Google представил свою серию Pixel 6 с некоторыми значительными улучшениями в аппаратном обеспечении, особенно для Pixel 6 Pro. Однако самая большая изюминка этих устройств связана с чипом Tensor. Это чип собственного производства Google, ориентированный на машинное обучение и технологии искусственного интеллекта. Это скрывается за всеми модными функциями, доступными на новых смартфонах. Tensor улучшает возможности компании в области компьютерной фотографии и транскрипции. Поисковый гигант изучает возможность переноса некоторых функций Pixel 6 на более старые модели Pixel. Однако некоторые из них останутся эксклюзивными из-за возможностей машинного обучения тензорного чипа. Несмотря на звездность этих возможностей, чип, похоже, все еще отстает от одного из своих основных конкурентов.
Когда дело доходит до грубой силы, Google Tensor уступает последним смартфонам Qualcomm Snapdragon 888 и Exynos 2100. Apple Apple A15 и даже A14 также превосходят чипсет Google. Теперь, новый тест, проведенный ребятами из Notebookcheck , утверждает, что чип Apple A15 Bionic сокрушает Google Tensor в своей самой сильной стороне — машинном обучении. Тест проводился в новом приложении Geekbench ML, которое было разработано специально для измерения производительности машинного обучения. Несмотря на все особенности машинного обучения, Google Tensor по-прежнему уступает возможностям Apple A15.
Apple A15 сокрушает чип Google Tensor в возможностях машинного обучения
Google Tensor сумел набрать всего 307 баллов в тесте процессора Geekbench ML TensorFlow Lite, что составляет менее трети впечатляющего результата Apple A15, равного 939. Число 307 ни в коем случае не ужасно, но показывает, что ему нет равных. для Apple. Кроме того, Apple A15 набирает 2727 баллов в тесте нейронного ускорителя, а Tensor — 1720 баллов. Существует также огромный разрыв в тесте GPU, который набрал 1428 баллов, в то время как A15 имеет более высокий балл — 2727.
[ 19459005]
В целом, Apple A15 набрала 5 934 балла, а Tensor — 3 455 баллов. Это означает, что Apple A15 примерно на 71 процент быстрее, чем Google Tensor, когда дело касается машинного обучения. Конечно, это когда мы принимаем во внимание тесты производительности. В реальных условиях ситуация может быть иной. Однако для обычных пользователей оценить и сравнить это практически невозможно. Конечно, эталонный тест показывает, что пробел все еще есть, даже если он короче, чем мы думаем, а Tensor — не самая передовая микросхема, когда дело доходит до машинного обучения.
В любом случае, чип Tensor по-прежнему остается хорошим предложением от Google. Это только начало, и компания может еще больше настроить производительность с помощью следующих обновлений. Кроме того, мы можем увидеть, как Google будет улучшать чип с новыми поколениями.
