Google Tensor 三代芯片，已是强弩之末

原文 ↗ Hacker News 讨论 ↗

Google 在 Pixel 手机上自研的 Tensor 芯片因性能弱、功耗效率差、基带不如基于 Qualcomm 的竞品而受到批评，导致许多 AI 功能比起设备端执行更倾向于运行在云端，这与最初的宣传并不一致。评论者争论这主要是技术落后、Google 为了把处理和数据留在自家数据中心而形成的商业激励，还是 AI 模型快速演进与芯片设计周期缓慢之间的正常错位。一些用户确实认为界面流畅、ML 功能实用，但更多人则因发热、续航差和连接不稳定而避开当前 Pixel，或希望 Google 回到 Snapdragon。

设备端 vs. 云端 AI 与隐私

  • 许多人认为，Google 继续将新的 AI 功能卸载到云端，驱动因素是数据收集，而不只是硬件限制。
  • 也有人指出，Google 完全可以先在本地处理，再稍后上传摘要；但如果在本地处理后仍上传全部原始数据，观感会更糟。
  • 反驳观点：把所有东西都放在云端运行成本很高；计算成本以及 GPU/TPU 的稀缺，可能会随着时间推移推动厂商更多转向设备端处理。

Tensor 性能与设计取舍

  • 普遍共识是：与竞品相比，尤其是 Qualcomm，Tensor 的通用性能和能效都不尽如人意。
  • 在 ML 领域，有人认为相关决策早在如今的 LLM 热潮之前几年就已经做出；大而高质量的模型天然更适合云端。
  • 有些人批评文章用“on life support”这种说法是在博眼球；也有人认为，考虑到 Google 自己曾承诺“on-device AI”，这个说法并不过分。

续航、散热与基带问题

  • 多份报告提到 Pixel 6–8 系列电池续航差、发热严重，通常与 Samsung 基带和信号接收不佳有关。
  • 也有用户表示续航可以接受甚至不错，这说明使用负载、覆盖情况、后台应用和 ROM 都会产生影响。
  • 有几位用户主要因为基带功耗和不稳定的数据连接而退回 Pixel；原本考虑 GrapheneOS 的潜在买家也在重新权衡。

ML 功能的用户体验

  • 许多人称赞 Pixel UI 的流畅度、语音转文字、通话处理和相机功能在日常使用中“行业领先”。
  • 也有人认为，与信号、续航这些基础功能相比，大多数 ML 功能都只是噱头。
  • Apple 的设备端 ML（OCR、照片搜索、人脸/宠物识别）被提及为一个强有力的例子，说明实用、私密且用户高度依赖的功能确实可以做好。

商业与生态考量

  • 同时维护设备端和云端两套代码路径被认为成本高昂；产品团队可能更倾向于选择一条能扩展到所有 Android 设备的路径。
  • Google 希望把 AI 功能带到非 Pixel 手机上，以推动订阅和生态使用，而不仅仅是硬件销售。
  • 提到 Qualcomm 的授权议价能力以及 Apple 更强的筹码，是 Google 选择自研 SoC + Samsung 基带、即便存在取舍的原因之一。

AI 硬件与模型约束

  • 有多条评论解释说，ML/“AI” 芯片本质上是高度并行的向量/矩阵单元，针对低精度数学运算和带宽进行了优化，而不是为通用 LLM 工作负载设计的。
  • LLM 被描述为高度受内存带宽限制，而且对当前手机来说体量过大；本地小模型与云端大模型之间存在明确取舍。