Google Tensor G2 vs Apple A15 Bionic (5-GPU)
最近更新時間:
借助基準測試比較CPU
|
 |
|
| Google Tensor G2 | Apple A15 Bionic (5-GPU) | |
CPU比較Google Tensor G2 還是 Apple A15 Bionic (5-GPU) ？ 在這個比較中，我們檢查這兩個 CPU 中哪個更好。 我們比較技術數據和基準測試結果。
Google Tensor G2 具有 8 內核，具有 8 線程和最大頻率為 2.85 GHz 的時鐘。 2 內存通道支持高達 12 GB 的內存。 Google Tensor G2 已在 Q4/2022 中發布。 Apple A15 Bionic (5-GPU) 具有 6 內核，具有 6 線程和最大頻率為 3.23 GHz 的時鐘。 CPU 在 1 個內存通道中支持高達 6 GB 的內存。 Apple A15 Bionic (5-GPU) 在 Q3/2021 中發布。 |
||
| Google Tensor (3) | 家庭 | Apple A series (22) |
| Google Tensor G2 (1) | CPU組 | Apple A15 (2) |
| 2 | 一代 | 15 |
| G2 | 架構 | A15 |
| Mobile | 部分 | Mobile |
| Google Tensor | 前任 | Apple A14 Bionic |
| -- | 接班人 | Apple A16 Bionic |
|
|
||
CPU核心數與基礎頻率Google Tensor G2 或者 Apple A15 Bionic (5-GPU) 有 %%kerne%% 個 CPU 內核，可以並行計算 %%threads%% 個線程。 Google Tensor G2 或者 Apple A15 Bionic (5-GPU) 的時鐘頻率是 %%core_freq_1%%。 CPU核心數極大地影響處理器的速度，是一項重要的性能指標。 |
||
| Google Tensor G2 | 特徵 | Apple A15 Bionic (5-GPU) |
| 8 | 核心 | 6 |
| 8 | Threads | 6 |
| hybrid (Prime / big.LITTLE) | 核心架構 | hybrid (big.LITTLE) |
| 否 | 超執行緒技術 | 否 |
| 否 | 超頻 ? | 否 |
| 2.85 GHz 2x Cortex-X1 |
A-核心 | 3.23 GHz 2x Avalanche |
| 2.35 GHz 2x Cortex-A78 |
B-核心 | 2.02 GHz 4x Blizzard |
| 1.80 GHz 4x Cortex-A55 |
C-核心 | -- |
人工智能和機器學習在人工智能 (AI) 和機器學習 (ML) 支持下的處理器可以處理許多計算，尤其是音頻、圖像和視頻處理，比傳統處理器快得多。 通過軟件收集的數據越多，機器學習算法的性能就會提高。 ML 任務的處理速度比傳統處理器快 10,000 倍。 |
||
| Google Tensor G2 | 特徵 | Apple A15 Bionic (5-GPU) |
| Google Tensor AI | AI-硬件 | Apple Neural Engine |
| Google Edge TPU @ 4 TOPS | 人工智能規範 | 16 Neural cores @ 15.8 TOPS |
内建顯示晶片Google Tensor G2 或者 Apple A15 Bionic (5-GPU)集成顯卡，簡稱iGPU。 iGPU 使用系統的主內存作為圖形內存，並位於處理器的芯片上。 |
||
| ARM Mali-G710 MP7 | GPU | Apple A15 (5 GPU Cores) |
| 0.90 GHz | GPU頻率 | 1.34 GHz |
| -- | GPU (加速頻率) | -- |
| Vallhall 3 | GPU Generation | 12 |
| 4 nm | 製程 | 5 nm |
| 1 | 最大加速頻率 | 3 |
| 7 | 運算單元 | 20 |
| -- | Shader | 640 |
| 否 | Hardware Raytracing | 否 |
| 否 | Frame Generation | 否 |
| -- | 最大顯存 | 6 GB |
| 12 | DirectX Version | -- |
硬體解碼支援在硬件中加速的照片或視頻編解碼器可以大大加快處理器的工作速度，並在播放視頻時延長筆記本電腦或智能手機的電池壽命。 |
||
| ARM Mali-G710 MP7 | GPU | Apple A15 (5 GPU Cores) |
| 解碼 / 編碼 | Codec h265 / HEVC (8 bit) | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec h265 / HEVC (10 bit) | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec h264 | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec VP9 | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec VP8 | 解碼 / 編碼 |
| 解碼 | Codec AV1 | 否 |
| 解碼 / 編碼 | Codec AVC | 解碼 |
| 解碼 / 編碼 | Codec VC-1 | 解碼 |
| 解碼 / 編碼 | Codec JPEG | 解碼 / 編碼 |
記憶體 & PCIe內存類型和內存量會極大地影響處理器的速度。 內存帶寬取決於幾個因素，以每秒千兆字節為單位。 |
||
| Google Tensor G2 | 特徵 | Apple A15 Bionic (5-GPU) |
| LPDDR5-5500 | 記憶體 | LPDDR4X-4266 |
| 12 GB | 最大記憶體 | 6 GB |
| 2 (Dual Channel) | 記憶體通道 | 1 (Single Channel) |
| 53.0 GB/s | Max. 帶寬 | 34.1 GB/s |
| 否 | ECC | 否 |
| 8.00 MB | L2 緩存 | 16.00 MB |
| 4.00 MB | L3 緩存 | 32.00 MB |
| -- | PCIe版本 | -- |
| -- | PCIe通道 | -- |
| -- | PCIe 帶寬 | -- |
散熱管理熱設計功率（簡稱 TDP）指定了充分冷卻處理器所需的冷卻解決方案。 TDP 通常只給出一個 CPU 實際消耗的粗略概念。 |
||
| Google Tensor G2 | 特徵 | Apple A15 Bionic (5-GPU) |
| 10 W | TDP (PL1 / PBP) | 7.25 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| -- | Tjunction max. | -- |
技術細節在這裡，您將找到有關 Google Tensor G2 或者 Apple A15 Bionic (5-GPU) 的 2 級和 3 級緩存大小的信息以及處理器的 ISA 擴展列表。 我們已經為您記錄了架構和製造技術以及發布日期。 |
||
| Google Tensor G2 | 特徵 | Apple A15 Bionic (5-GPU) |
| 4 nm | 製程 | 5 nm |
| 小芯片 | 芯片設計 | 小芯片 |
| Armv8-A (64 bit) | 指令集 (ISA) | Armv8-A (64 bit) |
| -- | ISA擴展 | -- |
| -- | 針腳 | -- |
| 無 | 虛擬化 | 無 |
| 否 | AES-NI | 否 |
| Android | 操作系統 | iOS |
| Q4/2022 | 發售日期 | Q3/2021 |
| -- | 發布價格 | -- |
| 展示更多 | 展示更多 | |
|
8C 8T @ 2.85 GHz 以優惠價在Amazon上購買
6C 6T @ 3.23 GHz 以優惠價在Amazon上購買
|
||
評價這些處理器
基準測試中的平均效能
⌀ 單核心性能 2 CPU 基準測試
⌀ 多核心性能 3 CPU 基準測試
Geekbench 5, 64bit (Single-Core)
Geekbench 5是一個大量使用系統記憶體的跨平臺基準測試。高速的系統記憶體將極大地提升測試成績。單核測試僅使用一個CPU核心，CPU核心的數量以及超執行緒技術將不會影響該項測試成績。
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
Geekbench 5, 64bit (Multi-Core)
Geekbench 5是一個大量使用系統記憶體的跨平臺基準測試。高速的系統記憶體將極大地提升測試成績。多核測試涉及所有CPU核心，並且能充分利用超執行緒技術。
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
Geekbench 6 (Single-Core)
Geekbench 6 是現代計算機、筆記本電腦和智能手機的基準測試。 新的是對更新的 CPU 架構的優化利用，例如基於 big.LITTLE 概念並結合不同大小的 CPU 內核。 單核基準測試僅評估最快的 CPU 內核的性能，與處理器中的 CPU 內核數量無關。
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
Geekbench 6 (Multi-Core)
Geekbench 6 是現代計算機、筆記本電腦和智能手機的基準測試。 新的是對更新的 CPU 架構的優化利用，例如基於 big.LITTLE 概念並結合不同大小的 CPU 內核。 多核基準測試評估處理器所有 CPU 內核的性能。 AMD SMT 或 Intel 的超線程等虛擬線程改進對基準測試結果產生了積極影響。
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
內建顯卡FP32性能(單精確度GFLOPS)
處理器內建顯卡的理論計算性能（32bit，以GFLOPS為單位）。GFLOPS表示內建顯卡每秒可以執行多少億個浮點操作。
|
|
Google Tensor G2
ARM Mali-G710 MP7 @ 0.90 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
Apple A15 (5 GPU Cores) @ 1.34 GHz |
||
AnTuTu 9 Benchmark
AnTuTu 9 基準測試非常適合衡量智能手機的性能。 AnTuTu 9 在 3D 圖形上相當重，現在也可以使用“金屬”圖形界面。 在 AnTuTu 中，內存和 UX（用戶體驗）也通過模擬瀏覽器和應用程序的使用情況進行測試。 AnTuTu 版本 9 可以比較任何運行在 Android 或 iOS 上的 ARM CPU。 在不同操作系統上進行基準測試時，設備可能無法直接比較。
在 AnTuTu 9 基準測試中，處理器的單核性能僅被略微加權。 該評級由處理器的多核性能、工作內存的速度和內部顯卡的性能組成。
在 AnTuTu 9 基準測試中，處理器的單核性能僅被略微加權。 該評級由處理器的多核性能、工作內存的速度和內部顯卡的性能組成。
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
人工智能 (AI) 和機器學習 (ML) 的性能
在人工智能 (AI) 和機器學習 (ML) 支持下的處理器可以處理許多計算，尤其是音頻、圖像和視頻處理，比傳統處理器快得多。 通過軟件收集的數據越多，機器學習算法的性能就會提高。 ML 任務的處理速度比傳統處理器快 10,000 倍。
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
|
|
Apple A15 Bionic (5-GPU)
6C 6T @ 3.23 GHz |
||
使用該處理器的設備 |
|
| Google Tensor G2 | Apple A15 Bionic (5-GPU) |
| Google Pixel 7 Google Pixel 7 Pro |
Apple iPad mini (6. Gen) Apple iPhone 13 Pro Apple iPhone 13 Pro Max Apple iPhone 14 Apple iPhone 14 Plus |
包含此CPU的熱門比較
返回首頁
