Tres chips después, Google Tensor está con soporte vital
Los chips Tensor personalizados de Google en los teléfonos Pixel están recibiendo críticas por su bajo rendimiento, su mala eficiencia energética y módems inferiores frente a los rivales basados en Qualcomm, lo que lleva a que muchas funciones de IA se ejecuten en la nube en lugar de en el dispositivo, como se había prometido inicialmente. Los comentaristas debaten si esto se debe sobre todo a un retraso técnico, a los incentivos comerciales de Google para mantener el procesamiento y los datos en sus centros de datos, o simplemente a un desajuste normal entre modelos de IA que evolucionan rápido y ciclos de diseño de silicio lentos. Algunos usuarios informan de una interfaz fluida y funciones ML útiles, pero muchos citan sobrecalentamiento, mala duración de batería y conectividad poco fiable como razones para evitar los Pixels actuales o desear que Google volviera a Snapdragon.
IA en el dispositivo frente a la nube y privacidad
- Muchos ven que Google siga trasladando a la nube las nuevas funciones de IA como algo impulsado por la recopilación de datos, no solo por límites de hardware.
- Otros señalan que Google podría procesar localmente y subir resúmenes después, pero que subir datos brutos completos tras un procesamiento local quedaría peor en términos de percepción pública.
- Contraargumento: ejecutar todo en la nube es caro; los costes de cómputo y la escasez de GPU/TPU podrían empujar a los proveedores hacia más trabajo en el dispositivo con el tiempo.
Rendimiento de Tensor y compromisos de diseño
- Hay consenso general: Tensor ofrece un rendimiento general y una eficiencia poco convincentes frente a la competencia, especialmente Qualcomm.
- En ML, algunos sostienen que las decisiones se tomaron años antes del actual auge de los LLM; los modelos grandes y de alta calidad favorecen naturalmente la nube.
- Algunos critican el encuadre del artículo como “con soporte vital” por sensacionalista; otros dicen que, al no cumplir las promesas de Google sobre “IA en el dispositivo”, la frase es justa.
Duración de la batería, térmicas y problemas de módem
- Hay múltiples informes de mala duración de batería y sobrecalentamiento en las series Pixel 6–8, a menudo vinculados a módems de Samsung y a una recepción débil.
- Algunos usuarios tienen una autonomía aceptable o buena, lo que sugiere que importan la carga de trabajo, la cobertura, las apps en segundo plano y las ROM.
- Varios devolvieron sus Pixels principalmente por el consumo del módem y la conectividad de datos poco fiable; posibles compradores de GrapheneOS se lo están replanteando.
Experiencia de usuario de las funciones de ML
- Muchos elogian la fluidez de la interfaz Pixel, la conversión de voz a texto, la gestión de llamadas y las funciones de cámara como “las mejores de su clase” en el uso diario.
- Otros ven la mayoría de las funciones de ML como meros adornos frente a fundamentos como la recepción y la batería.
- La ML en el dispositivo de Apple (OCR, búsqueda de fotos, reconocimiento de caras/mascotas) se cita como un gran ejemplo de funciones prácticas y privadas en las que los usuarios dependen mucho.
Consideraciones de negocio y ecosistema
- Mantener tanto rutas de código en el dispositivo como en la nube se considera caro; los equipos de producto pueden priorizar una sola ruta que escale a todos los dispositivos Android.
- Google quiere que las funciones de IA lleguen a móviles que no son Pixel para impulsar suscripciones y el uso del ecosistema, no solo las ventas de hardware.
- Se menciona el poder de licencias de Qualcomm y el mayor margen de maniobra de Apple como razones por las que Google optó por su propio SoC + módem de Samsung pese a los compromisos.
Restricciones de hardware de IA y de modelos
- Varios comentarios explican que los chips de ML/“IA” son unidades vectoriales/de matrices altamente paralelas, optimizadas para matemáticas de baja precisión y ancho de banda, no para cargas de trabajo LLM generales.
- Se describe a los LLM como fuertemente limitados por el ancho de banda de memoria y demasiado grandes para los teléfonos actuales; los modelos locales más pequeños frente a los grandes modelos en la nube son un compromiso explícito.