Google Tensor G2 vs Apple M3 (8-GPU)
Ultimo aggiornamento:
Confronto con benchmark
|
 |
|
| Google Tensor G2 | Apple M3 (8-GPU) | |
Confronto CPUGoogle Tensor G2 o Apple M3 (8-GPU) - quale processore è più veloce? In questo confronto guardiamo le differenze e analizziamo quale di queste due CPU è migliore. Confrontiamo i dati tecnici e i risultati dei benchmark.
Il Google Tensor G2 ha 8 core con 8 thread e clock con una frequenza massima di 2,85 GHz. Fino a 12 GB di memoria sono supportati in 2 canali di memoria. Il Google Tensor G2 è stato rilasciato in Q4/2022. Il Apple M3 (8-GPU) ha 8 core con 8 thread e clock con una frequenza massima di 4,06 GHz. La CPU supporta fino a 24 GB di memoria in 2 canali di memoria. Il Apple M3 (8-GPU) è stato rilasciato in Q4/2023. |
||
| Google Tensor (3) | Famiglia | Apple M series (25) |
| Google Tensor G2 (1) | Gruppo CPU | Apple M3 (6) |
| 2 | Generazione | 3 |
| G2 | Architettura | M3 |
| Mobile | Segmento | Mobile |
| Google Tensor | Predecessore | Apple M2 (8-GPU) |
| -- | Successore | -- |
|
|
||
CPU Cores e frequenza di baseGoogle Tensor G2 ha 8 core CPU e può calcolare 8 thread in parallelo. La frequenza di clock di Google Tensor G2 è 2,85 GHz mentre Apple M3 (8-GPU) ha 8 core CPU e 8 thread possono calcolare simultaneamente. La frequenza di clock di Apple M3 (8-GPU) è al 0,70 GHz (4,06 GHz). |
||
| Google Tensor G2 | Caratteristica | Apple M3 (8-GPU) |
| 8 | Cores | 8 |
| 8 | Threads | 8 |
| hybrid (Prime / big.LITTLE) | Architettura principale | hybrid (big.LITTLE) |
| No | Hyperthreading | No |
| No | Overclocking ? | No |
| 2,85 GHz 2x Cortex-X1 |
A-Core | 0,70 GHz (4,06 GHz) 4x P-Core |
| 2,35 GHz 2x Cortex-A78 |
B-Core | 0,74 GHz (2,75 GHz) 4x E-Core |
| 1,80 GHz 4x Cortex-A55 |
C-Core | -- |
Intelligenza artificiale e apprendimento automaticoI processori con il supporto dell'intelligenza artificiale (AI) e dell'apprendimento automatico (ML) possono elaborare molti calcoli, in particolare l'elaborazione di audio, immagini e video, molto più velocemente dei processori classici. Gli algoritmi per ML migliorano le loro prestazioni quanti più dati hanno raccolto tramite software. Le attività ML possono essere elaborate fino a 10.000 volte più velocemente rispetto a un processore classico. |
||
| Google Tensor G2 | Caratteristica | Apple M3 (8-GPU) |
| Google Tensor AI | Hardware AI | Apple Neural Engine |
| Google Edge TPU @ 4 TOPS | Specifiche AI | 16 Neural cores @ 35 TOPS |
Grafica internaGoogle Tensor G2 o Apple M3 (8-GPU) ha una grafica integrata, chiamata iGPU in breve. L'iGPU utilizza la memoria principale del sistema come memoria grafica e si trova sul die del processore. |
||
| ARM Mali-G710 MP7 | GPU | Apple M3 (8 Core) |
| 0,90 GHz | Frequenza GPU | 0,39 GHz |
| -- | GPU (Turbo ) | 1,40 GHz |
| Vallhall 3 | GPU Generation | -- |
| 4 nm | Tecnologia | 3 nm |
| 1 | Max. visualizzazioni | 2 |
| 7 | Unità di esecuzione | 128 |
| -- | Shader | 1024 |
| No | Hardware Raytracing | Si |
| No | Frame Generation | No |
| -- | Max. GPU Memoria | 24 GB |
| 12 | DirectX Version | -- |
Hardware codec supportUn codec fotografico o video accelerato nell'hardware può accelerare notevolmente la velocità di lavoro di un processore e prolungare la durata della batteria di notebook o smartphone durante la riproduzione di video. |
||
| ARM Mali-G710 MP7 | GPU | Apple M3 (8 Core) |
| Decodificare / Codificare | Codec h265 / HEVC (8 bit) | Decodificare / Codificare |
| Decodificare / Codificare | Codec h265 / HEVC (10 bit) | Decodificare / Codificare |
| Decodificare / Codificare | Codec h264 | Decodificare / Codificare |
| Decodificare / Codificare | Codec VP9 | Decodificare / Codificare |
| Decodificare / Codificare | Codec VP8 | Decodificare |
| Decodificare | Codec AV1 | Decodificare |
| Decodificare / Codificare | Codec AVC | Decodificare |
| Decodificare / Codificare | Codec VC-1 | Decodificare |
| Decodificare / Codificare | Codec JPEG | Decodificare / Codificare |
Memoria & PCIeGoogle Tensor G2 può utilizzare fino a 12 GB di memoria in 2 canali di memoria. La larghezza di banda massima della memoria è 53,0 GB/s. Apple M3 (8-GPU) supporta fino a 24 GB di memoria in 2 canali di memoria e raggiunge una larghezza di banda di memoria fino a 102,4 GB/s. |
||
| Google Tensor G2 | Caratteristica | Apple M3 (8-GPU) |
| LPDDR5-5500 | Memoria | LPDDR5-6400 |
| 12 GB | Max. Memoria | 24 GB |
| 2 (Dual Channel) | Canali di memoria | 2 (Dual Channel) |
| 53,0 GB/s | Max. Larghezza di banda | 102,4 GB/s |
| No | ECC | No |
| 8,00 MB | L2 Cache | 20,00 MB |
| 4,00 MB | L3 Cache | -- |
| -- | Versione PCIe | 4.0 |
| -- | Linee PCIe | -- |
| -- | PCIe Larghezza di banda | -- |
Gestione termicaLa potenza di progettazione termica (TDP in breve) di Google Tensor G2 è 10 W, mentre Apple M3 (8-GPU) ha un TDP di 22 W. Il TDP specifica la soluzione di raffreddamento necessaria per raffreddare sufficientemente il processore. |
||
| Google Tensor G2 | Caratteristica | Apple M3 (8-GPU) |
| 10 W | TDP (PL1 / PBP) | 22 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | 10 W |
| -- | Tjunction max. | 100 °C |
Dettagli tecniciGoogle Tensor G2 è prodotto in 4 nm e ha 12,00 MB di cache. Il Apple M3 (8-GPU) è prodotto in 3 nm e ha una cache di 20,00 MB. |
||
| Google Tensor G2 | Caratteristica | Apple M3 (8-GPU) |
| 4 nm | Tecnologia | 3 nm |
| Chiplet | Design a chip | Chiplet |
| Armv8-A (64 bit) | Set di istruzioni (ISA) | Armv8-A (64 bit) |
| -- | Estensioni ISA | Rosetta 2 x86-Emulation |
| -- | Presa | -- |
| Nessuno | Virtualizzazione | Apple Virtualization Framework |
| No | AES-NI | Si |
| Android | Sistemi operativi | macOS, iPadOS |
| Q4/2022 | Data di lancio | Q4/2023 |
| -- | Prezzo di rilascio | -- |
| mostra più dati | mostra più dati | |
|
8C 8T @ 2,85 GHz acquista ora su Amazon.it e risparmia!
8C 8T @ 0,70 GHz (4,06 GHz) acquista ora su Amazon.it e risparmia!
|
||
Valuta questi processori
Performance media nei benchmark
⌀ Prestazioni single core in 2 benchmark CPU
⌀ Prestazioni multi-core in 2 benchmark CPU
Geekbench 5, 64bit (Single-Core)
Geekbench 5 è un benchmark multi-piattaforma che usa in modo intensivo la memoria del sistema.Il test single-core utilizza solo un nucleo elaborativo della CPU. A tal fine, il numero di nuclei elaborativi o la capacità di hyperthreading non sono rilevanti.
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Geekbench 5, 64bit (Multi-Core)
Geekbench 5 è un benchmark multi-piattaforma che usa in modo intensivo la memoria del sistema.Il test multi-core coinvolge tutti i nuclei elaborativi della CPU e si avvale del hyperthreading.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Geekbench 6 (Single-Core)
Geekbench 6 è un punto di riferimento per computer, notebook e smartphone moderni. Ciò che è nuovo è un utilizzo ottimizzato delle architetture CPU più recenti, ad esempio basate sul concetto big.LITTLE e combinando core CPU di diverse dimensioni. Il benchmark single-core valuta solo le prestazioni del core della CPU più veloce, il numero di core della CPU in un processore è irrilevante qui.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Geekbench 6 (Multi-Core)
Geekbench 6 è un punto di riferimento per computer, notebook e smartphone moderni. Ciò che è nuovo è un utilizzo ottimizzato delle architetture CPU più recenti, ad esempio basate sul concetto big.LITTLE e combinando core CPU di diverse dimensioni. Il benchmark multi-core valuta le prestazioni di tutti i core della CPU del processore. I miglioramenti del thread virtuale come AMD SMT o l'Hyper-Threading di Intel hanno un impatto positivo sul risultato del benchmark.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
iGPU - Prestazioni FP32 (GFLOPS a precisione singola)
Le prestazioni di calcolo teoriche dell'unità grafica interna del processore con precisione semplice (32 bit) in GFLOPS. GFLOPS indica quanti miliardi di operazioni in virgola mobile che l'iPPU può eseguire al secondo.
|
|
Google Tensor G2
ARM Mali-G710 MP7 @ 0,90 GHz |
||
|
|
Apple M3 (8-GPU)
Apple M3 (8 Core) @ 1,40 GHz |
||
Prestazioni per Intelligenza Artificiale (AI) e Machine Learning (ML)
I processori con il supporto dell'intelligenza artificiale (AI) e dell'apprendimento automatico (ML) possono elaborare molti calcoli, in particolare l'elaborazione di audio, immagini e video, molto più velocemente dei processori classici. Gli algoritmi per ML migliorano le loro prestazioni quanti più dati hanno raccolto tramite software. La performance è espressa in numero (trilioni) di operazioni aritmetiche al secondo (TOPS).
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 0,70 GHz |
||
Cinebench 2024 (Single-Core)
Il benchmark Cinebench 2024 si basa sul motore di rendering Redshift, utilizzato anche nel programma 3D di Maxon Cinema 4D. Le corse di benchmark durano 10 minuti ciascuna per testare se il processore è limitato dalla generazione di calore.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Cinebench 2024 (Multi-Core)
Il test Multi-Core del benchmark Cinebench 2024 utilizza tutti i core della CPU per eseguire il rendering utilizzando il motore di rendering Redshift, utilizzato anche in Maxons Cinema 4D. L'esecuzione del benchmark dura 10 minuti per verificare se il processore è limitato dalla generazione di calore.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Cinebench R23 (Single-Core)
Cinebench R23 è il successore di Cinebench R20 ed è anch'esso basato su Cinema 4D. Cinema 4D è un software usato a livello mondiale per creare forme in 3D. Il test single-core utilizza solo un nucleo elaborativo della CPU. A tal fine, il numero di nuclei elaborativi o la capacità di hyperthreading non sono rilevanti.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
Cinebench R23 (Multi-Core)
Cinebench R23 è il successore di Cinebench R20 ed è anch'esso basato su Cinema 4D. Cinema 4D è un software usato a livello mondiale per creare forme in 3D. Il test multi-core coinvolge tutti i nuclei elaborativi della CPU e si avvale del hyperthreading.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 4,06 GHz |
||
AnTuTu 9 Benchmark
Il benchmark AnTuTu 9 è molto adatto per misurare le prestazioni di uno smartphone. AnTuTu 9 è piuttosto pesante sulla grafica 3D e ora può anche utilizzare l'interfaccia grafica "Metal". In AnTuTu, anche la memoria e l'esperienza utente (esperienza utente) vengono testate simulando l'utilizzo di browser e app. AnTuTu versione 9 può confrontare qualsiasi CPU ARM in esecuzione su Android o iOS. I dispositivi potrebbero non essere direttamente confrontabili se confrontati con sistemi operativi diversi.
Nel benchmark AnTuTu 9, le prestazioni single-core di un processore sono solo leggermente ponderate. La valutazione è composta dalle prestazioni multi-core del processore, dalla velocità della memoria di lavoro e dalle prestazioni della grafica interna.
Nel benchmark AnTuTu 9, le prestazioni single-core di un processore sono solo leggermente ponderate. La valutazione è composta dalle prestazioni multi-core del processore, dalla velocità della memoria di lavoro e dalle prestazioni della grafica interna.
|
|
Google Tensor G2
8C 8T @ 2,85 GHz |
||
|
|
Apple M3 (8-GPU)
8C 8T @ 0,70 GHz |
||
Prestazioni della CPU per watt (efficienza)
Efficienza del processore a pieno carico nel benchmark Cinebench R23 (multi-core). Il risultato del benchmark è diviso per l'energia media richiesta (potenza del pacchetto CPU in watt). Più alto è il valore, più efficiente è la CPU a pieno carico.
|
|
Google Tensor G2
2,85 GHz |
||
|
|
Apple M3 (8-GPU)
10.437 CB R23 MC @ 22 W |
||
Dispositivi che utilizzano questo processore |
|
| Google Tensor G2 | Apple M3 (8-GPU) |
| Google Pixel 7 Google Pixel 7 Pro |
Apple iMac 24 (2023) |
I confronti più popolari che contengono questa CPU
Torna all'indice
