雷锋网|深度整理:谷歌Tensor自研手机芯片规格分析,实际性能不尽如人意( 六 )
文章图片
图10/17
Google Tensor 因为拉胯的 A76 性能表现 , 就算有 2 颗 X2 都无力回天 , 拖低了整体分数 。 X1 本身也比对手稍慢一些 , 大部分时间的能效比都和 Exynos 2100 的 X1 一致 。 但 A76 实在落后时代太多了(无论是性能还是能效比) , 而 A55 又继承三星低能效的传统 , 一言难尽就是了 。
文章图片
图11/17
文章图片
图12/17
GPU 这边规模大 , 频率高 , 但 3DMark Wild Life 测试的峰值性能只比Exynos 2100 高 21% 。 在 GFX Bench 的 Aztec 场景测试中 , 领先Exynos 2100 14% , 小幅领先骁龙 888 。 虽然采用了分频设计 , 但貌似瓶颈在 GPU 的其他地方 。
Tensor 的 GPU 峰值功率高达 9-10W , 手机一跑就降频(一轮测试都没跑完啊……) , 拖低了整体功耗 , 所以才会有 7.28 W 的平均功耗 。 Pixel 6 系列没有热管 , 散热配置和机身结构更像是 iPhone , 而不是猛堆散热的安卓旗舰 。 它跑起来时 , 左侧的 SoC 45 度 , 但右侧只有 30-33 度 , 散热确实是弱 。
让人不解的是 , 今年这批 SoC 都设定了高得不切实际的 GPU 频率 , 一跑就降频 。 可能是为了应对突发的 GPU 负载?或者是其他什么原因?但无论怎么样 , 实际能效比是受累了 。
TPU:极强的推理性能
这是 Google Tensor 挽回颜面的地方 。 MLPerf 测试中 , Pixel 是在 NNAPI 跑的 , 其他厂商是各自的库 , 高通是 SNPE(最近优化了 MLPerf 1.1 , 提升了成绩)、三星是 EDEN , 联发科是 Neuron , 而苹果没有 coreML 加速 , 所以吃亏 。
文章图片
图13/17
在图像分类、目标检测和图像分割工作负载中 , Tensor 成绩低于高通 , 但强于三星 。 而在语言处理(MobileBERT 模型) , Google Tensor 提供了骁龙 888 3 倍的性能 , 推理部分强得很 。 Google 在宣传里 , 确实也提到过实时转录、翻译等使用场景是其差异化所在 。
文章图片
图14/17
文章图片
图15/17
文章图片
图16/17
推荐阅读
- 网络|天津联通全力助推天津市入选全国首批千兆城市
- 最新消息|世界单体容量最大漂浮式光伏电站在德州并网发电
- 网络化|工信部:2025年建成500个以上智能制造示范工厂
- 视点·观察|张庭夫妇公司被查 该怎样精准鉴别网络传销?
- MateBook|深度解析:华为MateBook X Pro 2022的七大独家创新技术
- Tesla|网传特斯拉等新能源汽车保费上涨超50% 多家车险公司回应不实
- 上海|上海供水热线与城投水务官网合并上线,一站式服务更便民
- 数字化|70%规模以上制造业企业到2025年将实现数字化、网络化
- 服务|互联网+税务让服务更优质 杭州代开发票税务进入新局面
- 人物|俄罗斯网络博主为吸引流量 闹市炸毁汽车 结果够“刑”