Google Tensor vs Apple A16 Bionic

Última actualización:

Comparación con puntos de referencia


Google Tensor CPU1 vs CPU2 Apple A16 Bionic
Google Tensor Apple A16 Bionic

Comparación de CPU

Google Tensor o Apple A16 Bionic - ¿Qué procesador es más rápido? En esta comparativa nos fijamos en las diferencias y analizamos cuál de estas dos CPU es mejor. Comparamos los datos técnicos y los resultados de referencia.

El Google Tensor tiene 8 núcleos con 8 hilos y relojes con una frecuencia máxima de 2,80 GHz. Se admiten hasta 12 GB de memoria en 2 canales de memoria. El Google Tensor se publicó en Q4/2021.

El Apple A16 Bionic tiene 6 núcleos con 6 hilos y relojes con una frecuencia máxima de 3,46 GHz. La CPU admite hasta 6 GB de memoria en 1 canales de memoria. El Apple A16 Bionic se publicó en Q3/2022.
Google Tensor (3) Familia Apple A series (22)
Google Tensor (1) Grupo de CPU Apple A16 (1)
1 Generacion 16
G1 Arquitectura A16
Mobile Segmento Mobile
-- Predecesor Apple A15 Bionic (5-GPU)
Google Tensor G2 Sucesor Apple A17 Pro

CPU Núcleos y frecuencia de base

El Google Tensor tiene 8 núcleos de CPU y puede calcular 8 subprocesos en paralelo. La frecuencia de reloj de Google Tensor es 2,80 GHz mientras que Apple A16 Bionic tiene 6 núcleos de CPU y 6 hilos pueden calcularse simultáneamente. La frecuencia de reloj de Apple A16 Bionic está en 3,46 GHz.

Google Tensor Característica Apple A16 Bionic
8 Nùcleos 6
8 Threads 6
hybrid (Prime / big.LITTLE) Arquitectura central hybrid (big.LITTLE)
No Hyperthreading No
No Overclocking ? No
2,80 GHz
2x Cortex-X1
A-Nùcleo 3,46 GHz
2x Everest
2,25 GHz
2x Cortex-A76
B-Nùcleo 2,02 GHz
4x Sawtooth
1,80 GHz
4x Cortex-A55
C-Nùcleo --

Inteligencia artificial y aprendizaje automático

Los procesadores con el apoyo de la inteligencia artificial (AI) y el aprendizaje automático (ML) pueden procesar muchos cálculos, especialmente el procesamiento de audio, imagen y video, mucho más rápido que los procesadores clásicos. Los algoritmos para ML mejoran su rendimiento cuantos más datos hayan recopilado a través del software. Las tareas de ML se pueden procesar hasta 10 000 veces más rápido que con un procesador clásico.

Google Tensor Característica Apple A16 Bionic
Google Tensor AI Hardware de IA Apple Neural Engine
Google Edge TPU @ 1.6 TOPS especificaciones de IA 16 Neural cores @ 17 TOPS

Grafica interna

El Google Tensor o Apple A16 Bionic tiene gráficos integrados, llamados iGPU para abreviar. La iGPU usa la memoria principal del sistema como memoria gráfica y se ubica en la matriz del procesador.

ARM Mali-G78 MP20 GPU Apple A16 (5 GPU Cores)
0,76 GHz Frecuencia GPU 1,34 GHz
-- GPU (Turbo) --
Vallhall 2 GPU Generation 13
5 nm Tecnologia 4 nm
1 Max. visualizaciones 3
20 Unidades de ejecución 20
320 Shader 640
No Hardware Raytracing No
No Frame Generation No
-- Max. GPU Memoria 6 GB
12 DirectX Version --

Hardware codec support

Un códec de foto o video acelerado en hardware puede acelerar en gran medida la velocidad de trabajo de un procesador y prolongar la duración de la batería de las computadoras portátiles o los teléfonos inteligentes al reproducir videos.

ARM Mali-G78 MP20 GPU Apple A16 (5 GPU Cores)
Decodificar / Codificar Codec h265 / HEVC (8 bit) Decodificar / Codificar
Decodificar / Codificar Codec h265 / HEVC (10 bit) Decodificar / Codificar
Decodificar / Codificar Codec h264 Decodificar / Codificar
Decodificar / Codificar Codec VP9 Decodificar / Codificar
Decodificar / Codificar Codec VP8 Decodificar / Codificar
Decodificar Codec AV1 No
Decodificar / Codificar Codec AVC Decodificar
Decodificar / Codificar Codec VC-1 Decodificar
Decodificar / Codificar Codec JPEG Decodificar / Codificar

Memoria & PCIe

El Google Tensor puede usar hasta 12 GB de memoria en 2 canales de memoria. El ancho de banda de memoria máximo es 53,0 GB/s. El Apple A16 Bionic admite hasta 6 GB de memoria en 1 canales de memoria y logra un ancho de banda de memoria de hasta 51,2 GB/s.

Google Tensor Característica Apple A16 Bionic
LPDDR5-5500 Memoria LPDDR5-6400
12 GB Max. Memoria 6 GB
2 (Dual Channel) Canales de memoria 1 (Single Channel)
53,0 GB/s Max. Banda ancha 51,2 GB/s
No ECC No
8,00 MB L2 Cache 20,00 MB
-- L3 Cache 24,00 MB
-- Versión PCIe --
-- Lineas PCIe --
-- PCIe Banda ancha --

Gestión térmica

La potencia de diseño térmico (TDP para abreviar) del Google Tensor es 10 W, mientras que el Apple A16 Bionic tiene un TDP de 7.25 W. El TDP especifica la solución de enfriamiento necesaria que se requiere para enfriar el procesador lo suficiente.

Google Tensor Característica Apple A16 Bionic
10 W TDP (PL1 / PBP) 7.25 W
-- TDP (PL2) --
-- TDP up --
-- TDP down --
-- Tjunction max. --

Detalles tecnicos

El Google Tensor está fabricado en 5 nm y tiene 8,00 MB de caché. El Apple A16 Bionic está fabricado en 4 nm y tiene una caché de 44,00 MB.

Google Tensor Característica Apple A16 Bionic
5 nm Tecnologia 4 nm
Desconocido Diseño de chips Chiplet
Armv8-A (64 bit) Conjunto de instrucciones (ISA) Armv8.6-A (64 bit)
-- Extensiones ISA --
-- Enchufe --
Ninguno Virtualización Ninguno
No AES-NI No
Android Sistemas operativos iOS
Q4/2021 Fecha de lanzamiento Q3/2022
-- Precio de lanzamiento --
mostrar más datos mostrar más datos


Califica estos procesadores

Aquí puede calificar el Google Tensor para ayudar a otros visitantes a tomar sus decisiones de compra. La calificación promedio es 4,3 stars (12 calificaciones). Califica ahora:
Aquí puede calificar el Apple A16 Bionic para ayudar a otros visitantes a tomar sus decisiones de compra. La calificación promedio es 4,4 stars (40 calificaciones). Califica ahora:


Rendimiento medio en benchmarks

⌀ Rendimiento de un solo núcleo en 2 puntos de referencia de la CPU
Google Tensor (57%)
Apple A16 Bionic (100%)
⌀ Rendimiento multinúcleo en 3 puntos de referencia de la CPU
Google Tensor (61%)
Apple A16 Bionic (100%)

Geekbench 5, 64bit (Single-Core)

Geekbench 5 es un benchmark multi-plataforma que utiliza intensivamente la memoria del sistema. Una memoria rapida mejorará mucho el resultado. La prueba single-core sólo utiliza un núcleo de la CPU, la cantidad de núcleos o la capacidad de hyperthreading no cuenta.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
1043 (55%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
1890 (100%)

Geekbench 5, 64bit (Multi-Core)

Geekbench 5 es un benchmark multi-plataforma que utiliza intensivamente la memoria del sistema. Una memoria rapida mejorará mucho el resultado. La prueba multi-core involucra todos los núcleos de la CPU y hace uso de hyperthreading.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
2915 (53%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
5465 (100%)

Geekbench 6 (Single-Core)

Geekbench 6 es un punto de referencia para computadoras, portátiles y teléfonos inteligentes modernos. Lo que es nuevo es una utilización optimizada de arquitecturas de CPU más nuevas, por ejemplo, basadas en el concepto big.LITTLE y la combinación de núcleos de CPU de diferentes tamaños. El punto de referencia de un solo núcleo solo evalúa el rendimiento del núcleo de CPU más rápido, la cantidad de núcleos de CPU en un procesador es irrelevante aquí.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
1494 (59%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
2531 (100%)

Geekbench 6 (Multi-Core)

Geekbench 6 es un punto de referencia para computadoras, portátiles y teléfonos inteligentes modernos. Lo que es nuevo es una utilización optimizada de arquitecturas de CPU más nuevas, por ejemplo, basadas en el concepto big.LITTLE y la combinación de núcleos de CPU de diferentes tamaños. El punto de referencia multinúcleo evalúa el rendimiento de todos los núcleos de CPU del procesador. Las mejoras de subprocesos virtuales como AMD SMT o Hyper-Threading de Intel tienen un impacto positivo en el resultado de referencia.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
3639 (58%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
6299 (100%)

iGPU - Rendimiento FP32 (GFLOPS de precisión simple)

El rendimiento informático teórico de la unidad gráfica interna del procesador con precisión simple (32 bits) en GFLOPS. GFLOPS indica cuántos mil millones de operaciones de punto flotante puede realizar el iGPU por segundo.
Google Tensor Google Tensor
ARM Mali-G78 MP20 @ 0,76 GHz
1943 (100%)
Apple A16 Bionic Apple A16 Bionic
Apple A16 (5 GPU Cores) @ 1,34 GHz
1789 (92%)

AnTuTu 9 Benchmark

El banco de pruebas AnTuTu 9 es muy adecuado para medir el rendimiento de un teléfono inteligente. AnTuTu 9 es bastante pesado en gráficos 3D y ahora también puede usar la interfaz de gráficos "Metal". En AnTuTu, la memoria y la UX (experiencia del usuario) también se prueban mediante la simulación del uso del navegador y la aplicación. AnTuTu versión 9 puede comparar cualquier CPU ARM que se ejecute en Android o iOS. Es posible que los dispositivos no sean directamente comparables cuando se comparan en diferentes sistemas operativos.

En el banco de pruebas AnTuTu 9, el rendimiento de un solo núcleo de un procesador solo se pondera ligeramente. La calificación se compone del rendimiento multinúcleo del procesador, la velocidad de la memoria de trabajo y el rendimiento de los gráficos internos.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
691770 (73%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
947502 (100%)

Rendimiento para inteligencia artificial (IA) y aprendizaje automático (ML)

Los procesadores con el apoyo de la inteligencia artificial (AI) y el aprendizaje automático (ML) pueden procesar muchos cálculos, especialmente el procesamiento de audio, imagen y video, mucho más rápido que los procesadores clásicos. Los algoritmos para ML mejoran su rendimiento cuantos más datos hayan recopilado a través del software. El rendimiento se da en el número (billones) de operaciones aritméticas por segundo (TOPS).
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
1.6 (9%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
17 (100%)

AnTuTu 10 Benchmark

El benchmark AnTuTu 10 es uno de los benchmarks más conocidos para procesadores móviles, que ahora está disponible en la versión 10. Existe una versión para teléfonos inteligentes y tabletas con Android, así como una versión para dispositivos móviles de Apple, es decir, iPhone y iPad.

El benchmark Antutu 10 tiene 3 fases. En la primera fase, se prueba la RAM del dispositivo, en la fase 2 se prueban los gráficos y en la fase final se lleva todo el dispositivo a sus límites de rendimiento renderizando gráficos 3D.

Por tanto, Antutu 10 es ideal para comparar el rendimiento de diferentes dispositivos.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
0 (0%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
1394590 (100%)

AnTuTu 8 Benchmark

El AnTuTu 8 Benchmark mide el rendimiento de un SoC. AnTuTu evalúa la CPU, la GPU, la memoria y la UX (experiencia del usuario) simulando el uso del navegador y la aplicación. AnTuTu puede comparar cualquier CPU ARM que se ejecute en Android o iOS. Es posible que los dispositivos no se puedan comparar directamente si la evaluación comparativa se ha realizado en diferentes sistemas operativos.

En el banco de pruebas AnTuTu 8, el rendimiento de un solo núcleo de un procesador está solo ligeramente ponderado. La evaluación consiste en el rendimiento de múltiples núcleos del procesador, la velocidad de la RAM y el rendimiento de los gráficos internos.
Google Tensor Google Tensor
8C 8T @ 2,80 GHz
612494 (100%)
Apple A16 Bionic Apple A16 Bionic
6C 6T @ 3,46 GHz
0 (0%)

Dispositivos que usan este procesador

Google Tensor Apple A16 Bionic
Google Pixel 6
Google Pixel 6 Pro
Apple iPhone 14 Pro
Apple iPhone 14 Pro Max

Comparaciones populares que contienen esta CPU

1. Apple A16 BionicApple M1 Apple A16 Bionic vs Apple M1
2. Apple A16 BionicApple A15 Bionic (5-GPU) Apple A16 Bionic vs Apple A15 Bionic (5-GPU)
3. Apple A16 BionicApple M2 Apple A16 Bionic vs Apple M2
4. Apple A16 BionicQualcomm Snapdragon 8 Gen 2 Apple A16 Bionic vs Qualcomm Snapdragon 8 Gen 2
5. Apple A17 ProApple A16 Bionic Apple A17 Pro vs Apple A16 Bionic
6. Google TensorQualcomm Snapdragon 888 Google Tensor vs Qualcomm Snapdragon 888
7. Qualcomm Snapdragon 8 Gen 1Google Tensor Qualcomm Snapdragon 8 Gen 1 vs Google Tensor
8. Apple A16 BionicApple A14 Bionic Apple A16 Bionic vs Apple A14 Bionic
9. Google TensorGoogle Tensor G2 Google Tensor vs Google Tensor G2
10. Apple A16 BionicApple A13 Bionic Apple A16 Bionic vs Apple A13 Bionic


Volver al índice