Apple M1 vs Google Tensor

最近更新时间:

借助基准测试比较CPU


Apple M1 CPU1 vs CPU2 Google Tensor
Apple M1 Google Tensor

CPU比较

在此 CPU 比较中,我们比较 Apple M1 和 Google Tensor 并使用基准测试来检查哪个处理器更快。

我们将 Q4/2020 中发布的 Apple M1 8 核心处理器与具有 8 的 Google Tensor 进行比较 CPU 内核并在 Q4/2021 中引入。
Apple M series (25) 家族 Google Tensor (3)
Apple M1 (9) CPU系列 Google Tensor (1)
1 代次 1
M1 架构 G1
Mobile 垂直市场 Mobile
-- 先代产品 --
Apple M2 后代产品 Google Tensor G2

CPU核心数与基础频率

Apple M1 是一个 8 核心处理器,时钟频率为 0.60 GHz (3.20 GHz)。 处理器可以同时计算 8 个线程。 Google Tensor 时钟具有 2.80 GHz,具有 8 个 CPU 核心,并且可以并行计算 8 个线程。

Apple M1 特征 Google Tensor
8 核心 8
8 Threads 8
hybrid (big.LITTLE) 核心架构 hybrid (Prime / big.LITTLE)
超线程技术
超频 ?
0.60 GHz (3.20 GHz)
4x Firestorm
A-核心 2.80 GHz
2x Cortex-X1
0.60 GHz (2.06 GHz)
4x Icestorm
B-核心 2.25 GHz
2x Cortex-A76
-- C-核心 1.80 GHz
4x Cortex-A55

人工智能和机器学习

在人工智能 (AI) 和机器学习 (ML) 支持下的处理器可以处理许多计算,尤其是音频、图像和视频处理,比传统处理器快得多。 通过软件收集的数据越多,机器学习算法的性能就会提高。 ML 任务的处理速度比传统处理器快 10,000 倍。

Apple M1 特征 Google Tensor
Apple Neural Engine AI-硬件 Google Tensor AI
16 Neural cores @ 11 TOPS 人工智能规范 Google Edge TPU @ 1.6 TOPS

核芯显卡

处理器中集成的显卡(iGPU)不仅可以实现图像输出而无需依赖专用图形解决方案,还可以有效加速视频播放。

Apple M1 (8 Core) GPU ARM Mali-G78 MP20
0.39 GHz GPU频率 0.76 GHz
1.30 GHz GPU (加速频率) --
1 GPU Generation Vallhall 2
5 nm 工艺 5 nm
2 最大显示器数量 1
128 运算单元 20
1024 Shader 320
Hardware Raytracing
Frame Generation
8 GB 最大显存 --
-- DirectX Version 12

硬件解码支持

在硬件中加速的照片或视频编解码器可以大大加快处理器的工作速度,并在播放视频时延长笔记本电脑或智能手机的电池寿命。

Apple M1 (8 Core) GPU ARM Mali-G78 MP20
解码 / 编码 Codec h265 / HEVC (8 bit) 解码 / 编码
解码 / 编码 Codec h265 / HEVC (10 bit) 解码 / 编码
解码 / 编码 Codec h264 解码 / 编码
解码 / 编码 Codec VP9 解码 / 编码
解码 Codec VP8 解码 / 编码
Codec AV1 解码
解码 Codec AVC 解码 / 编码
解码 Codec VC-1 解码 / 编码
解码 / 编码 Codec JPEG 解码 / 编码

内存 & PCIe

Apple M1 支持最多 16 GB 内存(最多 2 个内存通道),而 Google Tensor 支持最多 12 GB 内存启用最大内存带宽 53.0 GB/s

Apple M1 特征 Google Tensor
LPDDR4X-4266 内存 LPDDR5-5500
16 GB 最大内存 12 GB
2 (Dual Channel) 内存通道 2 (Dual Channel)
68.2 GB/s Max. 带宽 53.0 GB/s
ECC
16.00 MB L2 缓存 8.00 MB
-- L3 缓存 --
4.0 PCIe版本 --
-- PCIe通道 --
-- PCIe 带宽 --

散热管理

Apple M1 的 TDP 为 18 W。 Google Tensor 的 TDP 是 10 W。 系统集成商在确定冷却解决方案尺寸时使用处理器的 TDP 作为指导。

Apple M1 特征 Google Tensor
18 W TDP (PL1 / PBP) 10 W
-- TDP (PL2) --
20 W TDP up --
10 W TDP down --
-- Tjunction max. --

技术细节

Apple M1 具有 16.00 MB 缓存,并以 5 nm 制造。 Google Tensor 的缓存位于 8.00 MB。 该处理器采用 5 nm 制造。

Apple M1 特征 Google Tensor
5 nm 工艺 5 nm
小芯片 芯片设计 未知
Armv8.5-A (64 bit) 指令集 (ISA) Armv8-A (64 bit)
Rosetta 2 x86-Emulation 指令集扩展 --
-- 插槽 --
Apple Virtualization Framework 虚拟化
AES-NI
macOS 操作系统 Android
Q4/2020 发售日期 Q4/2021
-- 发布价格 --
展示更多 展示更多


评价这些处理器

您可以在此处对 Apple M1 进行评分,以帮助其他访问者做出购买决定。 平均评分为 4.8 星(222 评分)。 现在就评价吧:
您可以在此处对 Google Tensor 进行评分,以帮助其他访问者做出购买决定。 平均评分为 4.1 星(8 评分)。 现在就评价吧:


基准测试中的平均性能

⌀ 单核性能 2 CPU 基准测试
Apple M1 (100%)
Google Tensor (62%)
⌀ 多核性能 2 CPU 基准测试
Apple M1 (100%)
Google Tensor (40%)

Geekbench 5, 64bit (Single-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。单核测试仅使用一个CPU核心,CPU核心的数量以及超线程技术将不会影响该项测试成绩。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
1742 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
1043 (60%)

Geekbench 5, 64bit (Multi-Core)

Geekbench 5是一个大量使用系统内存的跨平台基准测试。高速的系统内存将极大地提升测试成绩。多核测试涉及所有CPU核心,并且能充分利用超线程技术。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
7650 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
2915 (38%)

Geekbench 6 (Single-Core)

Geekbench 6 は、最新のコンピューター、ノートブック、スマートフォンのベンチマークです。 新しいのは、たとえば big.LITTLE コンセプトに基づいてさまざまなサイズの CPU コアを組み合わせるなど、新しい CPU アーキテクチャの最適化された利用です。 シングルコア ベンチマークは、最速の CPU コアのパフォーマンスのみを評価します。ここでは、プロセッサ内の CPU コアの数は関係ありません。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
2369 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
1494 (63%)

Geekbench 6 (Multi-Core)

Geekbench 6 是现代计算机、笔记本电脑和智能手机的基准测试。 新的是对更新的 CPU 架构的优化利用,例如基于 big.LITTLE 概念并结合不同大小的 CPU 内核。 多核基准测试评估处理器所有 CPU 内核的性能。 AMD SMT 或 Intel 的超线程等虚拟线程改进对基准测试结果产生了积极影响。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
8576 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
3639 (42%)

核芯显卡FP32性能(单精度GFLOPS)

处理器核芯显卡的理论计算性能(32bit,以GFLOPS为单位)。GFLOPS表示核芯显卡每秒可以执行多少亿个浮点操作。
Apple M1 Apple M1
Apple M1 (8 Core) @ 1.30 GHz
2610 (100%)
Google Tensor Google Tensor
ARM Mali-G78 MP20 @ 0.76 GHz
1943 (74%)

人工智能 (AI) 和机器学习 (ML) 的性能

在人工智能 (AI) 和机器学习 (ML) 支持下的处理器可以处理许多计算,尤其是音频、图像和视频处理,比传统处理器快得多。 通过软件收集的数据越多,机器学习算法的性能就会提高。 ML 任务的处理速度比传统处理器快 10,000 倍。
Apple M1 Apple M1
8C 8T @ 0.60 GHz
11 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
1.6 (15%)

Cinebench 2024 (Single-Core)

Cinebench 2024 基准测试基于 Redshift 渲染引擎,该引擎也用于 Maxon 的 3D 程序 Cinema 4D。 基准测试每次运行 10 分钟,以测试处理器是否受到其发热的限制。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
112 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

Cinebench 2024 (Multi-Core)

Cinebench 2024 基准测试的多核测试使用所有 CPU 核心,使用 Redshift 渲染引擎进行渲染,该引擎也用于 Maxons Cinema 4D。 基准测试运行时长为 10 分钟,以测试处理器是否受到发热量的限制。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
509 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

Cinebench R23 (Single-Core)

Cinebench R23是Cinebench R20的下一代产品,也基于Cinema 4套件。Cinema 4是一款用于创建3D表单的软件。单核测试仅使用一个CPU核心,CPU核心的数量以及超线程技术将不会影响该项测试成绩。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
1503 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

Cinebench R23 (Multi-Core)

Cinebench R23是Cinebench R20的下一代产品,也基于Cinema 4套件。Cinema 4是一款用于创建3D表单的软件。多核测试涉及所有CPU核心,并且能充分利用超线程技术。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
7759 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

AnTuTu 9 Benchmark

AnTuTu 9 基准测试非常适合衡量智能手机的性能。 AnTuTu 9 在 3D 图形上相当重,现在也可以使用“金属”图形界面。 在 AnTuTu 中,内存和 UX(用户体验)也通过模拟浏览器和应用程序的使用情况进行测试。 AnTuTu 版本 9 可以比较任何运行在 Android 或 iOS 上的 ARM CPU。 在不同操作系统上进行基准测试时,设备可能无法直接比较。

在 AnTuTu 9 基准测试中,处理器的单核性能仅被略微加权。 该评级由处理器的多核性能、工作内存的速度和内部显卡的性能组成。
Apple M1 Apple M1
8C 8T @ 0.60 GHz
0 (0%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
691770 (100%)

AnTuTu 8 Benchmark

AnTuTu 8基准测试可以衡量一个SoC(片上系统)的性能。通过模拟浏览器和应用程序的使用,AnTuTu对CPU、GPU、内存以及UX(用户体验)进行基准测试。AnTuTu可以对运行在Android或iOS下的任何ARM CPU进行基准测试。如果基准测试是在不同的操作系统下执行的,成绩可能不具有可比较性。 在AnTuTu 8基准测试中,处理器单核性能只占很小的比重。AnTuTu基准测试评估包括处理器的多核性能、RAM速度和GPU性能。
Apple M1 Apple M1
8C 8T @ 0.60 GHz
0 (0%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
612494 (100%)

Blender 3.1 Benchmark

在 Blender Benchmark 3.1 中,渲染场景“怪物”、“垃圾店”和“教室”,并测量系统所需的时间。 在我们的基准测试中,我们测试的是 CPU 而不是显卡。 Blender 3.1 于 2022 年 3 月作为独立版本发布。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
117 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

PassMark CPU Mark的估计结果

以下列出的CPU中,有一部分基准测试是由CPU-panda团队完成的。但是,大部分的CPU并没有被实际测试,其成绩由CPU-monkey团队的“秘密配方”估计得到。因此,这些分数不能准确反映实际的Passmark CPU基准测试,并且不受到PassMark Software私人有限公司的认可。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
14463 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

Blender 2.81 (bmw27)

Blender是一个免费的3D图形软件,用于渲染(创建)3D物体,也可以为3D物体添加纹理和动画。Blender基准测试可以创建预定义的场景,并测量渲染整个场景所需的时间。所需的时间越短越好。我们选择bmw27作为基准测试场景。
Apple M1 Apple M1
8C 8T @ 3.20 GHz
314 (100%)
Google Tensor Google Tensor
8C 8T @ 2.80 GHz
0 (0%)

CPU 每瓦性能(效率)

Cinebench R23(多核)基准测试中满负载下处理器的效率。 基准测试结果除以所需的平均能量(CPU 封装功率,以瓦为单位)。 该值越高,CPU 在满负载下的效率越高。
Apple M1 Apple M1
7,759 CB R23 MC @ 18 W
431 (100%)
Google Tensor Google Tensor
2.80 GHz
0 (0%)

使用该处理器的设备

Apple M1 Google Tensor
Apple iMac 24 (2021)
Apple MacBook Pro 13 (L2020)
Apple MacBook Air (2020)
Apple Mac mini (2020)
Apple iPad Pro 11 (2021)
Apple iPad Pro 12.9 (2021)
Apple iPad Air (2022)
Google Pixel 6
Google Pixel 6 Pro

包含此CPU的热门比较

1. Apple M1Apple A14 Bionic Apple M1 vs Apple A14 Bionic
2. Apple M1Intel Core i9-9900K Apple M1 vs Intel Core i9-9900K
3. Apple M2Apple M1 Apple M2 vs Apple M1
4. Apple A15 Bionic (5-GPU)Apple M1 Apple A15 Bionic (5-GPU) vs Apple M1
5. Apple M1Intel Core i7-10875H Apple M1 vs Intel Core i7-10875H
6. Apple M1Intel Core i5-1038NG7 Apple M1 vs Intel Core i5-1038NG7
7. Apple M1Apple A12Z Bionic Apple M1 vs Apple A12Z Bionic
8. Apple M1Intel Core i7-1185G7 Apple M1 vs Intel Core i7-1185G7
9. Apple M1AMD Ryzen 5 5600X Apple M1 vs AMD Ryzen 5 5600X
10. Intel Core i7-1165G7Apple M1 Intel Core i7-1165G7 vs Apple M1


返回首页