文Instagram 已「抖音化」？照片愈来愈少，短片愈来愈多晋升第二！Tik Tok 在影响力行销的市场中将超越 Facebook 和 YouTubeArm 全面运算解决方案在 2021 年首次发布，提供了一套 IP 设计与最佳化无缝协同工作的完整组合。借助该平台解决方案，系统单晶片（SoC）的设计商能够轻鬆应对其运算子系统构建和配置过程中的诸多挑战，包括开发用于汇流排互联、系统级快取（SLC）和记忆体管理单元 （MMU）的第三方厂商系统 IP，以及将所有元件整合到 CPU 和 GPU 丛集等各个环节中遇到的问题。Arm 全面运算解决方案大幅降低了 SoC 设计的複杂性，从而减少了工程成本和资源消耗，并缩短了产品上市时间，协助装置製造商可以更专注于实现其真正的商业价值，推出差异化的硬体和软体。与前几代产品一样，全新的 Arm 全面运算解决方案（TCS23）可以帮助解决这些核心工程设计中的挑战，并顺应更广泛的行动运算趋势，包括对更複杂的用户体验、新软体功能的需求以及对更高性能和效率的持续突破。这些挑战尤其与高阶行动市场高度相关，因为晶片设计商构建的 SoC 正变得越来越複杂。凭藉基于全新 Armv9.2 架构基础的 TCS23，我们可以为合作伙伴提供突破能效和性能边界所需的最新技术，助其打造更为出众的行动 SoC。合作伙伴还可以採用 TCS23 进行不同配置，从而自行创建多样化与可扩展的运算解决方案，从而让 TCS23 的强大功能惠及广泛的消费者市场区隔。 深入了解 TCS23TCS23 整合了一系列新推出的 Arm IP 产品，包括 CPU、GPU 和其他系统 IP，目的是为了下一代行动装置提供广泛的运算功能和应用场景。其中包括：性能和能效尤为出众的 Arm GPU 均基于全新第五代 GPU 架构，包括Immortalis-G720、Mali-G720 和 Mali-G620。Armv9.2 运算丛集包含全新 Cortex-X4、Cortex-A720 和 Cortex-A520 CPU，以及DynamIQ Shared Unit ，DSU-120。这些元件协同作用实现了双位数的性能、效率和功耗提升。所有新的 IP 均实现了系统级优化，共同提高了整个 TCS23 平台的可扩展性和效率表现。Photo Credit：Arm除了新的 IP 之外，TCS23 还提供了一系列专为全新一代安卓作业系统量身定制的开发工具、设计与优化，同时也提供了用于加速SoC设计的物理实现支援。同时我们还持续开发 Arm NN 和 Arm Compute Library 等软体库，助力开发者在 Armv9 架构上优化其机器学习（ML）工作负载的执行效率。自今年年初以来，Arm NN 和 Arm Compute Library 已在安卓平台上的 Google Apps 被使用，活跃用户已达到一亿。此外我们也努力在Android Kernel中无缝启用我们的 IP 和全新功能。 Photo Credit：ArmTCS23 为开发者提供了各式各样的免费工具和资源，以供其在基于 Arm 架构的行动装置上优化应用。Arm 全球的行动开发者数量近 900 万，Arm 为编写更简单、更安全、更快速的软体提供
了其所需的灵活性和通用性，为此我们感到无比自豪。在游戏领域，我们与主流游戏引擎企业建立了深入的合作伙伴关係，以确保我们的图形工具提供高度可扩展的游戏优化效果，同时我们的各种详细资源协助开发者创作专属的游戏内容。最后，经过优化的物理 IP 在全新一代先进制程节点上对 Arm IP 达成了领先的物理实现。Photo Credit：ArmTSC23 – 高阶、性能 和 效率TCS23 大致上提供三种不同配置，分别为高阶、性能和效率，适用于不同设备、应用场景和运算要求。高阶Premium TCS23 提供终极性能和运算密集型体验，可满足高阶和旗舰智慧手机及笔记型电脑的常见需求。此配置推动了整个系统的性能和效率提升，可呈现更具冲击力的视觉效果，例如流畅的沉浸式 AAA 级行动游戏体验、图像和影片增强等先进 AI 应用场景以及装置多工处理。Premium TCS23 实现了高性能和高能效的巧妙平衡，可支援运行数天的体验。 性能Performance TCS23 专为满足多个消费电子装置市场区隔的一系列运算要求而设计，包括高阶数位电视和机上盒，以及中阶智慧手机。该配置侧重于提供具有超高可扩展性的高级图形和运算性能，实现出色的使用者体验。强大的图形和运算性能是这些装置上多工处理的关键核心，帮助实现超级流畅的用户体验，尤其是在启动和切换应用的场景中。举例来说，数位电视可以具备多视图功能，例如同时在萤幕上显示影像通话、影片串流和 AI 应用等多个任务。增加的性能还可实现先进机器学习功能，以提升相机和影片应用场景的相关使用者体验。效率Efficiency TCS23 包含可扩展性超高的解决方案，兼具超低功耗、超低成本和高面积利用率等优势。该装置主要适用于更侧重上述能效因素的装置，例如入门级数位电视和机上盒 (STB) 以及可穿戴装置，如智慧手錶等。我们的 IP 以及整体系统的强劲能效可帮助合作伙伴设计出优异的电池续航时间的下一代产品。除此之外，TCS23 为注重成本的市场準备了多款配置选择，例如由全新 Cortex-A520 提供支援的可扩展 CPU 小核丛集，以及可扩展的 Mali GPU。性能和效率的基準测试对于每一代 Arm 全面运算解决方案，我们都会在 FPGA 平台上构建一个完整的运算子系统。此举目的在提供超越单个独立 IP 产品的性能表现，并在运行複杂的运算工作负载和完整作业系统（如 Android 13）时，对完整的解决方案进行性能分析。TCS23 参考平台是一个优质的解决方案，其中包含 Cortex-X4、Cortex-A720 和 Cortex-A520 CPU 小核，以及搭载 8MB 三级快取的全新 DSU-120。该 CPU 丛集与 Arm 第二代 Immortalis-G720 GPU 协同作用，由 CoreLink CI-700 实现互连并提供 SLC，适用于所有 IP。请注意，这只是用于基準测试的配置示例，合作伙伴可根据其需求自行选择其他 TCS23 配置。该参考平台各方面的确表现出色，如下图所示。Photo Credit：Arm频宽用量减少TCS23 经过优化，可改善实际工作负载的回应时间并减少频宽用量。与上一代 TCS22 相比，该平台每帧流量所佔用的 DRAM 频宽平均减少了 30%¹。对于某些内容，特别是游戏，这一结果甚至更为出色。例如，分析热门 AAA 级游戏《堡垒之夜》的场景发现，系统级 DRAM 频宽降低了 44%。频宽越小，系统功耗越低，促使 GPU 和 DRAM 平均功率消耗减
小了 20%²。DRAM 频宽的降低主要得益于全新 Immortalis-G720 GPU，作为全新第五代 GPU 架构的一部分，该 GPU 引入了「延迟顶点着色（DVS）」的新功能，并从多个方面提升了效率并优化了 SLC 分配策略。Photo Credit：Arm提升峰值性能我们在 TCS23 平台上执行了多个运算和图形性能基準测试。对于一般的运算，与 1+3+4 TCS22 CPU 配置相比，迁移到 1+5+2 TCS23 CPU 配置后的峰值性能提升了 27%³。当我们聚焦网页流览体验时会发现，TCS23 硬体与上一代 TCS22 具有相同的丛集配置的条件下⁴，但性能却提升了 33%，将 TCS23 硬体与经优化的软体相结合时性能提升了 64%⁵。同时，Manhattan 3.0 图形基準测试的性能提升高达 21%⁶。Photo Credit：Arm异质
机器学习运算我们对 TCS23 中的软体和硬体都进行了优化，以加快机器学习工作负载运行速度。将全新 CPU 与 TCS23 平台中经提升的硬体和软体相结合后，Cortex-X4 的机器学习性能平均提升了 12%，Cortex-A720 提升了 9%，Cortex-A520 提升了 13%⁷。在 GPU 方面，我们在去年的硬体提升基础上，进一步从软体方面优化 Arm NN 和 Arm Compute Library，从而将超解析度 FSRCNN 网路的机器学习性能提升了四倍⁸。Photo Credit：Arm安全性，从源头做起Arm 将继续致力于通过 TCS23 引入全新先进技术来发展平台安全性，提高安全保障。TCS23 专为支持安卓虚拟化框架（AVF）而设计，该框架目前已作为一项关键安全特性被 Android 13 採用。AVF 仅适用于基于 ARM64 的装置，可提供安全、私密的代码执行环境，该框架非常适合对使用者资料的安全性和隐私保障更为严格的高级应用场景。指标验证（PAC）和分支目标识别（BTI）通过协同工作可消除几乎所有 ROP 和 JOP 攻击，从而提高控制流的完整性。我们成功降低了与这两种安全功能相关的性能成本，因此对于全新 Cortex-X4 和 Cortex-A720 CPU 内核来说可以忽略不计。此外，通过採用全新 QARMA3 演算法等方式增强 PAC 功能后，PAC 和 BTI 对 Cortex-A520 CPU 内核性能影响可以降低到 1% 以下。最后，我们使用全新 mbedTLS v3.3 库更新了可信赖韧体 Trusted Firmware-A (TF-A)，该库提供了全新特性和漏洞修复，从而可增强资料保护能力。定义运算未来的完整平台我们的合作伙伴可以将 TCS23 的强大功能部署到各级行动装置上，从而创造出改变生活的产品、服务和体验。无论合作伙伴选择哪一种 TCS23 配置，都能在 SoC 开发过程中受惠于缩短上市时间并降低成本的优势。每种 TCS23 配置（高阶
、性能、或效率）包含的 IP 都具有相同
的硬体介面和软体支援，可以更有效地协同工作。Photo Credit：ArmTCS23 的端到端系统优化为现在和未来的行动运算应用场景实现了整体 SoC 性能和效率的优异表现。TCS23 还提供更多的安全功能和软体功能，以进一步激发并释放开发者的创造潜能，为用户带来颇具创新的沉浸式体验。多方面的系统级提升和其他新功能使 TCS23 成为未来行动运算的完整平台。本文章内容由「Arm」提供，经关键评论网媒体集团广编企划编审。附注¹ Power consumption for TCS23 GPU and DRAM+PHY vs TCS22 GPU and DRAM+PHY, measured on Arm FPGA platforms.² Power consumption for TCS23 GPU and DRAM+PHY vs TCS22 GPU and DRAM+PHY, measured on Arm FPGA platforms.³Based on ‘GeekBench 6 MT’ benchmark for General Compute Performance. Measured on FPGA at system level, Android 13 iso-frequency, iso L3/SLC cache size.⁴ Based on ‘Speedometer 2.1’ benchmark for Browsing Experience. Measured on FPGA at system level, Android 13 with 1+3+4 cluster config and iso-frequency.⁵ Based on ‘Speedometer 2.1’ benchmark for Browsing Experience. Measured on FPGA at system level, Android 13 with 1+3+4 cluster config and iso-frequency. Using publicly available Optimized Chromium r114 with PAC/BTI enabled. Comparison against r99 baseline.⁶ Measured on TCS23 at system level, Android 13 iso-p
rocess, iso-core count, iso-voltage vs TCS22 Arm reference system, TCS22 using r35p0 and TCS23 using r40p0 DDK.⁷ Average performance uplift (inference time) across a range of ML workloads comparing 
Arm Compute Library v22.05 with v23.02 and vs TCS22 Arm reference system, comparisons with TCS22 generation equivalent cores iso-frequency.⁸ Average performance uplift (inference time) across a range of ML workloads comparing Arm Compute Library v22.05 with v23.02 and vs TCS22 Arm reference system, comparisons with TCS22 generation equivalent cores iso-frequency.
方式从无限滚动瀑布流切换成全萤幕且需要逐篇滑动，同时出现更多 Reels 格式的影片以及用户没有追蹤的「推荐贴文」。用户反弹如此剧烈主要是不习惯类似 TikTok 的介面浏览方式以及抱怨动态都是与自身生活无关的内容和广告。 对此，Instagram 的负责人 Adam Mosseri 随即录製影片说明近期 Instagram 改动的目的。 在 Instagram 查看这则贴文 Adam Mosseri（@mosseri）分享的贴文 首先，Mosseri 表示全萤幕的显示方式还只是提供给少数用户的测试版本，官方认为全萤幕显示的照片和影片能提供更有趣且更多互动的浏览体验，待测试一段时间之后此功能将会扩大至整个 Instagram 社群。其次，Mosseri 强调 Instagram 还是会持续提升照片的功能体验，但他也表示平台的重心会逐渐转移到影片，因为数据显示用户越来越多用户分享影片相关的内容，影片内容的观看时数和喜爱度也在持续上升。最后，Mosseri 谈到推荐内容 (recommendation)。他认为这是最能帮助用户发现有趣新内容的方式。面对当下的反弹，Instagram 会持续提升推荐内容的精準度，用户也可以主动点选不喜欢，甚至可以暂停所有推荐一个月。但 Mosseri 也明确表示 Instagram 会持续推荐更多内容，因为这是对中小型创作者最好的方式，能帮助他们触及到更多观众。 一年前的预告Instagram 近期一系列的改动都被视为因应 TikTok 崛起的对策，这样的调整其实有迹可循。在去年 7 月，Mosseri 就曾在个人 Instagram 帐号上预告 Instagram 未来的变化。 在 Instagram 查看这则贴文 Adam Mosseri（@mosseri）分享的贴文 在影片中，Mosseri 将平台发展方向划分为创作者、影片、购物和讯息四大趋势。创作者：有鑒于个人创作者的兴起，Instagram 正在测试像是个人订阅、赞助以及广告分润等功能，希望能赋权于创作者，为其提供更多的收入来源，让创作者能够脱离机构。影片：是推动线上平台成长的主力，也是 Instagram 预计要投入更多资源之处购物：疫情大幅加快线下零售转线上的步伐，Instagram 也打算跟上此趋势，推出更多电商功能讯息：过去五年里，用户和亲近朋友社交的方式从公开的动态贴文和限时动态转移到私密群组讯息之后，Mosseri 强调 Instagram 在影片领域的发展动向。他表示 Instagram 不再单纯是照片分享应用 (photo-sharing app)，而是一个娱乐应用（an entertainment app)。内部研究显示，用户使用 Instagram 的主要原因是想被娱乐到 (be entertained)。为了满足用户的期待，Instagram 将会全速拥抱娱乐和影片趋势，以面对 TikTok、YouTube 和其他新创的竞争。那具体该怎么做呢？就是我们现在看到的大改版。在当时，Mosseri 就预告接下来几个月演算法会採用更多推荐内容 (Recommendations)，用户会看到 Instagram 开始出现你没有追蹤帐号的贴文，推荐用户可能感兴趣的主题内容。此外，Instagram 也开始试验如何推广手机优先(直式)的沈浸全萤幕影片格式。 Instagram 拥有抄袭的勇气看到这则声明，许多人可能会不甚满意，为什么好好一个分享照片、分享生活的 app 开始东抄西改，变得越来越四不像，而不是好好把原来的功能和用户体验做好呢？然而，科技部落客 Ben Thompson 认为拥有「抄袭的勇气」是 Instagram 的原生优势。拥抱趋势，不断进化正是 Instagram 的本质。Instagram 在最早其实只是一个滤镜工具，而且是靠着新颖且免费的照片滤镜获得欢迎。用户可将 iPhone 拍的照片透过 Instagram 后製，再分享到 Facebook 和 Twitter，但也可以在 Instagram 上分享。随着时间的推移，分享到 Instagram 渐渐变成人们的首选，Instagram 才逐渐变成今日大众熟悉的面貌。在 2013 年，Instagram 创办人 Kevin Systrom 定义公司的核心在于 「moment」 和 「visual imagery」，捕捉和分享世界中的时刻。受限于当时的网速和手机运算能力，Instagram 选择照片作为出发的起点，但随着科技发展而与时俱进，影片显然是更符合 Instagram 核心 DNA 的内容形式。回顾 Instagram 一路以来的发展历程，可以看到 Instagram 不断在既有的社群连结和用户基数上添加时下流行的内容型态，像是效仿 Facebook，让动态内容不再照时序排列，而是靠演算法决定排序；加入小盒子私讯功能，以及複製 Snapchat 的限时动态。社群内容的典範转移：从动态到私聊然而，目前看来用户并不满意 Instagram 的改动。Mosseri 坦言改版后用户的使用数据成效不佳，因此平台决定先撤回全萤幕动态墙并减少陌生内容出现的频率，待调整得宜后再重新推出。很多人可能会质疑，为什么 Instagram 非要讨骂挨，在短时间内推出如此剧烈的改动？因为变动无疑是瞄準 TikTok 而来，根据 App Annie 的报告，2020 年美国用户使用 TikTok 的时间已经超过 Facebook 和 Instagram。节节败退的 Instagram 只能更加速转向影片和推荐内容以对抗 TikTok。但为何 Instagram 那么急着想複製 TikTok？如果用户想要看有趣影片去看 TikTok 就好，为何不能在 Instagram 上面看到朋友晒着刚出生的宝宝或是出国渡假的照片？这是因为用户的社群行为已经有明显转变。Photo Credit: App Annie从 Mosseri 在 Platformer 的访谈以及 Facebook 负责人 Tom Alison 今年 6 月在 The Verge 的专访都提到一个社群趋势：即使 Facebook 和 Instagram 不断调整介面和演算法，鼓励用户们在动态上发文和互动，但平台发现用户纷纷将更新近况的行为从公开的动态，转移至较私密的限时动态、私人群组或是一对一聊天。因此可能不是 Instagram 不推播朋友的动态给用户，而是朋友们都把动态分享在私领域之内。在此同时，TikTok 也加入更多的社群属性，越来越多人使用 TikTok 内建的私讯功能，TikTok 近期也推出名为 Friends 的分页，用户可在此观看朋友们製作的短影音内容。由此可见，TikTok 正从娱乐为重的应用，逐渐变成用户社交的新场域。在未来，用户除了会在 TikTok 上面和朋友分享有趣的内容，同时也会自行製作充满特效和剪辑的 TikTok 短影音，就像是限时动态，成为大众纪录日常生活的内容格式。因此 Instagram 必须维持用户的心佔率，面对空蕩的动态版面，Instagram 希望能推出更多短影音製作工具，吸引愿意公开贴文的创作者发布内容。即使用户没有追蹤那么多创作者帐号，演算法会推荐用户可能有兴趣的内容，并引导用户将有趣的内容透过限时动态、群组或是私聊与朋友们分享，开启新一段的社群对话和连结。虽然此举可能无法将死忠的 TikTok 用户拉回 Instagram，但 Instagram 希望能巩固现有的用户基数，防止 TikTok 持续渗透。加入 INSIDE 会员，独享 INSIDE 最精采每日趋势电子报，未来还有会员专属内容。 点击立刻成为会员！责任编辑：Mia核稿编辑：Chris延伸阅读：祖克柏：Instagram 本週在美国开始支援 NFT！美联社：Instagram 隐藏提及堕胎的发文Instagram 已「抖音化」？照片愈来愈少，短片愈来愈多晋升第二！Tik Tok 在影响力行销的市场中将超越 Facebook 和 YouTubeArm 全面运算解决方案在 2021 年首次发布，提供了一套 IP 设计与最佳化无缝协同工作的完整组合。借助该平台解决方案，系统单晶片（SoC）的设计商能够轻鬆应对其运算子系统构建和配置过程中的诸多挑战，包括开发用于汇流排互联、系统级快取（SLC）和记忆体管理单元 （MMU）的第三方厂商系统 IP，以及将所有元件整合到 CPU 和 GPU 丛集等各个环节中遇到的问题。Arm 全面运算解决方案大幅降低了 SoC 设计的複杂性，从而减少了工程成本和资源消耗，并缩短了产品上市时间，协助装置製造商可以更专注于实现其真正的商业价值，推出差异化的硬体和软体。与前几代产品一样，全新的 Arm 全面运算解决方案（TCS23）可以帮助解决这些核心工程设计中的挑战，并顺应更广泛的行动运算趋势，包括对更複杂的用户体验、新软体功能的需求以及对更高性能和效率的持续突破。这些挑战尤其与高阶行动市场高度相关，因为晶片设计商构建的 SoC 正变得越来越複杂。凭藉基于全新 Armv9.2 架构基础的 TCS23，我们可以为合作伙伴提供突破能效和性能边界所需的最新技术，助其打造更为出众的行动 SoC。合作伙伴还可以採用 TCS23 进行不同配置，从而自行创建多样化与可扩展的运算解决方案，从而让 TCS23 的强大功能惠及广泛的消费者市场区隔。 深入了解 TCS23TCS23 整合了一系列新推出的 Arm IP 产品，包括 CPU、GPU 和其他系统 IP，目的是为了下一代行动装置提供广泛的运算功能和应用场景。其中包括：性能和能效尤为出众的 Arm GPU 均基于全新第五代 GPU 架构，包括Immortalis-G720、Mali-G720 和 Mali-G620。Armv9.2 运算丛集包含全新 Cortex-X4、Cortex-A720 和 Cortex-A520 CPU，以及DynamIQ Shared Unit ，DSU-120。这些元件协同作用实现了双位数的性能、效率和功耗提升。所有新的 IP 均实现了系统级优化，共同提高了整个 TCS23 平台的可扩展性和效率表现。Photo Credit：Arm除了新的 IP 之外，TCS23 还提供了一系列专为全新一代安卓作业系统量身定制的开发工具、设计与优化，同时也提供了用于加速SoC设计的物理实现支援。同时我们还持续开发 Arm NN 和 Arm Compute Library 等软体库，助力开发者在 Armv9 架构上优化其机器学习（ML）工作负载的执行效率。自今年年初以来，Arm NN 和 Arm Compute Library 已在安卓平台上的 Google Apps 被使用，活跃用户已达到一亿。此外我们也努力在Android Kernel中无缝启用我们的 IP 和全新功能。 Photo Credit：ArmTCS23 为开发者提供了各式各样的免费工具和资源，以供其在基于 Arm 架构的行动装置上优化应用。Arm 全球的行动开发者数量近 900 万，Arm 为编写更简单、更安全、更快速的软体提供了其所需的灵活性和通用性，为此我们感到无比自豪。在游戏领域，我们与主流游戏引擎企业建立了深入的合作伙伴关係，以确保我们的图形工具提供高度可扩展的游戏优化效果，同时我们的各种详细资源协助开发者创作专属的游戏内容。最后，经过优化的物理 IP 在全新一代先进制程节点上对 Arm IP 达成了领先的物理实现。Photo Credit：ArmTSC23 – 高阶、性能 和 效率TCS23 大致上提供三种不同配置，分别为高阶、性能和效率，适用于不同设备、应用场景和运算要求。高阶Premium TCS23 提供终极性能和运算密集型体验，可满足高阶和旗舰智慧手机及笔记型电脑的常见需求。此配置推动了整个系统的性能和效率提升，可呈现更具冲击力的视觉效果，例如流畅的沉浸式 AAA 级行动游戏体验、图像和影片增强等先进 AI 应用场景以及装置多工处理。Premium TCS23 实现了高性能和高能效的巧妙平衡，可支援运行数天的体验。 性能Performance TCS23 专为满足多个消费电子装置市场区隔的一系列运算要求而设计，包括高阶数位电视和机上盒，以及中阶智慧手机。该配置侧重于提供具有超高可扩展性的高级图形和运算性能，实现出色的使用者体验。强大的图形和运算性能是这些装置上多工处理的关键核心，帮助实现超级流畅的用户体验，尤其是在启动和切换应用的场景中。举例来说，数位电视可以具备多视图功能，例如同时在萤幕上显示影像通话、影片串流和 AI 应用等多个任务。增加的性能还可实现先进机器学习功能，以提升相机和影片应用场景的相关使用者体验。效率Efficiency TCS23 包含可扩展性超高的解决方案，兼具超低功耗、超低成本和高面积利用率等优势。该装置主要适用于更侧重上述能效因素的装置，例如入门级数位电视和机上盒 (STB) 以及可穿戴装置，如智慧手錶等。我们的 IP 以及整体系统的强劲能效可帮助合作伙伴设计出优异的电池续航时间的下一代产品。除此之外，TCS23 为注重成本的市场準备了多款配置选择，例如由全新 Cortex-A520 提供支援的可扩展 CPU 小核丛集，以及可扩展的 Mali GPU。性能和效率的基準测试对于每一代 Arm 全面运算解决方案，我们都会在 FPGA 平台上构建一个完整的运算子系统。此举目的在提供超越单个独立 IP 产品的性能表现，并在运行複杂的运算工作负载和完整作业系统（如 Android 13）时，对完整的解决方案进行性能分析。TCS23 参考平台是一个优质的解决方案，其中包含 Cortex-X4、Cortex-A720 和 Cortex-A520 CPU 小核，以及搭载 8MB 三级快取的全新 DSU-120。该 CPU 丛集与 Arm 第二代 Immortalis-G720 GPU 协同作用，由 CoreLink CI-700 实现互连并提供 SLC，适用于所有 IP。请注意，这只是用于基準测试的配置示例，合作伙伴可根据其需求自行选择其他 TCS23 配置。该参考平台各方面的确表现出色，如下图所示。Photo Credit：Arm频宽用量减少TCS23 经过优化，可改善实际工作负载的回应时间并减少频宽用量。与上一代 TCS22 相比，该平台每帧流量所佔用的 DRAM 频宽平均减少了 30%¹。对于某些内容，特别是游戏，这一结果甚至更为出色。例如，分析热门 AAA 级游戏《堡垒之夜》的场景发现，系统级 DRAM 频宽降低了 44%。频宽越小，系统功耗越低，促使 GPU 和 DRAM 平均功率消耗减小了 20%²。DRAM 频宽的降低主要得益于全新 Immortalis-G720 GPU，作为全新第五代 GPU 架构的一部分，该 GPU 引入了「延迟顶点着色（DVS）」的新功能，并从多个方面提升了效率并优化了 SLC 分配策略。Photo Credit：Arm提升峰值性能我们在 TCS23 平台上执行了多个运算和图形性能基準测试。对于一般的运算，与 1+3+4 TCS22 CPU 配置相比，迁移到 1+5+2 TCS23 CPU 配置后的峰值性能提升了 27%³。当我们聚焦网页流览体验时会发现，TCS23 硬体与上一代 TCS22 具有相同的丛集配置的条件下⁴，但性能却提升了 33%，将 TCS23 硬体与经优化的软体相结合时性能提升了 64%⁵。同时，Manhattan 3.0 图形基準测试的性能提升高达 21%⁶。Photo Credit：Arm异质机器学习运算我们对 TCS23 中的软体和硬体都进行了优化，以加快机器学习工作负载运行速度。将全新 CPU 与 TCS23 平台中经提升的硬体和软体相结合后，Cortex-X4 的机器学习性能平均提升了 12%，Cortex-A720 提升了 9%，Cortex-A520 提升了 13%⁷。在 GPU 方面，我们在去年的硬体提升基础上，进一步从软体方面优化 Arm NN 和 Arm Compute Library，从而将超解析度 FSRCNN 网路的机器学习性能提升了四倍⁸。Photo Credit：Arm安全性，从源头做起Arm 将继续致力于通过 TCS23 引入全新先进技术来发展平台安全性，提高安全保障。TCS23 专为支持安卓虚拟化框架（AVF）而设计，该框架目前已作为一项关键安全特性被 Android 13 採用。AVF 仅适用于基于 ARM64 的装置，可提供安全、私密的代码执行环境，该框架非常适合对使用者资料的安全性和隐私保障更为严格的高级应用场景。指标验证（PAC）和分支目标识别（BTI）通过协同工作可消除几乎所有 ROP 和 JOP 攻击，从而提高控制流的完整性。我们成功降低了与这两种安全功能相关的性能成本，因此对于全新 Cortex-X4 和 Cortex-A720 CPU 内核来说可以忽略不计。此外，通过採用全新 QARMA3 演算法等方式增强 PAC 功能后，PAC 和 BTI 对 Cortex-A520 CPU 内核性能影响可以降低到 1% 以下。最后，我们使用全新 mbedTLS v3.3 库更新了可信赖韧体 Trusted Firmware-A (TF-A)，该库提供了全新特性和漏洞修复，从而可增强资料保护能力。定义运算未来的完整平台我们的合作伙伴可以将 TCS23 的强大功能部署到各级行动装置上，从而创造出改变生活的产品、服务和体验。无论合作伙伴选择哪一种 TCS23 配置，都能在 SoC 开发过程中受惠于缩短上市时间并降低成本的优势。每种 TCS23 配置（高阶、性能、或效率）包含的 IP 都具有相同的硬体介面和软体支援，可以更有效地协同工作。Photo Credit：ArmTCS23 的端到端系统优化为现在和未来的行动运算应用场景实现了整体 SoC 性能和效率的优异表现。TCS23 还提供更多的安全功能和软体功能，以进一步激发并释放开发者的创造潜能，为用户带来颇具创新的沉浸式体验。多方面的系统级提升和其他新功能使 TCS23 成为未来行动运算的完整平台。本文章内容由「Arm」提供，经关键评论网媒体集团广编企划编审。附注¹ Power consumption for TCS23 GPU and DRAM+PHY vs TCS22 GPU and DRAM+PHY, measured on Arm FPGA platforms.² Power consumption for TCS23 GPU and DRAM+PHY vs TCS22 GPU and DRAM+PHY, measured on Arm FPGA platforms.³Based on ‘GeekBench 6 MT’ benchmark for General Compute Performance. Measured on FPGA at system level, Android 13 iso-frequency, iso L3/SLC cache size.⁴ Based on ‘Speedometer 2.1’ benchmark for Browsing Experience. Measured on FPGA at system level, Android 13 with 1+3+4 cluster config and iso-frequency.⁵ Based on ‘Speedometer 2.1’ benchmark for Browsing Experience. Measured on FPGA at system level, Android 13 with 1+3+4 cluster config and iso-frequency. Using publicly available Optimized Chromium r114 with PAC/BTI enabled. Comparison against r99 baseline.⁶ Measured on TCS23 at system level, Android 13 iso-process, iso-core count, iso-voltage vs TCS22 Arm reference system, TCS22 using r35p0 and TCS23 using r40p0 DDK.⁷ Average performance uplift (inference time) across a range of ML workloads comparing Arm Compute Library v22.05 with v23.02 and vs TCS22 Arm reference system, comparisons with TCS22 generation equivalent cores iso-frequency.⁸ Average performance uplift (inference time) across a range of ML workloads comparing Arm Compute Library v22.05 with v23.02 and vs TCS22 Arm reference system, comparisons with TCS22 generation equivalent cores iso-frequency.
