🇨🇳較早收集於 4h

Google Tensor G6:在成本與性能之間重新尋路的 2nm SoC

Google Tensor G6:在成本與性能之間重新尋路的 2nm SoC
PostLinkedIn
🇨🇳閱讀原文: cnBeta (Full RSS)

💡深入了解 Google 針對 AI 行動裝置的晶片策略,以及 2nm 晶片設計中的取捨。

⚡ 30-Second TL;DR

有什麼變化

轉向 2nm 製造製程

為什麼重要

此策略顯示 Google 正優先考慮 AI 專用 NPU 的效率,而非通用 GPU 的算力。這反映了業界將晶片針對特定 AI 工作負載進行優化的廣泛趨勢。

下一步行動

評估您的行動端 AI 模型部署策略,因為未來的 Google 硬體可能會優先考慮 NPU 專用加速,而非 GPU 性能。

誰應關注:Developers & AI Engineers

關鍵要點

  • 轉向 2nm 製造製程
  • 策略重心從原始性能轉向成本控制
  • 整合舊款 GPU 架構以提升成本效益

🧠 深度解析

Web-grounded analysis with 34 cited sources.

🔑 增強重點摘要

  • Google Tensor G6 標誌著 Google 晶片製造從三星晶圓廠全面轉向台積電,採用其先進的 2nm 製程,此轉變始於 Tensor G5 的 3nm 製程。
  • Tensor G6 預計採用 7 核心 CPU 配置,包括 1 個 ARM C1-Ultra 核心 (4.11GHz)、4 個 ARM C1-Pro 核心 (3.38GHz) 和 2 個 ARM C1-Pro 核心 (2.65GHz),相較於前代 G5 的 8 核心有所減少,此舉被認為是出於成本考量。
  • 該晶片將整合 Imagination 2021 年 PowerVR CXT-48-1536 GPU 的更新版本 (CXTP 變體,可能具備更佳能效),此選擇旨在降低成本,但可能導致其在圖形原始性能方面落後於競爭對手。
  • Tensor G6 據報導將從三星 Exynos 數據機轉向聯發科 M90 數據機,以期改善 5G 連接速度和電源效率。
  • Google 預計採用台積電的 N2 2nm 製程,而非成本更高的 N2P 製程,儘管 N2P 可提供額外 5-10% 的性能提升,但 N2 製程本身仍將帶來顯著的能效改進。
📊 競品分析▸ Show
特性/晶片Google Tensor G6 (預計)Apple A-系列 (當代旗艦)Qualcomm Snapdragon (當代旗艦)
製造製程台積電 2nm (N2)台積電 2nm (N2) (預計用於A20)台積電 3nm (Snapdragon 8 Elite Gen 5) / 三星 2nm (Exynos 2600)
CPU 架構7 核心 (1x C1-Ultra, 4x C1-Pro, 2x C1-Pro)(通常為客製化核心,8核心或更多)(通常為 8 核心,1+X+Y 配置)
GPU 架構Imagination PowerVR CXTP-48-1536 (2021年設計更新版)(客製化 GPU,注重原始性能)(Adreno 系列,注重原始性能)
策略重點成本控制、能效、AI 性能、散熱原始性能、能效、生態系統整合原始性能、能效、廣泛的 Android 市場
數據機聯發科 M90(通常為高通或自研)(整合式 Snapdragon X 系列)

備註: Tensor G6 的 GPU 選擇是出於成本效益考量,這可能使其在圖形原始性能方面落後於競爭對手。目前關於 Tensor G6 的基準測試結果多為早期原型數據,尚不足以進行可靠的性能比較。

🛠️ 技術深入

  • 製程節點: 採用台積電 2nm (N2) 製程,該技術是第一代奈米片電晶體技術 (GAAFET 架構),旨在提供卓越的靜電控制、更低的漏電率和更高的性能密度。
  • CPU 架構: 7 核心配置,包括 1 個 ARM C1-Ultra 核心 (時脈 4.11GHz)、4 個 ARM C1-Pro 核心 (時脈 3.38GHz) 和 2 個 ARM C1-Pro 核心 (時脈 2.65GHz)。
  • GPU 架構: 採用 Imagination PowerVR CXTP-48-1536 GPU 的更新版本,該基礎設計可追溯至 2021 年,其中「P」可能表示改進的電源效率。
  • AI 處理單元 (TPU): 預計採用雙 TPU 設計,代號為「Santafe」,包含一個用於主要 AI 工作負載的專用 TPU 和一個用於處理相對簡單 AI 任務的奈米 TPU。
  • 安全協同處理器: 整合 M3 Titan 安全協同處理器。
  • 影像訊號處理器 (ISP): 搭載「Metis」ISP。
  • 記憶體支援: 支援 LPDDR5X 記憶體。
  • 數據機: 採用聯發科 M90 數據機。
  • 晶片尺寸目標: 目標將晶片尺寸從 G5 的 121 mm² 縮小至 105 mm²,以降低成本。

🔮 前景展望AI analysis grounded in cited sources

成本效益優先策略將影響原始性能表現。
為了降低成本和縮小晶片尺寸,Google 選擇了較舊的 GPU 架構和減少 CPU 核心數,這可能導致其在原始性能基準測試中落後於競爭對手。
Google 將更依賴其 TPU 和軟體優化來彌補硬體上的權衡。
為了在成本控制下提供競爭力,Google 可能會加強其在裝置端 AI 和計算攝影方面的優勢,以彌補 GPU 性能的潛在不足。
轉向台積電 2nm 製程將顯著提升能效和散熱表現。
台積電的 2nm N2 製程採用 GAAFET 技術,相較於之前的製程有顯著的能效和性能密度提升,這將有助於解決 Tensor 晶片過去的散熱和功耗問題。

時間線

2016-04
Google 開始開發自研 SoC
2021-10
第一代 Tensor 晶片隨 Pixel 6 系列發布,由三星代工
2024-08
Tensor G4 晶片發布,仍由三星 4nm 製程製造
2024-09
報導指出 Google 將為 Tensor G5 轉向台積電 3nm 製程,並為 Tensor G6 採用台積電 2nm 製程
2025-08
Tensor G5 晶片發布,首次轉向台積電 3nm 製程製造
2025-Q4
台積電 2nm (N2) 製程開始量產
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: cnBeta (Full RSS)