本篇文章内容多来源于 arstechnica 的某次访谈，兴趣所致撰写，编辑部同事不必推荐本文。
1+3+4 的设计太普遍了。
天玑 1100 的四颗大核心最高主频都是 2.6Ghz，即便如此都要分个 1+3 这样的超大核设计来。骁龙系列的 845 是最后一代 4+4 的大小核设计，但最高主频 2.8Ghz 其实是单核睿频，四颗核心最高只能到 2.4Ghz 左右。这么做也许是为了让单核性能在跑分账面上输给 Apple A 系列输得不要太离谱进一步提升。后续的 855、865，都采用了专门设置超大核心的设计，甚至连中端的 765G 也开始试水跟风，整成了 1+1+6，兄弟型号 768G 更是进一步提升了超大核的主频。
三核心的架构确认下来，CPU 核心簇的命名也从之前的 Gold、Silver 转变成了Prime、Gold、Silver。值得注意的是：Apple 在移动端似乎没有使用这种超大核心的习惯，在大小核设计上都是使用两颗大核；而在 android 阵营「超大核心」需求出现 2~3 年后，arm 才专门整了一个 X1 架构使得这颗芯片从设计架构层面成为真正的超大核，而非此前的同架构超大核。
此刻感谢 arstechnica 带来对阵 Google 芯片部分的深度访谈，这是一年一刻我最快乐的时候，当然今年可能有两个快乐时光：一个是深度访谈 Google Tensor，一个是深度解构 Android 12 底层。
从这篇访谈文章中，我们或许能够一窥为何 Google Tensor 如此不合群地采用 2+2+4 架构。
一切为了持久战
Carmack continued, "You might use the two X1s dialed down in frequency so they're ultra-efficient, but they're still at a workload that's pretty heavy. A workload that you normally would have done with dual A76s, maxed out, is now barely tapping the gas with dual X1s."
出我意料的是，Google 在 Tensor 的设计上相当注重能效。塞两颗 X1 而非一颗的原因，不是想获得更高的多核峰值性能，而是想借助低频 X1 的高能效比获得持续性能。（至于为什么是持续性能，后面将会讲到。）按照 arm 的说法，在同样的散热环境下，5nm 的 A78 会比 7nm 的 A76 提供多达 20% 的持续性能，但 Google 宁愿中核心在散热上更保守一些，采用 5nm 的 A76 核心，发热更少更省电，无论是相比之前的 7nm 的 A76，还是相比 5nm 的 A78。而这些中核心簇省下来的「散热配额」， 毫无意外地肯定是分给了超大核心，两颗 X1。
现代的 SoC 都有「干完活立刻闲下来/睡觉」的机制，所以面对短时重负载任务的时候，SoC 更倾向于「赶紧把活干完睡觉」。等到了有长时的中负载任务的时候，双 X1 的场子就找回来了：以高能效比的方式游刃有余地一直跑着（barely tapping the gas with dual X1s），比如打开相机取景、机器学习运算、录制等。放在以前，这种负载可能就要把两颗 A76 累出老命（指的可能是之前 765G 上的 A76，这也是为啥 Pixel 5 和 5a 在录制 4K 的时候会过热），现在 Pixel 6 就随便录制也不会感觉明显过热。
但其实这种说法依旧不能说服我：A77、A78 相比 A76 在细节上都有不少改进，可以理解为更加高效的核心结构，想要节省出「散热配额」无论是降频还是其他手段，A78、A77 都可以比 A76 做得更加优秀。这里一直无法解开的疑问就是：为什么中核心是 A76？
以我个人对 Google 的了解，给出两种猜测：
- 核心面积不够，塞不下 A78，只能塞 A76。
- 第二种猜测我觉得更为靠谱一些：A76 是 Google 的老朋友了，调教起来可以直接利用之前的经验。Pixel 4a 所搭载的 730G，Pixel 4a 5G、Pixel 5、Pixel 5a 所用的 765G，这广泛利用的两款 SoC 都是搭载了两颗 A76 核心。
另外针对大家都在用的 1+3+4 ，Google 的态度就比较鲜明：光想要好看的单核跑分的话，堆一个超大核的确没啥毛病，但 Google 想要的是日用反应快（responsiveness）、综合能效高的高性能（the most efficient way to get high-performance）。虽然可能每一代芯片的设计都会不一样，但对于 X1 来说，Google 坚信现在这样的 2+2+4 的排布是最合适的。果然脑回路有点不太一样，对于有着多年芯片调教经验的 Google 来说，虽然只是刚刚入门芯片设计，但是对于那些高频和高性能之间的关系、每瓦性能等等都并不陌生。
简单说，和整个公版架构、高通等都在为了营销盲目追求更高的账面单核性能的时候，Google 找三星为 Pixel 6 系列自定义了更适合设备实际使用需求的一代 SoC：Google Tensor。
PS：原文文章里提到说 A76 是去年（last year）的大核心，但我个人认为肯定不是啦，A76 是 18 年发布的，19 年用得比较多，也就是 855 那一代。
「让视频拍摄也能用上我们的图像算法」
这份访谈里面也提到了 Google 对 Tensor 芯片的机器学习芯片性能考量。传统的诸如 华为 或者 Pixel 4 时代的 Google 也考虑使用专门的芯片对机器学习进行加速。Pixel 2 的 PVC 图像加速芯片只用在第三方应用里（这么说我从来就没用过），Google 这次索性就直接「软硬结合」了，也是因为这样，在 Pixel 6 上门跑的机器学习代码根本无法在旧设备上好好施展。
所以 Tensor 到底加速了个什么玩意儿？
从前的 Pixel 有特别牛逼（但不为大陆用户所了解）的 HDR+ 算法，半秒钟就能把 10 帧画面堆叠起来，但是在视频方面就很可怜：性能不够、硬件落后。还记得连续用了好几代的 IMX363 吗？因为芯片性能不够于是也没办法使用算法来改善。这次的 Pixel 6 系列干脆直接都改了得了：传感器改 GN1，HDR+ 视频版本算法 HDR Net 也一起横空出世，同时专门为了这个算法在硬件（ISP，图像信号处理器）上定制了特定的加速器。
就这样，Google Pixel 标志性的成像风格也被带到视频拍摄中去了。
（你也可以这样理解，双 X1 架构主要面对的就是 Pixel 6 的视频拍摄场景，一颗负载太高发热过大不划算，两颗一起低频算，同时拉低了中核心规格来让电让「散热配额」。）
配合这样的算法和图像性能、机器学习性能，Google Tensor 搞了不少活，以「面部去模糊」（Face Unblur）功能来说，当拍照的时候相机取景器检测人脸因为运动而变得模糊的时候，会让 Pixel 6 调动另一颗摄像头一齐拍两张照片，主摄像头还是老一样拍，因为进光量足够而有更少的噪点，超广角镜头就进行更快曝光抓准人脸，然后进行经典的对齐合并（align and merge），这样用户就得到了一张人脸清晰、成像不错的照片。这个技术抓拍熊孩子肯定没啥问题，不知道能不能放到狗狗猫猫呢。
另一个机器学习性能提升的层面是语音识别，据说是 Google 有史以来最先进的语音识别模型（而且本地离线运行），现在会根据上下文内容结合语音暂停，来自动加入逗号或者句号，还能自动通过历史记录或者通讯录内容正确拼写人名。Tensor 芯片甚至只用到了一半的功耗就达成了任务，相比之前更加高效。
也正是因为 Tensor 系列在运行此类任务时的高效，Google 也敢放入更多的花里胡哨人工智能类的功能（Tensor-powered features ），比如实时翻译（live translations），而此前这类功能往往因为耗能太多/不够高效/容易发热而无法落地。如今在 Pixel 6 上，在任何有麦克风按钮的地方，都用到了这套由 Tensor 驱动的离线本地语音模型，连唤起语音助手的热词检测都更准确了。
买吗？
以上都是 Google 芯片部门访谈的时候所提供的细节，实际使用的时候到底热不热、够不够好用、优化和打磨是否到位，这些让每一位用户感受到的综合产品体验，其实更关乎产品，而非这些有点点儿硬核的技术细节。从我个人对 Google 的了解来看，也许技术层面并不弱势（毕竟领先业界几年开始整计算摄影），但在综合产品力方面并非顶流。本篇所聊到的仅仅是一块芯片，并不代表 Pixel 6 系列因此就值得购买。
拓展阅读：
