Nous avons récemment couvert certains des détails concernant le Tensor SoC de Google lors du lancement du Pixel 6 et du Tensor SoC de Google. Mais maintenant, l’embargo sur les critiques est levé et j’ai eu l’occasion de tester le SoC tenseur du Pixel 6 et du Pixel 6 Pro. Beaucoup de gens pensent que le SoC Tensor de Google s’apparente davantage à une conception semi-personnalisée de Samsung Exynos et selon un code qui Andrei Frumusanu d’Anandtech retrouvé, c’est probablement dans ce sens. Il semble étrange que Google essaie de revendiquer le SoC comme le leur, même si Samsung est fortement impliqué dans la fabrication et le modem et probablement dans la conception de la puce. Néanmoins, les intentions de Google avec le Tensor SoC sont de dériver une partie des performances et de l’intelligence de l’IA qu’il a créées avec le TPU et de les intégrer dans un SoC mobile. Google a affirmé que personne sur le marché ne créait des puces qui satisfaisaient les besoins de Google en matière de performances de l’IA, ils ont donc créé les leurs.

Il a été couvert à plusieurs reprises, mais juste comme un rappel, le Tensor SoC est une combinaison de cœurs de processeur ARM et de cœurs de GPU prêts à l’emploi, combinés aux propres TPU et FAI de Google. Google n’a pas vraiment donné de détails sur les capacités complètes du TPU ou du FAI, mais c’est à cela que servent les benchmarks et les critiques. J’ai eu la chance d’utiliser le Pixel 6 Pro et le Pixel 6 au cours de la dernière semaine et les performances de l’appareil photo sont vraiment à la hauteur de ce que les gens attendent d’un smartphone phare. Cependant, je voulais toujours comparer l’appareil pour évaluer les performances réelles de la puce par rapport à certains des concurrents Android les plus notables. Une remarque, le Galaxy S21 Ultra aux États-Unis est livré avec un Snapdragon 888 et non un Exynos 2100 comme de nombreuses autres parties du monde. De plus, le RedMagic 6S Pro que j’ai testé est le seul appareil Snapdragon 888+.

Tests de référence & Méthodologie

Pour mes tests, j’ai exécuté GeekBench, GeekBench ML, 3DMark Wildlife, 3DMark Wildlife Stress Test et PCMark. J’ai choisi GeekBench car il s’agit d’une simple référence de processeur et peut montrer comment la décision de Google d’utiliser deux cœurs Cortex X1 et deux cœurs A76 au lieu d’un X1 et de trois A78 a affecté les performances globales du processeur. En ce qui concerne Google, la société a déclaré qu’elle ne se souciait pas réellement des tests de composants SoC individuels, mais plutôt d’un test d’IA système complet. Et si l’on considère le peu de benchmarks d’IA disponibles et ceux qui sont faciles à exécuter, GeekBench ML a été une décision facile. La partie importante dans le choix de GeekBench ML n’était pas de tester les performances du CPU ou du GPU individuellement, mais plutôt de les tester ensemble à l’aide du test NNAPI qui est la propre API de Google qu’il utilise pour l’accélération ML. Cela semble être le test parfait à utiliser pour comparer les performances de l’IA sur plusieurs appareils, d’autant plus qu’il effectue plusieurs types de charges de travail ML et teste les performances FP32, INT16 et INT8. 3DMark était important car il est multiplateforme et constitue la norme en matière de performances graphiques 3D, en particulier dans les jeux. J’ai également choisi d’utiliser le test de résistance car la limitation thermique est un réel problème avec certains SoC mobiles et des performances soutenues sont plus pertinentes qu’un benchmark de 60 secondes. Après cela, j’ai voulu exécuter quelque chose qui était plus une référence au niveau du système qui prend en compte tous les différents types d’utilisations qu’un utilisateur pourrait avoir, j’ai donc exécuté PCMark pour Android. Tous les benchmarks ont été exécutés au moins 3 fois pour normaliser les scores pour tout type de variance, à l’exception du test de stress de la faune 3DMark, car il exécute un test de 20 boucles. De plus, le ZTE/Nubia RedMagic 6S Pro dispose d’un ventilateur refroidi actif qui s’exécute automatiquement chaque fois que des applications graphiques intensives sont ouvertes, il a donc allumé le ventilateur pour les tests 3DMark et PCMark mais pas pour les résultats GeekBench. De plus, j’ai désactivé le mode d’optimisation des performances sur les appareils ASUS et Snapdragon Insider. Note finale, tous les appareils Pixel exécutent la dernière version d’Android 12 tandis que les autres sont toujours sous Android 11, ce qui peut représenter une petite différence de performances.

GeekBench 5

Geekbench exécute un benchmark monocœur et multicœur pour tester les performances du processeur. Dans ce benchmark, nous voyons que le Pixel 5 effectue de loin le pire dans tous les tests, ce qui permet à Google d’afficher une amélioration significative des performances d’une génération à l’autre si le Tensor SoC est compétitif avec le reste du marché. Sinon, les performances Single Core sur tous les appareils sont à peu près à 10 % les unes des autres, ce qui est logique puisque le Snapdragon 888, Snapdragon 888+ et Google Tensor utilisent tous le même gros cœur ARM Cortex X1. Les résultats multicœurs ne sont pas non plus surprenants, montrant qu’un seul X1 avec trois cœurs A78 fait généralement mieux que deux cœurs X1 avec deux cœurs A76. Lors de nos tests, la majorité des appareils Snapdragon 888 et 888+ ont obtenu un score CPU 20 % plus rapide.

GeekBench ML

Ce benchmark était le benchmark qui m’intéressait le plus car GeekBench ML teste à la fois le CPU et le GPU, ce qui ne m’intéressait pas. Au lieu de cela, j’ai exécuté le benchmark NNAPI qui utilise TensorFlow Lite comme framework ML et est l’API par défaut de Google pour les applications d’apprentissage automatique. Cela servirait également de bon test à l’affirmation de Google selon laquelle le marché ne produisait tout simplement pas d’appareils répondant à ses exigences en matière de performances de l’IA. Cependant, nous n’avons pas vraiment vu les affirmations de Google s’empiler vraiment, à moins que vous ne preniez en compte la décision de Google de réduire les performances de l’IA sur le Pixel 5 en passant du Snapdragon 855 du Pixel 4. Le « moteur AI » du Snapdragon 855 est capable de 7 TOPS alors que le  » AI Engine  » du 765G en a 5,5, il n’est donc pas surprenant que le Tensor SoC de Google ressemble à une énorme amélioration par rapport à une dégradation des performances. De plus, s’il ne fait aucun doute que le Tensor SoC de Google a fourni les performances NNAPI les plus rapides sur tous les appareils Snapdragon 888, la différence de performances était comprise entre 2% et 7% selon l’appareil. Pour moi, cette petite différence dans les performances de l’IA indique que les efforts de Google pour créer un SoC Tensor avec Samsung ressemblent plus à une décision de certitude d’économie et de feuille de route qu’à une décision de performance. De plus, cela pourrait même ne pas être une mesure d’économie si Google dépense trop d’argent pour construire le SoC Tensor et ne vend pas suffisamment d’appareils pour amortir ce coût sur suffisamment de puces. Néanmoins, Tensor de Google est désormais le meilleur chien de performance de l’IA pour Android. En outre, ASUS doit faire quelque chose au sujet de ses performances NNAPI, car le ROG Phone 5 et le Snapdragon Insider Phone sont largement sous-performants par rapport aux autres appareils Snapdragon 888.

3DMark Faune

3DMark Wildlife a produit des résultats surprenants et des résultats pas si surprenants. L’un des résultats surprenants est que le Pixel 5 fonctionne vraiment assez mal malgré l’exécution d’Android 12 tout comme le Pixel 6 et le Pixel 6 Pro et que le GPU est tout simplement surclassé. Presque tous les appareils Snapdragon ont obtenu les mêmes performances à quelques points de pourcentage près, mais les Pixel 6 Pro et Pixel 6 ont exceptionnellement bien fonctionné avec des points de référence jusqu’à près de 20 % supérieurs à ceux de l’appareil Snapdragon le plus rapide. C’était quelque peu inattendu, alors j’ai décidé de voir s’il s’agissait d’une performance « en rafale » ou soutenue, ce qui m’a amené à exécuter le test de stress de la faune 3DMark.

Test de stress de la faune 3DMark

Ce test a été conçu pour déterminer quels appareils ont d’excellentes performances GPU de pointe et quels appareils ont d’excellentes performances GPU soutenues. Après tout, personne ne joue à des jeux sur son téléphone pendant seulement une minute ou deux et des performances GPU soutenues sont également pertinentes pour des applications telles que la réalité augmentée. J’ai donc été très surpris de voir à quel point les Google Pixel 6 et Pixel 6 Pro étaient étranglés par rapport au reste des appareils. Comme vous pouvez le voir sur le graphique, la première barre est le test initial et la deuxième barre est le résultat final du test après 20 boucles. Sans surprise, le Redmagic 6S Pro n’avait presque aucun étranglement, ce qui signifie que le petit ventilateur qui fait vraiment son travail en refroidissant le téléphone. Si vous regardez les appareils, ils ont été classés du plus bas au plus haut résultat de test final, ce qui indique leur classement en fonction de performances soutenues. La différence de performance était si grande que j’ai dû noter ces pourcentages et les représenter graphiquement.

Comme vous pouvez le voir sur le graphique, le Pixel 6 Pro a réduit ses performances GPU de plus de 50 % à 58,3 % tandis que le Pixel 6 a ralenti à un taux plus modéré de 45 %. Les autres appareils Snapdragon 888 ont été limités de 24 à 36%. Cependant, le Pixel 5 n’a été étranglé que de 0,7% et le Redmagic 6S Pro avec son refroidissement actif n’a limité qu’un 1% tout aussi impressionnant. Pour moi, cela signifie que les performances du GPU de Google, bien qu’impressionnantes au départ, ont des problèmes avec une utilisation à plus long terme et ne sont pas vraiment viables pour autre chose que des charges de travail GPU limitées en rafales. Cela signifie que les performances de jeu sur le Pixel 6 Pro sont pires que la plupart des téléphones phares et que le Pixel 6 est à peu près à égalité.

PCMark Android

PCMark pour Android est un bon test car il essaie d’émuler une série de tâches quotidiennes qu’un utilisateur peut effectuer sur un appareil et les teste. Comme vous pouvez le constater, les Google Pixel 5, 6 et 6 Pro obtiennent le score le plus bas parmi tous les autres appareils. Le Pixel 5 est le sous-performant le plus évident, mais le ROG Phone 5 fonctionne également à peu près aussi bien que les appareils Pixel 6. Cela dit, la différence de performances entre les appareils Pixel 6 varie entre 1% et 37% selon l’appareil.

Conclusion

Au final, le SoC Tensor de Google à l’intérieur des Pixel 6 et Pixel 6 Pro semble être une très grande première étape pour Google en partenariat avec Samsung. Bien qu’il reste à voir où Google ira avec le SoC Tensor à l’avenir et à quel point la personnalisation de l’entreprise est plus poussée, il est assez clair que l’entreprise a pour la plupart un SoC de classe phare qui est proche de battre la concurrence dans certains aspects et gagne dans d’autres. Si l’objectif de Google était de créer la puce la plus rapide pour le ML sur un appareil Android, il semble qu’ils l’aient peut-être fait. La différence de performances entre les puces Snapdragon de Qualcomm fait que l’on se demande si l’objectif du projet Tensor était vraiment axé sur les performances ou s’il s’agissait davantage de contrôle des coûts et de la feuille de route. Si Google ne livre pas suffisamment de pixels ou d’autres appareils avec le Tensor SoC, je ne sais pas vraiment à quel point il serait économique de créer une puce semi-personnalisée.

Remarque : les rédacteurs et rédacteurs de Moor Insights & Strategy peuvent avoir contribué à cet article.

Moor Insights & Strategy, comme toutes les sociétés de recherche et d’analyse, fournit ou a fourni des recherches, des analyses, des conseils ou des conseils rémunérés à de nombreuses entreprises de haute technologie du secteur, notamment 8×8, Advanced Micro Devices, Amazon, Applied Micro, ARM, Aruba Réseaux, AT&T, AWS, A-10 Strategies, Bitfusion, Blaize, Box, Broadcom, Calix, Cisco Systems, Clear Software, Cloudera, Clumio, Cognitive Systems, CompuCom, Dell, Dell EMC, Dell Technologies, Diablo Technologies, Digital Optics, Dreamchain, Echelon, Ericsson, Extreme Networks, Flex, Foxconn, Frame (maintenant VMware), Fujitsu, Gen Z Consortium, Glue Networks, GlobalFoundries, Google (Nest-Revolve), Google Cloud, HP Inc., Hewlett Packard Enterprise, Honeywell, Huawei Technologies, IBM, Ion VR, Inseego, Infosys, Intel, Interdigital, Jabil Circuit, Konica Minolta, Lattice Semiconductor, Lenovo, Linux Foundation, MapBox, Marvell, Mavenir, Marseille Inc, Mayfair Equity, Meraki (Cisco), Mesophere, Microsoft , Mojo Networks, National Instruments, Net App, Nightwatch, NOKIA (Alcatel-Lucent), Nortek, Novumind, NVIDIA, Nuvia, ON Semiconductor, ONUG, OpenStack Foundation, Oracle, Poly, Panasas, Peraso, Pexip, Pixelworks, Plume Design, Poly, Portworx, Pure Storage, Qualcomm , Rackspace, Rambus, Rayvolt E-Bikes, Red Hat, Residio, Samsung Electronics, SAP, SAS, Scale Computing, Schneider Electric, Silver Peak, SONY, Springpath, Spirent, Splunk, Sprint, Stratus Technologies, Symantec, Synaptics, Synverse, Synopsys, Tanium, TE Connectivity, TensTorrent, Tobii Technology, T-Mobile, Twitter, Unity Technologies, UiPath, Verizon Communications, Vidyo, VMware, Wave Computing, Wellsmith, Xilinx, Zebra, Zededa et Zoho qui peuvent être cités dans des blogs et recherche.