Google представила процессор Tensor G5 — он перешел на 3-нм техпроцесс TSMC и стал на 34 % быстрее предшественника

[душман]

Смартфоны серии Google Pixel 10 получили процессор Tensor G5. Его производителем теперь является не Samsung, а TSMC — переход на 3-нм техпроцесс и обновлённая конфигурация помогли увеличить скорость работы в среднем на 34 %. По сравнению с предшественником у чипа выросла одно и многопоточная производительность — это заметно при веб-сёрфинге, запуске приложений, прорисовке элементов ОС, обработке алгоритмов искусственного интеллекта и других нагрузках, уверяет Google.

Чип Google Tensor G5 получил одно производительное ядро центрального процессора, пять ядер средней мощности и два энергоэффективных. Обновлены аппаратная и программная системы термоконтроля — чип может работать на более высоких частотах без пропуска тактов. Усовершенствованы интерфейсы оперативной и постоянной памяти — теперь это более быстрые LPDDR5X и UFS 4.0. ИИ-ускоритель TPU стал на 60 % быстрее — он работает в паре с новейшей моделью Gemini Nano от DeepMind. 

Gemini Nano функционирует «в 2,6 раза быстрее и в 2 раза эффективнее с такими приложениями, как Pixel Screenshots и Recorder» по сравнению с Tensor G4. Кроме того, G5 поддерживает контекстное окно в 32 000 токенов — у прошлогоднего чипа этот показатель составлял 12 000. Входящие в Google команды Tensor и DeepMind активно сотрудничают для повышения качества локальных моделей. В Google Tensor G5 используется архитектура модели Matformer, которая повышает эффективность работы локальных систем ИИ.

А технология Per Layer Embedding улучшает качество их ответов в условиях ограниченных ресурсов памяти. С выходом телефонов Pixel 10 процессор Tensor G5 отвечает более чем за 20 функций искусственного интеллекта, включая создание умных заметок для звонков, обнаружение мошенничества, автоматическое ведение дневника, улучшенные возможности редактирования текста и перевод в реальном времени с помощью классической модели и генератора голоса. Все эти функции, подчёркивает Google, работают локально — никакие данные на внешние ресурсы не отправляются. Для обработки речи в реальном времени используется многоязычная модель на 3 млрд параметров.