Notebookcheck Logo

O Tensor do Google é supostamente sobre aprendizagem de máquinas - ele acabou de ser esmagado pelo Apple A15 Bionic em nossos testes com o novo aplicativo Geekbench ML

O novo Google Pixel 6 é alimentado por um Tensor SoC semicustomizado e focado na aprendizagem da máquina. (Imagem: Notebookcheck)
O novo Google Pixel 6 é alimentado por um Tensor SoC semicustomizado e focado na aprendizagem da máquina. (Imagem: Notebookcheck)
A linha Google Pixel 6 está prestes a começar sua implementação em mercados selecionados com a promessa de que o Google fez seu novo chip Tensor para realmente brilhar em tarefas de aprendizagem de máquinas. Infelizmente, nós acabamos de colocá-lo contra o Apple A15 Bionic no novo teste GeekBench ML e ele foi obliterado.

Não é segredo que o silício do Appleé sem dúvida a tecnologia líder no mercado. Em sua recente avaliação do novo MacBook Pro M1 Pro e M1 Max chips, Anandtech chamado seu desempenho "geralmente absurdo", acrescentando que "não esperava alguns dos monstruosos aumentos que os novos chips são capazes de alcançar" O Apple A15 Biônica chip encontrado no novo iPhone 13 e iPhone 13 Pro modelos é na verdade a última iteração do A14/M1 arquitetura que sustenta o novo MacBook Pro chips do Apple.

Já vimos as impressionantes pontuações do Geekbench 5 do Apple A15 (SC - 1732/MC - 4685) junto com as menos impressionantes, mas ainda assim sólidas, pontuações do Google Tensor (SC - 1036/MC - 2808). Enquanto o Tensor é superado pela Qualcomm Snapdragon 888 e a Samsung Exynos 2100 no mesmo teste, o Google tem enfatizado as capacidades de aprendizagem de máquinas do Tensor -- afinal, eles deram-lhe o nome de sua Unidade de Processamento de Tensor https://cloud.google.com/tpudesenvolvido especificamente para o aprendizado de máquinas de redes neurais.

Assim, para os fãs de Pixel, parecia haver algum consolo em saber que o ML deveria ser uma força particular do chip Tensor. Podemos relatar, no entanto, que quando confrontado com o Apple A15 no novo teste Geekbench ML, o Google Tensor é aniquilado. Primate Labs, o desenvolvedor do aplicativo Geekbench ML, diz que é um teste multiplataforma projetado para "ajudá-lo a entender se seu dispositivo está pronto para executar as mais recentes aplicações de aprendizagem de máquinas" Ele tem três componentes que testam separadamente CPU, GPU e Core ML (A15) ou NNAPI (Tensor) para exercitar aceleradores neurais.

No teste Geekbench ML TensorFlow Lite CPU, o Apple A15 pontua 939; em comparação, o Google Tensor pontua apenas 307. No teste da GPU, o A15 obteve 2268 pontos com o Tensor reunindo apenas 1428 em resposta. No teste do acelerador neural, o A15 obteve 2727 (Core ML) enquanto o Tensor obteve apenas 1720 (NNAPI). A pontuação agregada do A15 é de 5.934. A pontuação agregada do Tensor é de 3.455. Isto coloca o Apple A15 em cerca de 71% mais rápido que o Google Tensor em tarefas de aprendizagem de máquinas, a suposta força particular deste chip.

Por um lado, não deve ser surpreendente que Apple tenha se saído bem aqui - ele tem sido fortemente investido no projeto personalizado de seus chips há anos. Por outro lado, o resultado retira parte do brilho do Google Tensor. Naturalmente, é uma referência sintética e a experiência do mundo real estará onde é importante para as pessoas. O Pixel 6 tem tido um bom desempenho para nós até agora e Android 12 sem dúvida se beneficiará das capacidades ML do Tensor. Mais uma vez, no entanto, o domínio do Appleno desempenho do chip bruto veio à tona.

Pré-encomenda o Google Pixel 6 da Amazon a partir de US$599.

Algumas das afirmações de marketing que o Google faz sobre o Tensor SoC. (Imagem: Google)
Algumas das afirmações de marketing que o Google faz sobre o Tensor SoC. (Imagem: Google)

Fonte(s)

Próprio.

Please share our article, every link counts!
Mail Logo
> Análises e revisões de portáteis e celulares > Arquivo de notícias 2021 10 > O Tensor do Google é supostamente sobre aprendizagem de máquinas - ele acabou de ser esmagado pelo Apple A15 Bionic em nossos testes com o novo aplicativo Geekbench ML
Sanjiv Sathiah, 2021-10-27 (Update: 2021-10-27)