谷歌|Google自研手机SoC深度揭秘：翻车了？( 五 )

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

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

文章图片

文章图片

还没发布的 GeekBench ML 测试，用是 TensorFlow 模型，代表的是 GPU 的机器学习性能。这时候 Google Tensor 就弱于 Exynos 2100 。如果用 NNAPI 模型，此时是 CPU+GPU+NPU 的混合工作，Google Tensor 就可以大幅领先骁龙 888 。
除了绝对性能，跑 AI 测试时，Pixel 6 Pro 的整机功耗和 Exynos 2100 的 Galaxy S21 Ultra 接近。单独进行推理任务时，Exynos 2100 的爆发功率达到 14W，骁龙 888 也有 12W 。但因为 Google Tensor 的 AI 性能更高，所以最终能效比要更高一些。
不过 Google 还没有计划推出相关的 SDK 让开发者去更好地利用这颗强大的 TPU。但再看看三星，它的 NPU 发布都 2 年了，现在都没有 SDK…… 现在 TPU 的强大性能，主要集中体现在官方 app 里，像是给摄像头加入更多的机器学习功能，以及各种翻译功能。
总结

文章图片

Google 表示，他们搞自研 SoC 的主要原因是现有的 SoC 在机器学习上的性能和能效比太低，而 Tensor 的机器学习性能和能效，被用来支撑新的用例和体验。
例如我们在 Pixel 6 系列上看到的很多机器学习特性。像是实时转录、实时翻译和图像处理等算法，所有这些都是运行在 Tensor 的 TPU 上的。
虽然 Google 可能不想承认或者谈论，但 Google Tensor 确实就是和三星合作的产物，大部分都源自 Exynos，并继承了三星在能效比方面的弱点。
CPU 被古老的 A76 拖后腿，规模庞大的 GPU 被散热拖后腿，但 TPU 确实表现很好，特别是自然语言处理方面，远远抛离所有竞品。
但总的来说，我们认为 Google 已经通过 Tensor 实现了最初的目标。我们不知道 Google 下一代的 SoC 会走什么样的路线，但我们很有兴趣等等看。