出擊頂級市場　谷歌TensorSoC架構和性能一覽

張平

如今的移動SoC市場，除了高通、蘋果和三星之外，其他廠商在旗艦級產品上總是感覺差點意思，不是工藝有點問題，就是架構不夠新。在Android移動設備市場中，三星Exynos大多用于自家產品上，各品牌旗艦產品可選的SoC只有高通驍龍—考慮到全球大量的智能手機品牌，這樣的不平衡遲早會出現變化。2021年11月初，谷歌發布了全新的Pixel 6系列手機，并搭載自研的Tensor系列SoC。那么，這款芯片的架構、設計有什么值得關注的內容呢？

對旗艦級移動設備來說，硬件配置中最核心的部分莫過于其使用的SoC。在目前的Android移動設備市場中，能夠對外提供旗艦級SoC的廠商實際上只有高通一家，因此市場上大量的旗艦手機、平板電腦在發布時都采用了完全一樣的高通旗艦芯片，比如2021年的旗艦級移動設備絕大部分都使用的是驍龍888系列。這樣的情況使得市場上的產品趨同現象逐漸明顯。為了改變這樣的情況，全球很多企業開始尋求新的發展和突破，尤其是上游芯片廠商或者垂直領域的巨頭，都在試圖進入頂級移動SoC市場。

谷歌作為垂直領域的巨頭，一直在芯片領域躍躍欲試。對谷歌來說，通過自研SoC，不但可以提供具有競爭力、差異化的產品，還可以進一步加高自己的技術壁壘，增強技術競爭優勢，形成企業內部循環系統，甚至進一步降低成本，提高整體利潤率。有這么多好處，谷歌自然全力而為。2021年11月，谷歌全新的Pixel 6系列手機正式發布。這一次，人們發現谷歌放棄了之前一直選用的第三方SoC（主要是高通），轉而采用了全新的、加入了大量自研技術的TensorSoC。谷歌的新產品采用了一個數學名詞“張量”作為名稱，一方面顯示了自己產品的獨特性，另一方面讓人不得不聯想這款SoC和AI計算的關系。這樣的Tensor ，當然值得一看。

撲朔迷離：谷歌Tensor和三星Exynos 2100的關系

首先我們來研究一下Tensor的設計來源。眾所周知，谷歌雖然之前在芯片設計、量子芯片方面有不少技術積累，但是在移動SoC上還是業內新手。對芯片行業來說，不同類型、需求的芯片其設計導向和所需要的知識產權差別巨大，一次就成功拿出旗艦級產品的可能性不是很高。因此，在Tensor上，谷歌選擇了業內一家廠商作為合作伙伴（或者說和合作伙伴一起定制研發），那么這個合作伙伴是誰呢？

研發代號往往會泄露不少信息。Tensor在內部被稱為GS101，GS的意思可能是“Google SoC”或“GoogleSilicon”，“101”應該是初代首款芯片的數字碼。這樣看起來倒也很正常。但是，這款產品還有另一個代號，芯片上標明其ID為“0x09845000”—我們知道，三星Exynos 2100的研發代號是S5P9845。一般來說，業內兩款同期推出的芯片之間的研發代號基本相同的可能性是非常小的，各個廠商都有自己的命名方式和數字代碼，因此這個代號顯示出Tensor和Exynos2100之間可能的關系。

其實從2020年開始，三星就不斷地推廣自己的半定制芯片方案，和思科、谷歌等企業的合作新聞屢見報端。比如2020年8月的消息顯示三星獲得了一個谷歌定制芯片的訂單，不過并非移動SoC，而是傳感器產品，但是同時也有一些消息顯示三星正在不斷擴大自己的半定制業務版圖。一種猜測是，三星和谷歌在半定制芯片產業上存在更多的合作，三星深度參與了Tensor的設計過程。

如今隨著Tensor的發布，我們可以更為清晰地對比這兩款SoC之間的差別了。谷歌公布了Tensor的配置方案，我們使用Exynos 2100進行對比，來了解其中的差異。

從配置方案的對比可以看出，Tensor和Exynos 2100有很深的淵源。兩者的基本架構相似度非常高，其中GPU的型號選擇、內存方案、ISP、多媒體核心和Modem、工藝基本相同，在CPU核心、GPU性能、緩存配置以及AI核心方面則存在顯著差異。

另外，在表中未能呈現的內容中，目前已知的是這兩款SoC在一些底層架構，比如時鐘管理架構、電源管理架構方面是完全一樣的，更上層的部分比如存儲控制器、PHYIP、結構IP等，兩者也基本相似。在CPU集群方面，Exynos采用的是相干互聯方式，Tensor則采用了不同的CC I集群。內存方面，Exynos單獨為部分IP單元設置了獨立的內存總線，Tensor則不是很清楚如何處理這部分內容。總的來說，在設計和宏觀架構層面，Tensor更像是在三星給出的方案中進行了大量的自定義設計。用食物來比喻的話，谷歌使用了三星的廚房甚至廚師，但是更換了主要的菜品甚至口味。

CPU部分： 兩顆Cortex-X1的方案和“2+2+4”的獨特設計

要更進一步了解Tensor，讓我們先從CPU部分開始。

谷歌為Tensor選擇了目前業內都不常見的一種方案，那就是“高性能核心+性能核心+節能核心”的“2+2+4”方案。一般來說，在進入Cortex-X1世代以后，像高通、三星等廠商往往會選擇“1+3+4”的方案，也就是1個頻率盡可能高的高性能核心來提高單線程性能，再搭配3個性能核心和4個節能核心來提高多線程性能，三星Exynos 2100采用的就是后者。Tensor的設計有點類似三星之前的Exynos 990或Exynos 9820，在這兩款SoC上，三星采用了“2+2+4”的方案，也就是一個自研的M5或者M4高性能核心，搭配Cortex-A76等高性能核心，再搭配4個Cortex-A55，這種方案僅限于ARM推出Cortex-X1之前。從這個角度來看，Tensor的CPU架構設計是獨一無二的。這種設計的優勢在于，在那些需要重度使用雙線程的場合下，Tensor可能會具有一定的性能優勢。

在性能核心的架構上，Tensor選擇的是Cortex-A76。相比目前的Cortex-A78而言，Cortex-A76實際上并不占優。考慮到三星Exynos 990選擇了Cortex-A76，有一種可能是在Tensor選擇CPU架構的時候，三星尚未準備好集成新的Cortex-A78，因此才使用了比較老的Cortex-A76。

在頻率方面，我們看到Tensor的高性能核心Cortex-X1頻率為2.8GHz，相比Exynos 2100的2.91GHz略低，也比驍龍888的2.86GHz略低，但幅度并不大。此外，Tensor的性能核心Cortex-A76和節能核心Cortex-A55的頻率比Exynos 2100都更低一些。因此在單線程、雙線程性能方面，Tensor的表現可能會更為優異，更多線程性能方面則可能存在一定的劣勢。

Tensor的緩存設計是比較獨特的。對于高性能核心Cortex-X1而言，Tensor為其配備了1MB L2緩存，相比Exynos 2100容量翻倍。值得一提的是，驍龍888也采用了1MB緩存的設計。對移動SoC來說，緩存將占據大量的芯片面積，因此設計廠商需要非常謹慎地在面積、性能和功耗之間平衡。Tensor在這里使用了1MB的 L2緩存和2個高性能核心，顯然是非常看重2個線程以內的性能運行情況。與此相反的是，Tensor的性能核心緩存容量減半且頻率較低，這意味著其性能表現不會特別出色。但是Tensor為節能核心配置了128KB L2緩存，而不是Exynos 2100的64KB，這使得SoC在大部分輕負載狀態下也具有較好的性能表現。另外，谷歌將整個集群的L3緩存和Cortex-A55放置在一個時鐘平面上，這樣的設計可能會在一定程度上影響延遲和功耗，相比之下，Exynos 2100則并沒有這樣做。

總的來說，Tensor的CPU部分在設計和規格上是有別于其他廠商的方案的，它采用了“2+2+4”的設計，在進入Cortex-X系列高性能核心時代后就已經不多見了。尤其是Tensor的2個高頻率的高性能核心、大緩存方案搭配2個頻率較低、緩存容量較少的性能核心，可能是綜合考慮了性能和面積、成本等因素后才做出的調整。Tensor這種特別看中2個高性能核心的設計方案在其他的產品中從未出現過，屬于獨樹一幟的設計。

GPU部分：高頻率的Mali-G78 MP20

GPU部分也是Tensor的設計重點。在這里谷歌采用的是Mali-G78作為基礎架構。Mali-G78是Mali GPU上一代性能最強的架構，MP20也就是20核心的設計方案也使得Tensor成為僅次于華為麒麟9000之后第二大Mali-G78 GPU。

需要注意的是，在GPU規模上，很多SoC設計時會在規模和頻率中二選一，也就是要么大規模，要么高頻率。但是在Tensor上，谷歌選擇了二者兼得。Tensor的GPU部分能夠在Shader模式下運行在848MHz，在Tiler或者L2模式下運行在高達996MHz。如此巨大的規模和如此高的頻率，意味著Tensor的GPU部分功耗和發熱可能會很驚人。

相比之下，Exynos 2100的GPU規模要小得多，三星同樣采用的是Mali-G78，但是僅僅采用了MP14的方案，運行頻率最高也僅為854MHz。Tensor的GPU規模要比Exynos 2100大42%，且頻率基本相同。這意味著在全速狀態下，僅僅是GPU部分的功耗，Tensor將顯著高于Exynos 2100。

Tensor的AI處理單元：edgeTPU

在CPU和GPU部分之后，則是Tensor的AI處理單元。在之前的內容中，本文曾提到Tensor的“Tensor”是A I加速計算中常用到的數值格式，Tensor的命名也意味著谷歌希望這款SoC在AI性能方面有所超越。

谷歌在AI加速處理器上是有相當深厚的功底的，之前谷歌曾推出過數代TPU產品，并且已經實際使用在設備中，取得了不錯的效果。在Tensor上，谷歌將集成的A I加速單元稱之為edgeTPU，這實際上是在暗示集成的A I加速單元的功能和技術來源，“edge”表示其用途和邊緣計算有關，所謂邊緣計算，是指在設備端和應用端的加速計算，它的性能往往不如超級計算機或者服務器那樣強大，但是由于更靠近終端，因此更為“邊緣”，這也是“edge”的來源。另外，Tensor的AI加速單元的技術顯然是之前TPU的簡化版本，谷歌將其做了適配移動SoC的一些簡化（或者優化）。更早一些的信息顯示，2018年的時候，谷歌就展示了4Tops計算能力的TPU模塊，功耗為2W。在目前的Tensor上，谷歌沒有給出任何信息和功耗方面的內容，但是一些數據顯示其最高可達5W。考慮到2018年的工藝和2021年的工藝存在顯著的落后，如果之前的消息可靠的話，那么Tensor的AI計算能力是相當值得期待的。

谷歌沒有給出edgeTPU太多的細節內容，但是谷歌宣稱目前的版本已經采用了最新的ML架構，并且針對目前的機器學習進行了充分的優化，支持開辟新的用例。另外，edgeTPU似乎還包含了一個四核心Cortex-A32處理器模塊，這個模塊用于控制和操作edgeTPU—谷歌目前對這個信息并未予以證實。

Tensor的內存、SLC、ISP和媒體單元

在其他的一些單元方面，比如內存單元，Tensor的內存單元和Exynos2100一樣，都采用了4通道LPDDR5的方案，總的峰值理論帶寬為51.2GB/s。

在這里需要額外提及的是Tensor的系統級緩存。目前系統級緩存正在成為SoC設計的一個非常重要的特征，大量性能取向的SoC都在末端集成了系統級緩存，比如蘋果，三星以及今天我們看到的Tensor。Tensor擁有8MB的SLC，容量數據和三星的Exynos 2100相同，但是在使用方面兩者可能存在顯著差異。谷歌宣稱他們將非常廣泛地在各大功能模塊中使用SLC來提高性能，包括谷歌的自定義模塊。另外，Tensor的SLC還可以進行分區操作以對應不同的需求，部分區域還可以專用于部分特定的功能模塊，這些功能模塊也能夠在特定的情況下獨占全部或者部分SLC。

另外則是Tensor的ISP，這也是Tensor和Exynos 2100的一個顯著差異。一般人們會認為ISP是一個整體的功能模塊，但實際上ISP是很多功能的組合，不同的功能會使用不同的處理管線。谷歌在這里做了一些特別的操作，他們將三星Exynos上使用的ISP進行了重新組合，并結合了谷歌的部分內容，最終形成了在Tensor上使用的ISP。

這個新的ISP在圖像處理部分使用了大量在Exynos上已有的功能，包括像素相位檢測處理單元、對比度自動對焦處理單元、圖像縮放器、失真校正處理以及依賴視圖的紋理遮擋處理等。由于三星經常使用后處理，因此這里缺乏了一些功能模塊。因此，谷歌添加了不少的功能模塊，包括自動曝光、自動白平衡、自動對焦以及定制的時間性降噪等，另外還擁有對齊和合并圖像的功能模塊。不僅如此，考慮到谷歌Pixel系列在計算攝影技術上的優勢，ISP方面谷歌還應該加入了額外的功能（但是谷歌沒有太多信息披露）以滿足計算攝影算法的需求。

測試結果一覽：強悍但弱點明顯的產品

有關Tensor的性能，國外anandtech網站做了詳細的測試。在這一部分，本文引用他們的一些內容進行解讀。

CPU方面，Tensor在大部分測試項目中的表現和Exynos 2100以及驍龍888表現相似，但是問題出現在有關內存的延遲負載相關的測試上中，這部分結果顯示Tensor顯著落后于Exynos 2100和驍龍888，比如531.deepsjeng、557.xz_r等項目，并且由于效率較低，其最終性能功耗比表現也不是很樂觀。另外，在計算性能方面，Tensor的表現還是比較令人滿意的，甚至部分測試中Tensor體現了更為優秀的性能功耗比。最終的總評成績顯示，Tensor比Exynos 2100稍許落后，大約落后驍龍888 12.2%。另外值得一提的是，Tensor在實際測試中出現高熱降頻的現象，測試人員將其在室溫11℃下測試時，性能要比室溫23℃測試時更高，尤其是在浮點計算測試中。

在這里有個重要的問題需要提及，那就是前文也說過的有關2個Cortex-A76核心，這兩個核心頻率低、緩存也比較小，雖然相比較老的Exynos 990其能耗比表現更為出色，但是和驍龍888的Co r tex-A78比較的話，性能差距高達46%，雖然從頻率、IPC方面來說這個差距是合理的，但實際上谷歌完全可以選擇頻率低一點但是顯然更先進的Cortex-A78來實現2個性能核心。因此在這里很難解釋為什么谷歌這樣做。對4個Cortex-A55節能核心來說，谷歌為其配置了更大的緩存，但是最終的效率表現卻不是那么出色，這里的問題和三星在Exynos上所發生的是一樣的，這也在很大程度上顯示了兩款SoC的關系。

GPU方面，由于Tensor的GPU規模更大，因此在測試中展示出了更強的性能，不過相比其46%的規模增加，性能增加的21%顯然不成比例。實際上出現這個情況的原因可能并不是谷歌的鍋，ARM的GPU目前設計實際上遇到了架構的瓶頸，在規模進一步擴大后，邊際效應愈發明顯，導致性能提升并沒有想象中的那么令人滿意。實際上，ARM到現在也沒有很好地解決GPU規模和性能的問題。另外，Tensor的GPU由于規模較大，峰值功耗也是非常夸張的，甚至達到10W的水平，這使得GPU很快受到功率限制而降低性能。在這種情況下，整個G P U的持續性能表現甚至不會比Exynos 2100更好，并且GPU部分在持續運行中似乎受到了3W功耗墻的限制，性能輸出就顯得更低了。對這個問題，一種解釋是谷歌可能更強于將這個SoC應用在計算市場，而不是在游戲市場中。

最后再來看看有關Tensor的edgeTPU部分。從實際測試來看，在經過谷歌的優化后，Tensor在機器學習相關測試方面取得了相對很不錯的成績。比如在圖像分類、對象檢測和圖像分割測試中，Tensor都能完勝Exynos 2100，在語言相關測試中，Tensor則能夠以數倍性能優勢大勝包括驍龍888在內的所有SoC—這是谷歌在Pixel 6系列手機銷售時的宣傳重點，也就是實施轉錄語言和實時翻譯。在GeekBench ML測試中，Tensor也僅次于蘋果A15，領先于其他一眾SoC。總而言之，Tensor的edgeTPU在很大程度上是相當成功的，它也體現了谷歌在設計Tensor和Piexl 6系列手機時的初衷，那就是更為優秀的AI計算能力。

小結

最后我們來總結一下這款Tensor的相關特性。在他的CPU部分，谷歌采用了非常獨特的“2+2+4”的方案，目前看起來其整體性能尚可但是存在一些問題，比如內存性能較差、性能核心和節能核心表現不佳等。GPU方面這款SoC擁有非常大的規模，不過性能提升幅度和規模不成正比，并且和CPU部分一樣，都很難長期運行在最高頻率下，因此整體性能輸出存在一些問題。Tensor的亮點在于其AI計算部分使用的edgeTPU，整體性能表現不錯，尤其在語言類測試中以數倍優勢力壓所有競爭對手的產品（包括蘋果），這可能也是谷歌針對Tensor的最重要需求，從這個角度來說，Tensor很好地完成了這個工作。

Tensor在很大程度上算是一款水準之上的移動SoC產品，但是它的缺點也暴露出谷歌在移動SoC上還缺乏經驗，尤其是需要功耗控制的場合，高通、蘋果等廠商表現得更為駕輕就熟，能夠很好地在面積、性能和功耗之間平衡，谷歌目前做得還不夠好，可能未來下一代Tensor將表現得更為出色吧。