Google 自研芯片 Tensor 什么水平？( 三 ) _信息快讯

GPU 如同理论分析，高能高耗，峰值功率直接堆到 8~10W ，但 Pixel 6、6 Pro 都未用搭载高通 SoC Android 手机的 VC 散热板或者其他散热手段，散热水平「更像是 iPhone ，而非是 Android」，积热严重只能降频，还未完成一轮测试， Pixel 就开始降频了。
而对于 GPU 冲到 8~10W 的功率水平，我只在一些骁龙 888 的电竞手机中看到过，要知道它们可是有类 PC 级主动散热系统，并且外置电源的状况之下。
要说在 CPU、GPU 的设计上有所遗憾的话，那在 ISP（图像处理器）、TPU（机器学习引擎）配置上， Google 把自己的优势彻彻底底的发挥了出来。

文章插图

ISP 把 Exynos 的和 Google 的定制图像芯片整合在一起， Exynos 的部分负责图像的采集和前期处理，而 Google 定制的部分就负责「计算」，反映在 Pixel 6 Pro 产品上，就是视频 HDR Net、动态模糊、人物抠像等等功能。
而 Tensor 内置的 TPU 才是 Tensor 命名的缘由，它采用最新的机器学习处理架构，并对 Android 12 系统进行过优化，不过如同其他芯片的机器学习、AI 模块所能直接表现出来的特性还比较「模糊」。
在 Pixel 6、6 Pro 上最为直观的就是系统、动画流畅，语音、图像识别速度很快这类特性。而对于 Tensor 上这颗 TPU 的性能在一些模型的跑分中，也超过了现在流行的主流 SoC（包括高通骁龙 888 与 Exynos 2100）。
另外， Google 官方还未向开发者公布这颗 TPU 的 SDK ，因而 Tensor 内置的强大算力的 TPU 仍是 Google 独享，暂时落后于苹果 A 系芯片的开发生态。
为何如此设计 Google Tensor？在解构 Tensor 之时，我留了几个伏笔，一是三星负责生产，二是 CPU 大核心 A76 的选择，三是 A55 小核心的设计问题。
其实关于 Tensor 的设计取舍还有许多的疑问，比如 2+2+4 架构的选择，做 Tensor 的初衷等等。
Google Silicon 团队高级主管莫妮卡?古普塔（Monika Gupta）. 图片来自：businessworld.in
「对于 Google 来说，我们希望把 AI 运用在我们生活的方方面面」， Google Silicon 团队高级主管莫妮卡?古普塔（Monika Gupta）又打了个比方「甚至我们园区餐厅的菜单也可能是由 AI 根据我们的喜好来设计的。」
「我们不想生产传统意义上的智能手机」， Google 想要 AI 和机器学习处理能力大增的设备，但市面上的处理器并不满足 Google 的需求，更强的 AI 才是 Google 选择自研芯片的初衷。
这也是我们在 Tensor 上看到配备足够强大 TPU 的的原因。而 Google AI 部门中最常用的名称就是「Tensor」，取名 Tensor 的意味相当明显。另外， Tensor（张量）这个词本身就很 Google ，很工程师文化。
「Pixel 6 的机器学习代码放在旧 Pixel 上，依然能够运行，但效率就差了一些。」Tensor 独树一帜的 AI 性能并非是「空谈」，莫妮卡补充道「Google 已经把研发部门最新最强的成果呈现在 Pixel 6、6 Pro 之中。」
「一切与你想要达成的目的一致」，这个目的就是效率， Google 认为两个超大核以中等负载运行下的效率要远高于一颗大核，并且能效比也更高。
Google Silicon 团队的副总裁菲尔?卡马克（Phil Carmack）也举了个例子，「打开相机，除了你看到的一切， SoC 内部的 CPU、GPU、ISP、TPU 在不断地运行、计算，复杂的场景会牵扯到大量机器计算。」此时交由两颗 X1 处理器，更游刃有余。

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。