Tensor G6'nın verimlilik sınavı: Rakiplere kıyasla performans-güç dengesi
Google'ın Tensor G6 işlemcisi 11 watt CPU gücünde yaklaşık 8.000 Geekbench 6 puan alırken, Snapdragon 8 Elite 15 watt'ta 10.100 puana ulaşıyor. Aynı TSMC 3nm üretim teknolojisini kullansalar da, performans-per-watt açısından Google iki nesil gerisindedir.
Pixel 11 için tasarlanan Tensor G6 (TSMC N3P) ve Pixel 10'daki Tensor G5 (TSMC N3E), Samsung'un eski 4nm ve 5nm işlem düğümlerinden ileri bir teknoloji temeli sunuyor. Ancak Geekerwan'ın güç-performans analizleri, işlem düğümü avantajının mimari tasarımla neredeyse tamamen boşa harcandığını gösteriyor.
GPU tarafında durum daha belirgin: Tensor G6, 6 watt'ta Steel Nomad Light testinde 1.200 puana ulaşırken, Snapdragon 8 Elite 9,5 watt'ta 2.550 puana çıkıyor. Bu sadece ham performans farkı değil—aynı zamanda Tensor'un ısınma ve pil tüketiminde rakiplerinden ne kadar uzakta olduğunun işareti.
CPU verimliliği 2023 seviyesinde, GPU verimliliği 2022 seviyesinde
Geekerwan'ın testleri, Tensor G6'nın CPU verimliliğinin Snapdragon 8 Gen 3'e yakın olduğunu gösteriyor. GPU tarafında verimlilik ise Snapdragon 8 Gen 2 ile benzer.
Apple A17 Pro ve A19 Pro çipleri, Tensor G6'nın çektiği güçte veya daha düşüğünde belirgin şekilde daha yüksek performans sunuyor.
Rakamları kısaca:
- CPU: Tensor G6, 11W'ta 8.000 Geekbench 6 puan / Snapdragon 8 Elite, 15W'ta 10.100 puan - GPU: Tensor G6, 6W'ta 1.200 Steel Nomad Light puan / Snapdragon 8 Elite, 9,5W'ta 2.550 puan
Tensor'un enerji tüketiminin yüksek olduğu bu metriklerle ortaya çıkıyor. Pixel telefonların batarya ömründe öne çıkamamasının teknik açıklaması burada yatıyor.
Huawei'nin Kirin 9030 Pro: Neden eski teknoloji ile Tensor'a yaklaşabiliyor
Kirin 9030 Pro işlemcisi, SMIC'in N+3 işlem düğümünde üretiliyor—bu, TSMC'nin 6nm sürecine kabaca eşdeğer ve Tensor G5'in TSMC N3E işlem düğümünden yaklaşık iki jenerasyon geride. Ancak Geekerwan'ın test sonuçları Kirin 9030 Pro'nun Tensor G5'e eşdeğer verimlilik sergilediğini gösteriyor.
Huawei ABD yaptırımları nedeniyle gelişmiş işlem teknolojilerine erişemiyor. SMIC'in N+3 süreci transistör yoğunluğunda ciddi kısıtlamalar içeriyor. Buna rağmen Tensor G5 ile aynı verimlilik seviyesine ulaşması, Google'ın işlemci mimarisinde bir sorun olduğunu gösteriyor.
Bu, işlemci tasarımında üretim sürecinin yalnızca bir değişken olduğunu ortaya koyuyor. Mimari seçimler—önbellek düzeni, bellek bant genişliği, yürütme birimlerinin organizasyonu, güç kapısı stratejisi—işlem düğümü kadar önemli. Google Samsung ile yaptığı Tensor G3 ve G4 denemelerinde üretim sorunları yaşadı; TSMC'ye geçiş ise beklenen sıçramayı sağlamadı.
Google'ın tasarım tercihleri: Yapay zekâya odaklanma, genel işlemci verimliliğine değil
Google, Tensor serisinde başından beri net bir tercih yaptı: Ham performans yerine yapay zekâ işlem gücü ve görüntü işlemeye odaklanmak. Tensor Processing Unit (TPU) blokları, fotoğraf hesaplama motoru ve makine öğrenimi için özel donanım, çipin önemli bir kısmını kaplayıyor.
Bu tercih CPU ve GPU'nun tasarım bütçesini daraltıyor. Qualcomm ve Apple, CPU ve GPU'ya daha geniş transistör alanı ayırabilirken, Google aynı transistör sayısını farklı görevler arasında bölüştürüyor.
Bir diğer faktör, Google'ın çip geliştirme deneyiminin göreceli kısalığı. Apple 2010'dan beri kendi işlemcilerini tasarlıyor; Qualcomm, mobil işlemcilerde onlarca yıllık geçmişe sahip. Google'ın Tensor projesi 2021'de Pixel 6 ile başladı. Verimlilik mühendisliği iteratif öğrenme ve derin uzmanlık gerektiriyor.
Tensor ayrıca Arm Cortex ve Arm Mali GPU'yu kullanan bir lisans mimarisidir. Qualcomm'un tamamen özel Oryon CPU ve Adreno GPU'su, Apple'ın kendi tasarladığı çekirdekler ve GPU'su ile karşılaştırıldığında, Google yazılım ve donanımı derinlemesine optimize etmekte sınırlı kalıyor.
Tensor nedir ve Google neden kendi işlemcisini tasarlıyor
Tensor, Google'ın Pixel telefonları için özel olarak tasarladığı sistem-on-chip (SoC) serisidir. 2021'de Pixel 6 ile tanıtılan Tensor, Google'ın donanım ve yazılım entegrasyonunu Apple modeline benzer şekilde kontrol etme girişimidir.
Google'ın kendi işlemcisini tasarlamasının üç temel nedeni:
- Yapay zekâ ve makine öğrenimi: Google, fotoğraf işleme, ses tanıma, gerçek zamanlı çeviri ve otomatik altyazı gibi özelliklerde kendi TPU bloklarını kullanarak daha hızlı ve enerji verimli sonuçlar elde etmeyi hedefliyor. - Yazılım entegrasyonu: Google Android'i geliştirdiği için donanımla daha derin optimizasyon yapabiliyor. - Uzun destek süresi: Google, çipin yaşam döngüsünü kontrol ederek Pixel telefonlara yedi yıla kadar yazılım güncellemesi sunabiliyor.
Ancak bu stratejinin CPU ve GPU verimliliğinde bir bedeli var. Google henüz Qualcomm ve Apple seviyesinde ham işlemci performansı sunmuyor; bunun yerine yapay zekâ odaklı kullanım senaryolarında fark yaratmayı tercih ediyor.
Günlük kullanımda Tensor G6'nın verimsizliği: Batarya, ısı ve oyun performansı
Tensor G6'nın verimlilik zayıflığı günlük kullanımda üç şekilde ortaya çıkıyor:
Pil ömrü: Aynı işi daha fazla güçle yapan bir işlemci bataryayı daha hızlı tüketiyor. Pixel 11 Pro'nun batarya kapasitesi rakiplerine yakın olsa da, ekran açık kullanım süresi Snapdragon 8 Elite veya A19 Pro kullanan telefonlardan geride kalabilir. Özellikle oyun, video düzenleme veya sürekli kamera kullanımında fark belirginleşiyor.
Isınma: Düşük verimlilik aynı zamanda daha fazla ısı üretimi anlamına geliyor. Uzun süreli 4K video kaydında veya yoğun oyunlarda Pixel telefonlar Qualcomm işlemcili rakiplerinden daha hızlı ısınabiliyor ve bu da performans kısıtlamasına neden olabiliyor.
Öte yandan, Google'ın yapay zekâ odaklı özellikleri—Magic Eraser, Best Take, Audio Magic Eraser, gerçek zamanlı çağrı çevirisi—Tensor'un TPU blokları sayesinde Snapdragon 8 Elite'ten daha az güç harcayarak çalışıyor. Tensor'un değeri, kıyaslama ölçütlerinde değil, Google'ın yazılım ekosisteminde yatıyor.
Tensor G7 beklentileri
Tensor G7, 2026'da Pixel 12 ile gelecek ve TSMC'nin N3P sürecinde üretilmesi bekleniyor. Google, tamamen kendi tasarladığı CPU çekirdeklerini kullanacağını önceden duyurmuştu ancak bu plan ertelenmiş görünüyor.
Verimlilik sorununun çözülmesi için Google'ın yapması gerekenler CPU ve GPU'ya daha fazla transistör alanı ayırmak, önbellek ve bellek bant genişliğini optimize etmek, ve güç yönetimini geliştirmektir. Ancak Google'ın yapay zekâ ve hesaplamalı fotoğrafçılığa öncelik verme stratejisi değişmezse, CPU ve GPU verimliliği Qualcomm ve Apple'ın gerisinde kalabilir.
Ne zaman Tensor G6 almak mantıklı
Günlük kullanımında oyun veya yoğun video düzenleme yoksa, Tensor'un AI avantajlarından yararlanmak değerli olabilir. Batarya ömrü kritik bir öncelikse veya yoğun işlem gücü gerektiren görevler yapıyorsan, Snapdragon 8 Elite veya Apple A18 Pro daha uygun seçeneklerdir. Tensor G6'nın verimsizliği kötü bir işlemci olduğu anlamına gelmiyor; sadece Google'ın farklı bir tasarım felsefesi izlediğini gösteriyor.
