Google Tensor G2: Detalhes de desempenho para o Pixel 7 e Pixel 7 Pro com melhorias significativas na GPU
Kuba Wojciechowski tem compartilhado muitas informações sobre o Tensor G2, o chipset que o Google tem já confirmado irá alimentar o Pixel 7 e o Pixel 7 Pro. Para referência, o Google anunciará o Tensor G2 no dia 6 de outubro na série Pixel 7, ao lado do Relógio Pixel. Embora o Google ainda não tenha compartilhado nenhum número de desempenho, Wojciechowski sugere que o Tensor G2 seguirá os passos do A16 Bionic, oferecendo uma modesta elevação em relação ao ano passado Tensor Google. Uma listagem vazada Geekbench sublinha isto, imagens de tela das quais temos embutidas abaixo.
Especificamente, o Pixel 7 Pro supera seu predecessor em aproximadamente 7% no benchmark multi-core do Geekbench. Entretanto, a pontuação do primeiro, de 1068 no benchmark de um só núcleo, é apenas 10 pontos a menos do que o nosso Pixel 6 Pro unidade de revisão gerenciada no mesmo teste. Supostamente, a razão por trás disso é que o Tensor G2 utiliza um conjunto de núcleos idêntico, mas ligeiramente superlotado, como seu predecessor. Portanto, o Tensor G2 tem dois núcleos principais ARM Cortex-X1 complementados por dois núcleos Cortex-A76 e quatro núcleos Cortex-A55.
Por outro lado, o Tensor G2 também contém o Mali-G710uma GPU significativamente mais poderosa do que a Mali-G78 encontrado no Tensor Google. Assumindo a Mali-G710 é a mesma configuração de 10 pipelines que a MediaTek usa no Dimensidade 9000o Tensor G2 deve oferecer 1,5x o desempenho gráfico do Tensor Google. Para o contexto, a ARM apresenta uma melhoria de desempenho de 20% entre essas GPUs, bem como 35% de capacidade de aprendizagem da máquina superior. Além disso, a mudança para um processo de 4 nm a partir do de 5 nm no qual a Tensor Google é construído pode render até 20% de ganhos de eficiência. Em geral, o Tensor G2 parece ser uma opção mais arredondada do que seu predecessor, embora seu desempenho de CPU ainda possa estar uma geração ou duas atrás de seus concorrentes.
Fonte(s)
Geekbench via @Za_Raczke
