فهرست مطالب
گوشی پیکسل 10 گوگل با تراشه Tensor G5، ویژگیهای زیادی دارد اما دستیابی به کارایی در سطح بالا همچنان برای آن دستنیافتنی مانده است.
به گزارش تکناک، سالها است که این وضعیت ادامه دارد و بهجای کاهش، شکاف میان Tensor G5 و Snapdragon 8 Elite Gen 5 بیشتر شده است. اکنون که تلفنهای هوشمند با هوش مصنوعی و تواناییهای گیمینگ تعریف میشوند، این فاصله بیش از هر زمان دیگری چشمگیر است.
نتایج اخیر Geekbench 6 و 3DMark تصویر خوبی از پردازنده جدید گوگل نشان نمیدهند. بهترین چیپ کوالکام بیش از دو برابر عملکرد CPU چندهستهای و حدود ۲٫۵ برابر توان گرافیکی بیشتر از گوگل دارد.
از یک سو، این اختلاف ممکن است در مرور وب یا پیمایش شبکههای اجتماعی چندان محسوس نباشد. اما در حوزه گیمینگ و با نزدیک شدن تجربه تلفن و لپتاپ، چنین شکافی نادیدهگرفتنی نیست.
اما چرا Snapdragon تا این حد جلوتر از پروژه Tensor است؟ برای فهمیدن دلیل آن باید نگاهی به درون این تراشهها بیندازیم.
01
از 06نبرد Arm
واحد پردازش مرکزی (CPU) مغز اصلی تراشه گوشی است و پیشرفتهای اخیر، برتری بزرگی به Snapdragon دادهاند. شرکت کوالکام اکنون هستههای CPU خود را به صورت داخلی طراحی میکند (با برند Oryon) و به همین دلیل میتواند طراحی را سریعتر از طرحهای آماده Arm توسعه دهد؛ طرحهایی که بیشتر سازندگان از آنها مجوز میگیرند.
تمام تراشههای موبایل بر پایه معماری Arm ساخته میشوند، اما بلوکهای داخلی هر هسته متفاوت است و در مصرف انرژی، کارایی و اندازه، توازن خاص خود را دارد. این دقیقاً همان جایی است که اختلاف Tensor و Snapdragon شکل میگیرد.
بر اساس اطلاعات موجود، هستههای Oryon دو ویژگی کلیدی دارند: نخست آنکه فرکانس بسیار بالایی دارند، که شامل ۴٫۶ گیگاهرتز در هسته اصلی و ۳٫۶۲ گیگاهرتز در شش هسته عملکردی میشود. در مقابل، تراشه Tensor G5 گوگل تنها به ۳٫۷۸ گیگاهرتز در هسته بزرگ Cortex-X4 و ۳٫۰۵ گیگاهرتز در هستههای میانی A725 میرسد. این اعداد فقط برای لحظات کوتاه است، اما نشان میدهد که کوالکام انرژی زیادی برای طراحی مسیرهای تغذیه و زمانبندی صرف کرده است.
البته سرعت کلاک بهتنهایی معیار کاملی نیست؛ نکته مهمتر، اندازه بزرگتر Oryon است، که با کش و واحدهای اجرایی بیشتر میتواند دادهها را بسیار سریعتر پردازش کند، البته بهای آن مصرف سیلیکون بیشتر است. در مقابل، گوگل تنها از یک هسته بزرگ Cortex-X4 و چند هسته کوچکتر استفاده میکند.
حتی با وجود این ضعف در طراحی، گوگل با انتخاب قطعات قدیمیتر به خود نیز لطمه میزند. Tensor G5 همچنان از هسته ۲۰۲۳ یعنی Cortex-X4 استفاده میکند، در حالی که Arm یک سال قبلتر، X925 را معرفی کرده بود.
رقبایی مانند Apple و MediaTek از طراحی قدیمی big/middle/little عبور کردهاند و تمرکز خود را بر افزایش توان هستههای میانی گذاشتهاند.
02
از 06فرصتهای ازدسترفته گوگل در تراشه Tensor
گوگل میتواند با سرعت بخشیدن به استفاده از آخرین CPU و GPUها بخشی از شکاف را جبران کند، اما این کار هزینهبر است. تراشه Tensor G6 به احتمال زیاد از سری جدید Arm C1 با چینش مشابه Snapdragon (۱+۶) استفاده خواهد کرد، اما مشخص نیست از مدل C1-Ultra بهره میگیرد یا از نسخه کوچکتر Premium استفاده میکند.
در عین حال، گوگل قرار است GPU خود را از PowerVR DXT به مدل ارزانتر CXT تغییر دهد؛ همان تراشهای که قرار بود در Tensor G4 استفاده شود. گوگل میگوید که عملکرد، تغییری نمیکند اما اندازه سیلیکون کوچکتر میشود؛ تصمیمی که برخلاف مسیر افزایش قدرت است.
در مقابل، کوالکام معماری اختصاصی Adreno را دارد، که سالها است از طراحی اولیه AMD جدا شده است و اکنون میتواند آزادانه بین رندرینگ Tile-Based و Immediate Mode جابهجا شود و حتی رهگیری پرتو (Ray Tracing) را هم پیادهسازی کند.
شرکت گوگل در عوض از IPهای آماده شرکتهای دیگر استفاده میکند، که تمرکز آنها معمولاً بر محدوده میانرده است و به گیمینگ سطح بالا توجه نمیکند.

03
از 06هزینه در برابر کارایی
CPU و GPUهای بزرگتر فضای بیشتری از سیلیکون اشغال میکنند و با توجه به استفاده از فرایندهای پیشرفته TSMC 3nm، هزینه ساخت تراشهها بهشدت بالا رفته است.
در حالی که گوگل گزینههایی برای افزایش قدرت دارد، تمرکز آن بر کاهش هزینه باعث شده است که در عمل، سقفی برای توان پردازشی آن ایجاد شود. طراحی کامل CPU و GPU اختصاصی سالها زمان و سرمایه هنگفت نیاز دارد. کوالکام برای ساخت Oryon شرکت Nuvia را با مبلغ ۱٫۴ میلیارد دلار خرید؛ سرمایهای که پروژه Tensor در حال حاضر ارزش آن را ندارد.
بنابراین گوگل واقعبینانهتر باید بودجه بیشتری صرف خرید اجزای قدرتمندتر از شرکتهایی مثل Arm و Imagination Technologies کند. هرچند، در این صورت تفاوت چندانی با خرید تراشهای آماده مانند MediaTek Dimensity 9500 نخواهد داشت.

04
از 06تمرکز تراشه Tensor گوگل بر هوش مصنوعی
گوگل تراشه Tensor را برای صدرنشینی در بنچمارکها نساخته است. هدف اصلی آن بهینهسازی برای هوش مصنوعی است.
طرفداران پیکسل به برتری در عکاسی محاسباتی و ابزارهای AI دروندستگاهی اشاره میکنند. طراحی سختافزار و نرمافزار در کنار هم مزیت بزرگی است؛ همان کاری که اپل سالها انجام داده است.
اما هنوز تضمینی نیست که پیکسل از Tensor نتایج بهتری بگیرد. بسیاری از گوشیها موتورهای عکاسی عالی دارند، مدل Gemini Nano روی Snapdragon هم بهخوبی اجرا میشود و بسیاری از ابزارهای AI گوگل همچنان در فضای ابری کار میکنند.
در واقع، مزیت Tensor بیشتر در زنجیره نرمافزار و توسعه اختصاصی داخلی است تا در سختافزار باشد. قابلیتهایی مانند Speech-to-Text و Call Screen نمونههایی از این رویکرد هستند.

05
از 06شرط بزرگ گوگل بر سر AI
در نهایت، رویکرد گوگل بازتابی از اولویت مالی آن است. گوگل تمایل ندارد برای توسعه سیلیکون هزینه هنگفتی صرف کند و به کارایی «بهاندازه کافی خوب» رضایت داده است تا بتواند روی نرمافزار و ابزارهای هوش مصنوعی تمرکز کند.
در مقابل، کوالکام و اپل سرمایهگذاری عظیمی روی تراشه انجام میدهند و به همین دلیل در صدر هستند، اما هزینه تولید آنها بسیار بالاتر است. گوگل تنها حدود ۶۵ دلار برای هر چیپ هدفگذاری میکند، در حالی که کوالکام تراشههای خود را بیش از ۱۵۰ دلار به شرکا میفروشد.
از دید کاربران عادی که تفاوت زیادی در عملکرد روزمره حس نمیکنند، استراتژی گوگل منطقی بهنظر میرسد، چرا که گوشیهای پیکسل را به دستگاههایی متعادلتر و مقرونبهصرفهتر تبدیل میکند.
اما اگر قیمت سری پیکسل بالا برود و همچنان برتری مشخصی در کارایی نداشته باشد، ممکن است دیگر دلیلی برای حضور تراشه Tensor وجود نداشته باشد.

06
از 06راهکار گوگل برای بهبود عملکرد تراشه Tensor
- بهروزرسانی سریعتر طراحی سختافزار: استفاده از آخرین هستههای CPU و GPU بهجای مدلهای قدیمی میتواند شکاف کارایی را کاهش دهد.
- سرمایهگذاری بیشتر در GPU: تمرکز بر گرافیک و پشتیبانی از Ray Tracing برای رقابت در گیمینگ ضروری است.
- استفاده از فرایندهای ساخت بهینهتر (TSMC 3nm+ یا 2nm): راندمان انرژی افزایش یابد و گرما بدون افزایش هزینه کاهش یابد.
- توسعه همکاری با Arm و Imagination: لایسنسهای قویتر خریداری کند و به طراحیهای پرچمدار نزدیک شود.
- حفظ تمرکز بر AI اما همراه با کارایی بالا: ایجاد تعادل بین هوش مصنوعی و عملکرد خام تا پیکسل بتواند هم در تجربه نرمافزاری و هم در بنچمارکها بدرخشد.