מהו Tensor G2 SoC בסדרת Google Pixel 7? במה הוא שונה מהטנסור G1?

ה סדרת גוגל פיקסל 7 נמצא כאן, ואיתו מגיעים מספר שיפורים בולטים בכל רחבי הלוח. עם זאת, אחד השיפורים המלהיבים ביותר מגיע בצורת ערכת השבבים, שכן היא הלב של כל סמארטפון. הטנסור של גוגל בפיקסל של שנה שעברה היה די טוב, אם כי היו לו מספר בעיות. הפעם, החברה אמרה לשפר את חיי הסוללה ואזורים אחרים ב-Tensor G2, והמפרטים הם בעצם איטרציה של Tensor מהשנה שעברה.

Google Tensor G2: מפרטים

Google Tensor G2 מכפיל את אותה נוסחת CPU כמו Tensor

השוואת שתי ערכות השבבים הללו חושפת הרבה קווי דמיון, כאשר היסודות של כל סט של ליבות נשמרים. גוגל עדיין שומרת על הגדרות 2+2+4 מעט חריגות שלה ובמקום זאת בחרה לשפר מעט את מהירויות השעון של הליבות הגדולות והבינוניות. בתיאוריה, זה אומר שלגוגל יהיה יתרון בביצועים בכל אפליקציה שמשתמשת בשני שרשורים לעיבוד, אם כי זה תלוי באיזו מהירות היא מצערת או לא.

גוגל העלתה את הליבות האמצעיות גם לזוג ליבות A78, וזה שינוי מבורך מאוד. זה היה תמוה בשנה שעברה שגוגל בחרה בזוג ליבות A76 בהתחשב בעובדה שהן גרועות יותר ביעילות החשמל וגרועות יותר בביצועים מה-A77 וה-A78. זה אמור לראות כמה שיפורי ביצועים ויעילות ברורים, ובכך לשפר גם את חיי הסוללה.

לבסוף, אותן ארבע ליבות קטנות נשמרות כמו בטנסור של שנה שעברה. אין כאן שינוי אמיתי.

בסך הכל, למרות שהיה נחמד לראות קפיצה מלאה ל-Armv9 (עם שלישיית Cortex X2, A710 ו-A510), זה היה נדרש עיצוב מחדש גדול מצד גוגל, במיוחד בהתחשב בכך שמדובר בשינוי של עיצוב שכבר היה Exynos שונה לְעַצֵב. אולי בשנה הבאה?

האם Google Tensor G2 הוא 4nm או 5nm?

בעוד שדיווחים ראשוניים העלו כי Tensor G2 יוצר בתהליך של 4 ננומטר, גוגל אישרה מאז שזה לא המקרה. Google Tensor G2 מיוצר על צומת 5nm של סמסונג. לא ברור אם החברה משתמשת ב-5LPE או 5LPP של סמסונג, אם כי 5LPP עדיף על 5LPE וה-Tensor המקורי יוצר ב-5LPE. אני מניח שזה על 5LPE אלא אם צוין אחרת. LPE מייצג Low Power Early (והוא תהליך ייצור 4nm מהדור הראשון של החברה), ואילו LPP מייצג Low Power Plus.

האם Google Tensor G2 מהיר יותר מה-Google Tensor המקורי?

מבחינת ביצועים, Google Tensor G2 יפעל בערך כמו ה-Google Tensor המקורי. השיפורים היחידים הם בשינוי מליבות A76 ל-A78 בינוניות, ומהירויות השעון גדלות על פני הליבות הגדולות והליבות הבינוניות. יהיו שיפורים קטנים, אבל בשימוש בעולם האמיתי, זה ירגיש בערך אותו הדבר.

ל-GPU של Google Tensor G2 יש שדרוג די נחמד

Google Tensor G2 מבצעת שדרוג די גדול במחלקת ה-GPU, וקופצת מה-Mali G78 MP20 ל-Mali G710 MP07. Mali G710 MP07 הוא GPU דומה לזה שנמצא ב-Dimensity 9000, אם כי סביר להניח שיש שינויים בהינתן הסיומת "MP07". לעיון, ל-MediaTek Dimensity 9000 יש Mali G710 MC10. סביר להניח ש-"7" מתייחס למספר הליבות (כמו במקרה של Tensor המקורי) אבל נצטרך לחכות ולראות.

עם זאת, השיפורים במאלי G710 מגיעים לא רק מספירת הליבה, אלא מהמבנה עצמו. הוא מבטיח שיפורים משמעותיים לא רק בגרפיקה, אלא בביצועי Vulkan במיוחד. נצטרך לחכות ולראות עד כמה השיפורים האלה יתממשו, אבל בתיאוריה, צריך להיות ביצועים טובים בהרבה לא רק במשחקים ובמשימות אחרות עתירות גרפיקה, אלא אפילו באמולטורים כמו AetherSX2.

בפעם הקודמת, החיה בעלת 20 הליבות של ה-G78 בטנסור, למרות שהיא חזקה, שמרה על הכוח הזה רק במשך כמה שניות לפני שהחלה לחנוק. הוא שמר על תדרים גבוהים מלכתחילה, אבל צריכת האנרגיה הגבוהה והחום שנוצרו כתוצאה מכך היו בעיה מרכזית. לראות את גוגל מחליקה אותו מעט ונשענת לתצורת GPU הרבה יותר רגילה לנייד אכן נותן תקווה.

המודם משופר, אם כי איננו בטוחים בכמה

חלק מהסיבה לכך שהמודם בסדרת גוגל פיקסל 6 המקורית הצליח כל כך גרוע היה שזה היה למעשה מודם 5G מהדור הראשון של סמסונג - ה-Exynos 5123. זה הושק כחלק מה-Exynos 990 SoC בסדרת Galaxy S11, אז זה אמור לתת לך מושג בן כמה זה היה. הפעם, גוגל משתמשת במודם Exynos 5300 הרבה יותר חדש.

באופן אנקדוטי, אני מקבל עכשיו איתות במקומות שלא יכולתי קודם

אמנם אין הרבה מידע על המודם הספציפי הזה (כמוהו רַק הושק ולא היה זמין בעבר באף מכשיר אחר), מהבדיקות שלנו נראה שהוא השתפר משמעותית. באופן אנקדוטי, אני מקבל עכשיו איתות במקומות שלא יכולתי קודם, כולל חלקים מהדירה שלי שבהם בעצם אי אפשר היה להשיג כל סוג של חיבור.

שיפורים של Google Tensor G2 TPU

גוגל מפרסמת שה-TPU של Tensor G2 הוא "הדור הבא", ומשתפרת על מה שכבר היה תוספת מרשימה ל- Tensor SoC בשנה שעברה. בשנה שעברה, בערכת השבבים Tensor של גוגל היו הפניות ל-"edgeTPU" במנהלי התקנים. אם זה אותו Edge TPU שהחברה מפרסמת בפלטפורמת הענן שלה ובתוכו מכשירי אלמוגים, אז הוא מסוגל ל-4 TOPS בהספק של 2W בלבד.

במקרה של Google Tensor G2, גוגל אומרת שה-TPU חזק יותר ב-60% וגם יעיל יותר ב-20%. אלה כמה שיפורים די גדולים בהתחשב בכך שמה שה-Edge TPU היה מסוגל לו, בהנחה שהוא זהה, כבר היה די טוב. הוא מפעיל תכונות כמו ביטול טשטוש צילום וטשטוש קולנועי.

האם Google Tensor G2 טוב בדיוק כמו Snapdragon 8 Gen 1 או Exynos 2200?

כאשר משווים מפרטים, ה-Tensor G2 של גוגל מפגר מאחורי הרבה מהמתחרים. עם פריסת הליבה יוצאת הדופן שלו והשאלות עדיין סביב המודם שלו, ה-SoC הזה ללא ספק חלש יותר מה-Snapdragon 8 Gen 1 בוודאות, ובהרחבה גם מה-Snapdragon 8 Plus Gen 1. עם זאת, בהשוואה ל-Exynos 2200, הדברים מתקרבים הרבה יותר. ה-Exynos 2200 מיוצר בתהליך של 4nm ומקבל ציונים גבוהים יותר במדדים, אך מספר משתמשים גם דווח על חוויה גרועה במכשירי Samsung Galaxy S22.

כל זה אומר שבעוד ש-Google Tensor G2 גרוע יותר על הנייר, נראה שכן לְבַצֵעַ טוב יותר. זה כנראה בעיקר בזכות שילוב של אופטימיזציות תוכנה שונות. טלפונים חכמים הם יותר מסתם החלקים שיוצרים אותם, ולמרות ש-Google Tensor G2 נראה חסר כוח, סביר להניח שלא תבחין בו בשימוש רגיל... אלא אם כן אתה משחק.

Google Tensor G2 משפר את היסודות

ה-Tensor G2 מכפיל את החלקים הטובים ביותר של Tensor, תוך עיבוד מחדש של הדברים שצריך לעבד מחדש

Google Tensor G2 נראה כאילו זה יכול להיות ערכת שבבים די נחמדה, אבל אנחנו לא יודעים אם זה מספיק כדי לשפר את המקום שבו Tensor נפלה בשנה שעברה. זה באמת מכפיל את החלקים הטובים ביותר של Tensor, תוך עיבוד מחדש של הדברים שצריך לעבד מחדש.

עם זאת, ערכת שבבים היא יותר מסתם סכום חלקיה. יש כמעט בוודאות שיפורים ואופטימיזציות נוספים מתחת למכסה הדרייברים המשמשים כדי לאפשר למערכת ההפעלה להתממשק עם היבטים שונים של ה-SoC. השיפורים האלה הם הרבה יותר בלתי מוחשיים, אבל הם מצטברים כדי לספק חוויה משופרת בהרבה.

מהבדיקות שלנו, חווית המשתמש ב-Tensor G2 השתפרה בהרבה. הוא לא פועל כל כך חם, הוא משתפר היכן שהוא צריך, ונראה שגוגל בסך הכל הקשיבה. הביקורת הכי גדולה שתהיה לי היא לא לעבור ל- Armv9 לחלוטין, בין אם זה מעבר לאחת משתי התצורות הבאות:

• Cortex X2, A710. A510
• Cortex X3, A715, A510 Refresh

אני מתאר לעצמי שנוכל לצפות לראות משהו כזה בעתיד אם החברה תמשיך לשנות את עיצובי הליבה של Arm.