UNISOC SC9832E vs Google Tensor G2
最近更新時間:
借助基準測試比較CPU
|
 |
|
| UNISOC SC9832E | Google Tensor G2 | |
CPU比較在此 CPU 比較中，我們比較 UNISOC SC9832E 和 Google Tensor G2 並使用基準測試來檢查哪個處理器更快。
我們將 Q1/2019 中發布的 UNISOC SC9832E 4 核心處理器與具有 8 的 Google Tensor G2 進行比較 CPU 內核並在 Q4/2022 中引入。 |
||
| UNISOC 4G (10) | 家庭 | Google Tensor (3) |
| UNISOC 4G 28nm (2) | CPU組 | Google Tensor G2 (1) |
| 0 | 一代 | 2 |
| -- | 架構 | G2 |
| Mobile | 部分 | Mobile |
| -- | 前任 | Google Tensor |
| -- | 接班人 | -- |
|
|
||
CPU核心數與基礎頻率UNISOC SC9832E 是一個 4 核心處理器，時鐘頻率為 1.40 GHz。 處理器可以同時計算 4 個線程。 Google Tensor G2 時鐘具有 2.85 GHz，具有 8 個 CPU 核心，並且可以並行計算 8 個線程。 |
||
| UNISOC SC9832E | 特徵 | Google Tensor G2 |
| 4 | 核心 | 8 |
| 4 | Threads | 8 |
| normal | 核心架構 | hybrid (Prime / big.LITTLE) |
| 否 | 超執行緒技術 | 否 |
| 否 | 超頻 ? | 否 |
| 1.40 GHz 4x Cortex-A53 |
A-核心 | 2.85 GHz 2x Cortex-X1 |
| -- 0x 0 |
B-核心 | 2.35 GHz 2x Cortex-A78 |
| -- | C-核心 | 1.80 GHz 4x Cortex-A55 |
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。 |
||
| UNISOC SC9832E | 特徵 | Google Tensor G2 |
| -- | AI-硬件 | Google Tensor AI |
| -- | 人工智能規範 | Google Edge TPU @ 4 TOPS |
内建顯示晶片處理器中集成的顯卡（iGPU）不僅可以實現圖像輸出而無需依賴專用顯卡解決方案，還可以有效加速視頻播放。 |
||
| ARM Mali-T820 MP2 | GPU | ARM Mali-G710 MP7 |
| 0.60 GHz | GPU頻率 | 0.90 GHz |
| -- | GPU (加速頻率) | -- |
| Midgard 4 | GPU Generation | Vallhall 3 |
| 28nm | 製程 | 4 nm |
| 2 | 最大加速頻率 | 1 |
| 2 | 運算單元 | 7 |
| 32 | Shader | -- |
| 否 | Hardware Raytracing | 否 |
| 否 | Frame Generation | 否 |
| -- | 最大顯存 | -- |
| 11 | DirectX Version | 12 |
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-T820 MP2 | GPU | ARM Mali-G710 MP7 |
| 解碼 / 編碼 | Codec h265 / HEVC (8 bit) | 解碼 / 編碼 |
| 解碼 | Codec h265 / HEVC (10 bit) | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec h264 | 解碼 / 編碼 |
| 否 | Codec VP9 | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec VP8 | 解碼 / 編碼 |
| 否 | Codec AV1 | 解碼 |
| 否 | Codec AVC | 解碼 / 編碼 |
| 否 | Codec VC-1 | 解碼 / 編碼 |
| 解碼 / 編碼 | Codec JPEG | 解碼 / 編碼 |
記憶體 & PCIeUNISOC SC9832E 支持最多 GB 內存（最多 0 個內存通道），而 Google Tensor G2 支持最多 12 GB 內存啟用最大內存帶寬 53.0 GB/s。 |
||
| UNISOC SC9832E | 特徵 | Google Tensor G2 |
| LPDDR3-667, LPDDR2-533 | 記憶體 | LPDDR5-5500 |
| 最大記憶體 | 12 GB | |
| 0 | 記憶體通道 | 2 (Dual Channel) |
| -- | Max. 帶寬 | 53.0 GB/s |
| 否 | ECC | 否 |
| -- | L2 緩存 | 8.00 MB |
| -- | L3 緩存 | 4.00 MB |
| -- | PCIe版本 | -- |
| -- | PCIe通道 | -- |
| -- | PCIe 帶寬 | -- |
散熱管理UNISOC SC9832E 的 TDP 為 --。 Google Tensor G2 的 TDP 是 10 W。 系統集成商在確定冷卻解決方案尺寸時使用處理器的 TDP 作為指導。 |
||
| UNISOC SC9832E | 特徵 | Google Tensor G2 |
| -- | TDP (PL1 / PBP) | 10 W |
| -- | TDP (PL2) | -- |
| -- | TDP up | -- |
| -- | TDP down | -- |
| -- | Tjunction max. | -- |
技術細節UNISOC SC9832E 具有 0.00 MB 緩存，並以 28 nm 製造。 Google Tensor G2 的緩存位於 12.00 MB。 該處理器採用 4 nm 製造。 |
||
| UNISOC SC9832E | 特徵 | Google Tensor G2 |
| 28 nm | 製程 | 4 nm |
| 未知 | 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 | Android |
| Q1/2019 | 發售日期 | Q4/2022 |
| -- | 發布價格 | -- |
| 展示更多 | 展示更多 | |
4C 4T @ 1.40 GHz 以優惠價在Amazon上購買
8C 8T @ 2.85 GHz 以優惠價在Amazon上購買
|
||
評價這些處理器
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。
|
UNISOC SC9832E
ARM Mali-T820 MP2 @ 0.60 GHz |
||
|
Google Tensor G2
ARM Mali-G710 MP7 @ 0.90 GHz |
||
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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 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。
|
|
UNISOC SC9832E
4C 4T @ 1.40 GHz |
||
|
|
Google Tensor G2
8C 8T @ 2.85 GHz |
||
使用該處理器的設備 |
|
| UNISOC SC9832E | Google Tensor G2 |
| 未知 | Google Pixel 7 Google Pixel 7 Pro |
包含此CPU的熱門比較
返回首頁
