तीन चिप्स बाद और Google Tensor जीवन-रक्षक पर है
Google के Pixel phones में custom Tensor chips को कमजोर प्रदर्शन, खराब power efficiency, और Qualcomm-based प्रतिस्पर्धियों की तुलना में inferior modems के लिए आलोचना मिल रही है, जिससे कई AI features मूल रूप से बताए जाने के बजाय cloud में चल रहे हैं। टिप्पणीकार बहस करते हैं कि क्या यह मुख्यतः तकनीकी पिछड़ापन है, Google के data centers में processing और data बनाए रखने के business incentives का नतीजा है, या फिर तेज़ी से बदलते AI models और धीमे silicon design cycles के बीच सामान्य असंगति। कुछ उपयोगकर्ता smooth UI और उपयोगी ML features की तारीफ़ करते हैं, लेकिन कई overheating, खराब battery life, और अविश्वसनीय connectivity का हवाला देते हुए current Pixels से बचने या Google के Snapdragon पर लौटने की इच्छा जताते हैं.
डिवाइस पर बनाम क्लाउड AI और गोपनीयता
- कई लोगों का मानना है कि Google द्वारा नई AI सुविधाओं के लिए लगातार क्लाउड ऑफलोड करना केवल हार्डवेयर सीमाओं से नहीं, बल्कि डेटा संग्रह से भी प्रेरित है।
- कुछ लोग नोट करते हैं कि Google स्थानीय रूप से प्रोसेस करके बाद में सारांश अपलोड कर सकता है, लेकिन स्थानीय प्रोसेसिंग के बाद पूरा कच्चा डेटा अपलोड करना दिखने में और भी खराब लगेगा।
- विरोधी तर्क: सब कुछ क्लाउड में चलाना महंगा है; कंप्यूट लागत और GPU/TPU की कमी समय के साथ विक्रेताओं को अधिक डिवाइस-पर काम की ओर धकेल सकती है।
Tensor का प्रदर्शन और डिज़ाइन से जुड़ी समझौते
- व्यापक सहमति: Tensor का सामान्य प्रदर्शन और दक्षता प्रतिस्पर्धियों, खासकर Qualcomm, की तुलना में निराशाजनक है।
- ML में, कुछ का तर्क है कि फैसले वर्तमान LLM बूम से वर्षों पहले लिए गए थे; बड़े, उच्च-गुणवत्ता वाले मॉडल स्वाभाविक रूप से क्लाउड के पक्ष में होते हैं।
- कुछ लोग लेख के “on life support” फ्रेमिंग को क्लिकबेट के रूप में आलोचना करते हैं; अन्य कहते हैं कि Google के अपने “on-device AI” वादों की कमी इसे उचित बनाती है।
बैटरी लाइफ, थर्मल्स, और मोडेम समस्याएँ
- Pixel 6–8 सीरीज़ में खराब बैटरी लाइफ और अधिक गर्म होने की कई रिपोर्टें, जिन्हें अक्सर Samsung मोडेम और कमजोर रिसेप्शन से जोड़ा जाता है।
- कुछ उपयोगकर्ताओं की बैटरी लाइफ स्वीकार्य या अच्छी है, जिससे लगता है कि वर्कलोड, कवरेज, बैकग्राउंड ऐप्स, और ROMs मायने रखते हैं।
- कई लोगों ने मुख्यतः मोडेम की बिजली खपत और अविश्वसनीय डेटा कनेक्टिविटी के कारण Pixels वापस कर दिए; GrapheneOS के संभावित खरीदार पुनर्विचार कर रहे हैं।
ML सुविधाओं का उपयोगकर्ता अनुभव
- कई लोग दैनिक उपयोग में Pixel UI की स्मूदनेस, speech-to-text, कॉल हैंडलिंग, और कैमरा सुविधाओं की “class-leading” कहकर प्रशंसा करते हैं।
- अन्य लोग रिसेप्शन और बैटरी जैसी मूल बातों की तुलना में अधिकांश ML सुविधाओं को केवल gimmicks मानते हैं।
- Apple की on-device ML (OCR, फोटो सर्च, चेहरे/पेट पहचान) को व्यावहारिक, निजी सुविधाओं के एक मजबूत उदाहरण के रूप में उद्धृत किया जाता है, जिन पर उपयोगकर्ता बहुत निर्भर रहते हैं।
व्यवसाय और इकोसिस्टम से जुड़े विचार
- on-device और cloud, दोनों code paths को बनाए रखना महंगा माना जाता है; product teams शायद एक ऐसे path को प्राथमिकता दें जो सभी Android devices पर scale हो सके।
- Google चाहता है कि गैर-Pixel phones पर AI सुविधाएँ subscriptions और ecosystem usage बढ़ाएँ, सिर्फ hardware sales नहीं।
- Qualcomm की licensing power और Apple के कहीं अधिक leverage को Google के अपने SoC + Samsung modem चुनने के कारणों में बताया गया है, भले ही इससे trade-offs हों।
AI hardware और model constraints
- कई टिप्पणियाँ बताती हैं कि ML/“AI” chips अत्यधिक parallel vector/matrix units हैं, जो low-precision math और bandwidth के लिए optimized हैं, न कि सामान्य LLM workloads के लिए।
- LLMs को भारी memory-bandwidth-bound बताया गया है और वे मौजूदा phones के लिए बहुत बड़े हैं; छोटे local models बनाम बड़े cloud models एक स्पष्ट trade-off है।