Google Tensor G6 er 3nm, ikke 2nm: Pixel 11-specifikationer, ydelse og strategi

Her er alt, hvad Google officielt har bekræftet om Tensor G6: fremstillingsprocessen, de ydelsestal, der betyder noget, og den strategiske logik bag et valg, der overraskede mange i branchen.

Bekræftet: Tensor G6 bruger TSMC 3nm, ikke 2nm

Tensor G6 er fabrikeret på TSMC's 3nm-proces, sandsynligvis den samme N3P-node, som Tensor G5 bruger . Dette modsiger direkte adskillige forlanceringsrapporter, der hævdede, at Google ville tage TSMC's 2nm N2-proces i brug til Pixel 11, herunder en rygte fra juli 2026 i Economic Daily News, der antydede, at Google ville overhale Apple på den banebrydende node .

Peng Yu-chuns bekræftelse over for både CNA og Economic Daily News slog fast, at Tensor G6 er en 3nm-chip . Det gør den til den anden Tensor-chip i træk bygget på TSMC's 3nm-klasse-litografi, efter Tensor G5's overgang fra Samsung Foundry i 2025 .

Officielle ydelsesforbedringer

Google har annonceret specifikke ydelsesopgraderinger for Tensor G6 på tværs af flere undersystemer :

• CPU-ydeevne: 25 % hurtigere websurfing og 15 % hurtigere app-start .
• Strømeffektivitet: Op til 20 % bedre CPU-strømeffektivitet, selvom denne forbedring delvis forklares ved fjernelse af en CPU-kerne fra konfigurationen (Tensor G6 bruger et 7-kerne-layout: 1+4+2) .
• TPU (Tensor Processing Unit): 50 % mere beregningskraft, hvilket muliggør en ny, større Gemini Nano AI-model på enheden .
• Image Signal Processor (ISP): Opgraderet til hurtigere Night Sight og understøttelse af yderligere digital zoom .
• Sikkerhed: En ny Titan M3-sikkerhedschip .

Google introducerede også en brugerdefineret Arm-baseret CPU-kernekonfiguration. Ifølge Wikipedia-artiklen om Pixel 11 (som er baseret på offentliggjorte specifikationer) bruger Tensor G6 et 1+4+2-layout: en Arm C1-Ultra-kerne ved 4,11 GHz, fire Arm C1-Pro-kerner ved 3,38 GHz og to Arm C1-Pro-kerner ved 2,65 GHz . GPU'en er en Imagination Technologies PowerVR CXTP-48-1536 .

Hvorfor Google blev på 3nm

Google har ikke offentliggjort en formel strategisk begrundelse, men analyser fra flere medier peger på tre konsekvente årsager :

Omkostninger kontra volumen. Google sælger langt færre Pixel-telefoner end Samsung eller Apple. At tage TSMC's 2nm-node i brug, som har en præmie per wafer, ville være svært at retfærdiggøre i Pixels skala . Omkostningerne ved 2nm-wafere er betydeligt højere end modne 3nm, og Googles relativt lave volumen betyder, at omkostningspåvirkningen per enhed er mere markant .

Designfilosofi frem for proceslederskab. Google designer ikke Tensor-chips for at vinde rå CPU- eller GPU-benchmark-kapløb. Virksomhedens prioriteter er AI-ydeevne på enheden (via TPU), kamerabehandling (via ISP) og tæt hardware-software-integration . For disse mål giver 3nm N3P-processen allerede tilstrækkelig effektivitet og tæthedsgevinster uden udgiften ved at springe til en uprøvet 2nm-node .

Tilstrækkelighed af 3nm. TSMC's N3P-proces (som Tensor G5 også brugte) leverer allerede en 5 % frekvensforbedring ved iso-power sammenlignet med basis-N3-noden, ifølge lækkede dokumenter fra Android Authority . Google vurderede sandsynligvis, at den inkrementelle fordel ved at flytte til 2nm – bedre transistortæthed og effektivitet – ikke opvejede de højere omkostninger, forsyningsbegrænsninger og designvalideringsindsats .

Hvad 3nm-beslutningen betyder for Pixel 11-brugere

For Pixel 11-købere er den praktiske forskel beskeden. Tensor G6 leverer stadig meningsfulde år-over-år-gevinster: hurtigere hverdags-browsing og app-start, meget mere AI-beregningskraft, forbedret kamerabehandling og bedre sikkerhed . Reduktionen af CPU-kerner (fra 8 til 7) kan påvirke multi-core-benchmarks en smule, men Google hævder, at den samlede strømeffektivitet er oppe med 20 % .

Den større historie er, hvad Pixel 11 ikke vil gøre: den vil ikke udfordre Snapdragon 8 Elite eller Apple A-serie-chips i rå transistortæthed eller benchmark-lederskab. Det var, efter Googles egne designvalg, aldrig målet . I stedet satser Tensor G6 på det, der gør Pixel-telefoner særlige: AI på enheden via Gemini Nano, computational photography og systemniveau-optimering.

Kort sagt afspejler 3nm-beslutningen et pragmatisk kompromis: at blive på en omkostningseffektiv, moden node, mens man investerer disse siliciumbesparelser i de funktioner, der adskiller Pixel-oplevelsen.