比GPU更強的TPU？Google Tensor 處理器是什麼？厲害在哪？Pixel 7 Pro 跑分差 Google 憑什麼喜孜孜！

AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►lihi1.me/NEU6Y
►► 記得開啟CC字幕，觀看體驗更佳
勘誤：
11:17 AlphaStar 跟AlphaFold 是DeepMind 研發，Google 與 DeepMind 非同家公司，感謝網友指正
00:00 Pixel 手機跑分效能不重要？
00:40 打開 Google Tensor 一探究竟
01:34 TPU、CPU、GPU 傻傻分不清？
04:10 狂開產線的 GPU 提升處理效率
06:20 「礦工」挖礦、人臉辨識就靠 GPU
08:40 TPU 卷積神經網路分工合作更快速
10:05 AlphaGo 以 TPU 出「棋」制勝
11:44 你所熟悉的 Google 也用上 TPU
// 延伸閱讀 //
噔噔愣噔愣～縮小術！用光學微影把 IC 晶片變小了
pansci.asia/archives/353519
從圖靈機到人工智慧，沒有「數學」怎能召喚電腦降世！pansci.asia/archives/133131
人工智慧的「黑箱作業」，類神經網路如何將生物分類的？pansci.asia/archives/163315
// 參考資料//
CUDA 總複習：回顧 GPU 運算的起源
blogs.nvidia.com.tw/2020/10/2...
What is a Tensor Processing Unit (TPU) and how does it work?
towardsdatascience.com/what-i...
What are Tensor Processing Units (TPUs) ?
codelabs.developers.google.co...
Google’s AI Processor’s (TPU) Heart Throbbing Inspiration
/ googles-ai-processor-i...
Made by Google '22
• Made by Google '22
// 製作團隊 //
主持：泛科知識 #鄭國威知識長
企劃：王喆宣
腳本：謝富丞
剪輯：蘇庭緯
想和我們有更多互動嗎？加入會員 ► lihi1.com/BWeoe

[@PanScitw]

AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►lihi1.me/NEU6Y

[@changtimwu]

本期內容很棒。1. 雲端TPU 跟手機TPU是兩顆不一樣的東東 2. Google 今年有為TPUv4 發表技術論文, 通篇不敢跟 NV 旗艦H100對標 3. 第一代edgeTPU 是走 PCI-E, 可搭配任何主機, 當年發表完就直接就爛尾, 後面都封閉在自家手機用.

[@54870498]

其實我比較想知道google colab上選TPU及GPU速度會差多少, 不過不知道要用什麼測試標的

[@murraygdccp]

好厲害，謝謝您們將最新技術用簡單易懂的方式做傳播普及

[@z3lut7b]

好深入淺出的內容，感謝

[@yoasony]

B,D這些部分比起影像處理會更直接的影響到行動裝置上的體驗，不可否認影像處理的成果提升了許多，但對於一台手機而言若是能夠透過人工智能的算法去優化一般使用者常用的系統功能，使用上的效率會更高且頻繁，這類的運算應用在系統本身應該更實用，例如透過算法觀察使用者習慣後，直接修改系統本身的設定或程式碼去對單一的使用者做最佳化，例如：觀察某個應用程式的啟動錯誤後透過算法直接修復、觀察背景運作的程序以及依據實際的使用率重複對比後嘗試關閉高耗能低使用率的程序、透過與Google助理的談話去對系統的使用邏輯或細節做修改，讓手機可以透過算法的模擬去使用一些裝置本身未提供或支援的功能。但我猜這種做法會讓Android的穩定性有大幅度波動所以Google 只敢對單一的功能做優化，最後就看Google對該領域在未來應用的佈局了，若未來Google仍是該領域普及程度最高的服務那麼Tensor晶片等谷歌產品在未來會擁有比起蘋果或其他廠商更好的適應性。

[@MC0825]

细节和信息满满，看完很有收获

[@user-lp2kr7nk1i]

GOOGLE果然是google，行銷預算不是要強調自己狂的夜拍還是去路人功能，而是要科學一下

[@louislouis117228]

作為一個資工所研究計算存儲系統的研究生，我不會買單 google 這樣的說法。 影片中也提到了：TPU 是為了五年後的未來大量機器學習的需求而使用的，傳統跑分系統無法計算這方面的能力，但現在手機很少用超過五年了。也就是說，我現在要買要用的手機，仍然適用於傳統跑分系統測量到的計算能力，誰在跟你 google 討論五年後怎麼樣...講直白一點，那我五年後如果真的手機有需要大量運算機器學習的能力，到時候再買你 google 就好了。 我猜測就是 google 認為五年後大家買手機也會考量機器學習的運算能力了，到時候他們早就已經發展出比別家廠商更成熟的 TPU 架構。所以他們認為現在使用者就算不買單，五年後使用者買單，他們可以賺到更多的錢。於是他們就把研發單位的主力放在 TPU 上，然後 CPU、Memory 等等相關的運算能力就沒有多少人去開發了，結果就連別家廠商去年的運算能力都比不上。再來為了讓消費者跟股東們還是覺得 google 好棒棒，所以就找人出來解釋說是出於機器學習的考量 blah blah blah

[@user-SRTP]

但其實很多跑分高的效能在實際使用上根本都是溢出的，也就是說多數人使用手機根本用不到那麼多的效能，與其要這麼多的效能不如多要點電池容量??

[@capture901015]

@@user-SRTP 的確很多手機效能溢出，但有沒有多餘也是看各人如何使用 但pixel是連遊刃有餘都差強人意 你想增加電量不就是承認pixel 耗電的事實？ 但怎麼辦，pixel電量沒人家多，機身就比別家厚，然後連快充都還在挑三揀四快不起來 最有感的輸別人，最努力發展（宣傳）的TPU反而剛上軌道 請問一下效能多餘的是誰🤪

[@capture901015]

@@user-SRTP 看吧，戳破事實開始跳針 谷粉要不要這麼可悲啦🤣🤣🤣🤣

[@user-SRTP]

@@capture901015 發言根個屁孩似的.....都讓我想到小粉紅5毛....根本一個樣.....

[@capture901015]

@@user-SRTP 哈哈哈小粉紅最會自我催眠，看看你多可悲，自我催眠又不能接受指正，好粉紅呢❤️

[@mimicqneb]

張量：零階就是純量，一階是向量，二階是矩陣，對應CPU GPU TPU

[@user-iw2pb7kq4e]

好奇問有三階的嗎？

[@hopiechiu9538]

矩陣堆疊就是三階

[@samson1357924]

@@user-iw2pb7kq4e 有，Tensor就包含N階，或者說矩陣跟向量本身可以認為是同義詞 狹義的向量是一維向量，2維向量是矩陣，還有3維到N維的向量

[@F1ve-seveN]

這樣講稍微有不準確的地方。CPU中也是有能夠高效處理矩陣的單元喔，像是x86架構中的AVX指令集或是ARM的NEON就是拿來做矩陣運算的。現在我們日常能接觸到的CPU大多都有非常完整的功能，也都自帶各種有的沒的加速單元，只是規模較小，換個說法就是CPU樣樣都行但是樣樣都不精。

[@TaiwanNationStatusQuo]

@@F1ve-seveN 范紐曼的模型就是讀寫頭讀無限長度純量的紙帶，cpu的PC(program counter)的移動去存取實際的記憶體內容就是這種模型的實現。至於某些cpu指令可處理矩陣仍是在這模型上的變化。

[@zwdavezhang6408]

謝謝鄭老師講解，學習了！

[@TsengX]

講的真好，深入又易懂。

[@tdw159]

這部片讓我學到最大的收穫就是以前學電腦時還沒出現的TPU

[@mobadubaba]

哇，非常清楚，語調速度超棒，超喜歡這部影片

[@user-mc8mq1ym1h]

非常感謝，解釋的非常清楚易懂

[@music105]

感謝泛科學分享影片！

[@hans00]

再簡單來說，CPU 跟 GPU 的每個 core 都是一個工作站 (一次只從工具庫中拿出一種工具、做一件事)，而 TPU/NPU 則是流水線 (持續的做同樣的事) 所以主要減少的是大量的指令往返的時間

[@samson1357924]

感覺怪怪的?! 在我的理解，GPU主要工作跟TPU很像吧!都是在做向量(矩陣)運算，或者說水平運算 我覺得CPU比較像是流水線ㄟ~GPU、TPU擅長的是同時大量的平行運算

[@kevinluo8590]

兩者都是流水線，但同一個時鐘週期內，cpu只能處理單個資料，gpu則可以同時處理多個資料

[@hans00]

@@samson1357924 也確實有些 CPU 架構是 pipeline 的運作模式 (像是 MIPS 一般主流 CPU 還是 SISD 的方法，只是多加指令 (SSE/AVX) 去支援 SIMD 或偷吃步的拿沒用到的資源預先計算下一個指令的結果 GPU SIMD/MIMD 在資源調度上還是有可能會有閒置的部分 (沒用到的指令 而 TPU/NPU 則是把最常用的矩陣計算、activation 的 workflow 固定下來，所以過程中不能有 if else 這種分支計算，硬要的話需要把資料拉回 CPU 再做

[@samson1357924]

@@hans00 大概了解，有一部分是我對於流水線的認知有偏差，不過現在主流的CPU (Intel、AMD、ARM公版、Apple等等)也都已經有分支預測 不過我還是覺得GPU、TPU/NPU 比較像是同時做很多簡單的且一樣工作，而不是持續的做相同的事情

[@jimmylegion1]

講得很讚！！！學到很多！！！

[@haochang1369]

很棒的資料!!! 內容充滿知識!!

[@ymh1021]

謝謝鄭董分享

[@hudsonvan4322]

這集介紹得很好 手機當然就是又快又省電囉 最好可以回到以往一個月充電一次更好

[@user-po6wh9ql7s]

今年中在PChome買了Samsung S22 受不了手機過熱退貨了 因此我對於Samsung生產的晶片會有疑慮 5奈米晶片都已經做不好何況4奈米制程 所以我覺得Google Pixel至少是使用台積電晶片代工我才會考慮購買

[@gr33nway]

真的這麼熱🎉

[@samson1357924]

CPU是通才，能夠處裡幾乎所有場景的運算，但本身(可以但)並"不擅長"大量平行(向量/矩陣)運算(但有像是x86支援AVX-512的處理器這類含有專門為平行運算設計的運算單元例外) GPU是偏才，擅長圖形方面的平行運算/渲染 TPU/NPU也是偏才，擅長AI、語音辨識...等被設計用途的運算

[@mjk7530]

通俗易懂的解釋

[@chenenjoytheluxury2668]

老實說我覺得AVX512根本就是來亂的，感覺就像一個通才硬要去做專門的事，結果導致效率低下，還算不過專門的顯卡。有點不太懂他的市場在哪

[@samson1357924]

@@chenenjoytheluxury2668 畢竟其實當初是設計給GPU的~XD 救我的理解，他主要是提供給需要輕度矩陣運算的伺服器使用 因為多數的伺服器還是只有配CPU，比較少會特地配GPU給他，而且伺服器通常需要的向量運算需求也不會太高(高的都搭配GPU/NPU了~XD 至於為啥消費級的產品為啥還要，我就不知道了XDD；特別是12/13代的大核...

[@enilffo1509]

個人是讀資訊相關的，很喜歡影片當中講述當代電腦，以圖靈機、馮紐曼架構那部分，講述的很詳細，期待有相關電腦、架構之類的科普影片。

[@PanScitw]

謝謝！我們會繼續借題發揮

[@josephahtien]

很感謝這麼清楚的說明

[@user-ne6uq1qd4c]

說的簡單易懂容易理解👏

[@a989857]

好棒的內容

[@user-ly7cu2li6u]

我從來沒想過在微處理機中學到的東西，會在這裡再看到一次。

[@chiketlin]

要更正一下，獨立顯示卡是很早就有了。一開始PC就需要一張獨立的顯示卡才能運作，反倒是主機板上整合顯卡功能是後來才有的。早期顯示卡的發展主要隨著顯示器規格成長而跟著發展，接著是輔助CPU的加速(先2D後3D)功能，這才導致GPU的問世。

[@user-im7vd5rp1r]

感謝分享

[@a2011521]

換個說法現在買還太早了 懂了謝謝

[@Bear.Research]

而TPU中核心的概念Systolic Array就是台灣清華數學畢業的校友孔祥重教授發明的！

[@user-hp6sd4ds5j]

坐等詳細評測

[@PanScitw]

喔？會希望我們做評測嗎？

[@user-hp6sd4ds5j]

@@PanScitw 之前就有軟體宣稱用ai算法讓照片更清晰，雖然有效，但效果跟宣傳的差很多，如果這次google的ai在照片處理方面很強大，確實會是個賣點，而他在傳統跑分項目的貧弱表現，是否導致無法玩原神這類高負載的遊戲的硬傷也很值得關注，再來就是充電速度、續行時間、螢幕顯示效果、喇叭音效、指紋辨識....

[@rouerslabs]

非常准确的内容科普1

[@truthjustice8886]

回想35年前，我接觸的電腦還是用16-bit CPU。經過這一段時間的發展，現在手機的CPU已經比那時的PC強幾千倍，而且還多了的AI 專屬處理器。隨著AI 的演進，再過10年可能一台手機會像老朋友一樣跟你談天說地。

[@Wilsonphenmooneter]

大量資料訓練應該發生在資料庫，也就是server端

[@user-vg8ee1kn7v]

當時手機電腦性能天差地遠，現在已經越來越接近了，時代真的在進步

[@Lihouyi]

我觉得人工智能按照现在的技术 很难实现。别说十年 再35年 也不行。现在的方向有问题。

[@bi-hoo]

@@Lihouyi 演算法應該是會越來越進步的 ， 也許收集到手機用戶的問題會回饋到總部，也許透過超級電腦找到解決方案 ， 不斷良性循環下 ……………… 　絕對會比過去更快進步 ， 而且有可能會有爆炸性的成長 ， 其實是不太需要太悲觀的 。

[@bi-hoo]

其實總有一天 ， AI 一定會超越人類大腦 ， 而且應該是不會有錯誤的 ， 當然那是時間問題啦 ， 你去看 蘋果 微軟 谷歌 已經是全世界前幾大市值的公司了 ， 而且未來他們市值只會越來越高 ， 全人類未來都掌握在他們幾家公司手上 。

[@carltonchu1]

內文有誤。AlphaStar 跟AlphaFold 是DeepMind 研發的,不是Google. 我們是兄弟,但是不是同一家公司。

[@PanScitw]

感謝，抱歉用詞不夠精準。會註記在資訊欄。

[@user-lt7lb4ce7b]

目前都是Alphabet 子公司。 當年確實是被Google 收購的啊。

[@ErrorFour]

@@user-lt7lb4ce7b 我們是兄弟,但是不是同一家公司

[@ylk74915]

@@user-lt7lb4ce7b 你說得的確不對 雖然同屬一個控股公司旗下 但是的確不是同一家公司 Alphabet 雖然是谷歌拆分出去的控股公司 但是她不是谷歌 所以他掌握的DeepMind 就不是谷歌內部公司 嚴格來說只能說在同一個集團而已吧 的確也叫兄弟

[@evanchiang3503]

@@user-lt7lb4ce7b 你要不要先去了解一下公司架構

[@leelee7803]

小弟我受教了， 感謝泛科學！

[@歸虛]

我記得X86系列的IBM PC 這種結構被稱為儲存位址(記憶體)主導的結構 而另一線路是6502 APPLE所走的是繪圖主導的結構 這一點不曉得有沒有記錯。

[@PeterTheVoyager]

看這集冒出一個想法是:要是台灣團隊開發一個algo讓綠幕自動去背功能分辨眼鏡反光，不要把一部分人臉也去掉會很棒哈哈

[@PanScitw]

這真是蠻困擾...

[@johnchen6783]

跑分可能不重要，但不要燙手啊，谷哥慎選晶片代工廠啊

[@YCnull]

跑分或許不重要 但不要這麼耗電好不好～

[@benchouchc7]

笑死 花今年的錢買四年前的能耗

[@vincentlin78]

不是不知道，只是難辦到。以Pixel目前的量很難拿到TSMC的產能，即使拿到也會比Apple, Qcom, MTK的報價高不少。 Google很有錢沒錯，但這筆投資很可能沒有相對回報，換TSMC代工不保證銷售量提升，成本也更高，搞不好最後是虧更多。

[@YCnull]

基本上用exynos下去客製化的，不可能去找GG代工 當然這也只是第二代的SoC，其他家都先跑多少年了 雖然知道google是後起步，差強人意是合情合理， 但畢竟還是有些期待，畢竟當初Pixel 的夜拍 真的太神

[@vincentlin78]

@@YCnull Right. Google不像有些IC設計公司，早已經有跟不同代工廠合作的經驗，且大部分IP是自己的，才有辦法幾乎無縫在不同代工廠切換，甚至讓同款晶片同時發給不同代工廠，後段是兩組人在run。

[@chenangel8408]

謝謝!

[@simonyen]

這個頻道真優質👍👍👍

[@PanScitw]

感謝

[@tomchiang]

輝達的GPU顯片中也是有Tensor部分，主要是如果只有Tensor結構那市場真的不大，尤其是消費市場是不可能單用Tensor張量處理可以滿足，谷歌之前已經試過銷售水溫

[@風遁菴語婕]

也有注🎉意到這隻手機❤

[@pannadchen1210]

超棒

[@user-to9ls8sw1x]

請問TPU 和 ThinkMachine 和 IMS T800 有何不同？

[@user-dv9hk2qg7m]

計算RGB那邊的是2^24來表示顏色

[@user-zc4de8us8g]

這集實在是太有料ㄌ

[@user-hj5md2oe8s]

干货

[@qingfeng738]

工厂的比喻非常好

[@daievan1676]

作为从nexus系列就开始使用goofle手机的pixel6 pro用户，其实手机对我来说，和对游戏主机一样，硬件是为了软件服务。如果没有合适的软件服务配合，那么无论怎么强大的芯片都只是一只电老虎而已。拍照处理只是一种表现方式，个人认为软硬结合更好的实现功能通常来说都是同步进化的。一般情况下不太会有某一项特别优秀，其他特别差的情况发生。

[@linl4956]

在这方面iPhone就做的最出色了。

[@steventsai7597]

謝謝！

[@PanScitw]

謝謝你

[@ranran6419]

可不可以可以理解为现在处理器在运算速度上已经性能过剩了？所以才开始重点增加特定情景的运算性能？

[@welchchen]

我是Pixel 7Pro 用戶，過去10多年都是三星旗艦機用戶，感謝泛科學提供科普知識，讓我更確信Google這款手機的黑科技實實在在契合當前需求。到目前為止，使用滿意。

[@user-bq3cb8nt8t]

好奇想請問在使用上與一般手機的差別大嗎？或者有哪些部分特別有感？

[@mick00614]

對我來說就是晶片不是台積電的缺點了

[@gogolo]

@@user-bq3cb8nt8t 我也覺得應該強強聯手

[@mimicqneb]

Pixel6/7真的除了AI包含軟體與Google Assistant，之外硬體CPU與GPU(從三星來的)都不行，續航也不是很好，還容易發熱，玩電動真的不適合發熱掉電又快，除了照相排得上前幾名（也算是AI發展後增進很多），和整合的Google Assistant夠強，大概就這樣而已😂，不過我從Pixel 3（第一支夜拍手機，台灣第一支Google手機）就開始用了，Pixel 6/6 Pro、7，統一有一個缺點，都容易過熱😂，硬體設計真的不是Google長項😂

[@vincentlin78]

首先，找三星代工就要認命，發熱是家常。

[@rainforest_lin]

Pixel 7 沒 6 那麼容易熱喔😇

[@user-ql7cc6vq6c]

@@rainforest_lin 我之前去摸過展示機，真的會熱

[@kaihsiangju]

@@user-ql7cc6vq6c 不會喔 我自己使用這段期間沒什麼熱 展間的都不太準 會比較熱

[@user-ql7cc6vq6c]

@@kaihsiangju 展間的可能不準但同樣是展示機就他和8gen1是最熱的，而且你可能沒有玩比較吃資源的遊戲，不然真的會蠻熱的

[@歸虛]

不知道以後的時代 會定義哪一年是AI元年~~~ 後面X86系統 CPU跟GPU都會有AI。 這將使AI被個人運用的場景更加豐富 更加多元 越切入人類生活方方面面。 相反的操控介面很需要改進 滑鼠需要大改進 例如像捍衛機密的手套

[@ntr1381]

D，所以我選擇內部有大尺寸均熱板的手機

[@null79856]

5:53 說這是第一張顯卡好像怪怪的😅

[@kentak3950]

集各種優勢於一,前進的方向

[@Desert-Storm]

可以即時口譯的晶片 並且從對方表情 語速 語調 來判斷是不是講真話 OR暗示

[@nzcym]

當然是防摔防水，易修易換，方便升級，電池容量超大，不要在關鍵時刻沒有電。很少人會用手機取代桌上電腦，也不會幻想用手機取代單眼相機；與其樣樣通樣樣鬆，不如崇實務本扮演好手機通信中心之一的本業。

[@user-fs5bz9rw6u]

現在辦不到 不代表將來不行 這就是科學演進

[@jimchen1551]

你已經快把計算機組織講完了XD

[@user-nf4mv5pv9u]

nv之前就有各種圖形處理器 只是功能較為專一 並非nv發明圖形處理器 也絕非第一個 voodoo 還有各種當時的遊戲主機 都遠早於256

[@user-nq8qs1yw1r]

最專業的分析，那些只看相機看了就搖頭

[@bi-hoo]

演算法應該是會越來越進步的 ， 也許收集到手機用戶的問題會回饋到總部，也許透過超級電腦找到解決方案 ， 不斷良性循環下 ……………… 　絕對會比過去更快進步 ， 而且有可能會有爆炸性的成長 ， 其實是不太需要太悲觀的 。 其實總有一天 ， AI 一定會超越人類大腦 ， 而且應該是不會有錯誤的 ， 當然那是時間問題啦 ， 你去看 蘋果 微軟 谷歌 已經是全世界前幾大市值的公司了 ， 而且未來他們市值只會越來越高 ， 全人類未來都掌握在他們幾家公司手上 。

[@katehuangc.h.7892]

聽到中文的圖靈機介紹好感謝，之前聽了很多遍圖靈原文介紹，一開始數的世界還算輕鬆，到了圖靈總是「到底聽到了什麼😂」為結尾

[@PanScitw]

如果對圖靈機有興趣，之後我們再做一集專門談

[@yehchungjung02]

GPU運算能力跟螢幕顯示效能有很大關係不是嗎？圖形或像素不是都要靠GPU處理嗎？

[@user-px4gc8bc6t]

以目前手機晶片的速度來說，不要過熱和省電我就很滿意了。所以製程當然選台積電

[@bi-hoo]

其實手機進步的很快 ， 我還記得十年前的手機還卡卡的很難用 ， 現在的平價手機已經超越當時的旗艦機很多倍了 ， 而再過十年一定是更進步的 。

[@yes78568]

@@bi-hoo 時空背景不同肯定是超越的 想當年台灣也有Pc王國稱號，然後看看現在的光華商城......

[@user-px4gc8bc6t]

@@bi-hoo 知道摩爾定律的話就明白這件事一點也不需要驚訝，對科技業來說，十年是非常長的時間

[@Totoro-beer]

⁠@@yes78568光華跟西門町一樣，不是衰退是消費習慣在改變，別說買零件可以網購，連保固都不用出門或是到商家就能完成送修了，油水可能變薄了但是吃到油水的人也多了不少

[@fermikimo]

現在的手機晶片裡，都有 AI 處理器啊！高通，聯發科晶片都有 CPU, GPU, APU ( Google 的 TPU ). 比較是 Google 的晶片設計還需要磨練磨練吧！

[@brlin]

問題是他們哪邊有用上 AI 處理器啊，希望有實際的功能對比

[@rouerslabs]

超异构系统是未来趋势，客户端算力相对弱化了。云计算和人工智能是主流

[@super2458]

需要一个ai助手 只要打字或者语音交互 ai就会帮你处理。对老人也很有帮助。

[@user-ei5el6ib3c]

從nokia 3210的時代一直用到現在智慧型手機，從未遇過手機用到一半行動網路斷線，但Pixel 6讓我體驗到了！

[@samson1357924]

那你肯定沒有用過Intel基帶的iPhone 自己的體驗，三星基帶的確稍遜於高通，但還是遠勝Intel 另外如果你是亞太，我只能說它舊版本對亞太的優化特別爛（最近好多了），之前動不動就降為中華3G...中華3G訊號太好了

[@albycyw]

我是在三星的電話上體驗到的。

[@maochiou2698]

也有可能是基地台的問題，只能說你待的地方訊號很好

[@user-ei5el6ib3c]

@@maochiou2698 訊號確實很好，因為頂樓就有一支中華電信的基地台

[@user-fi2ty4bm2n]

恩 所以這張晶片可以讓我在PIXEL上訓練模型的概念嗎？

[@jy9654]

會想買一個下圍棋營世界冠軍的晶片當手機晶片嗎，我肯定還是會買運算快的......

[@pbs0083]

傳統跑分 對遊戲玩家還是需要的... 不同廠商所謂的優化 在實際遊戲表現時 結果還是理論跑分的結果參考性更高 ....同樣安卓環境下 30000分的手機的遊戲表現還是大於20000萬分旦號稱優化好的手機... 我自己就是用跑分高的非名牌低價位手機 跑遊戲的性能跟 HTC旗艦機非常接近

[@dustsword]

其實C跟B有點接近，GG製程撇除良率外最大優勢就在溫度跟功耗上的控制...架構沒變的8g1從星星星換成GG後表現跟兩顆不同世代soc一樣

[@whitesolaYT]

還以為是架構問題 結果根本三星要背最大的鍋

[@rzlnie]

UFS 3.1各个容量版本之间差距AUD 150，不知道google的NAND是不是钻石做得。

[@j22222222299]

Tensor 的問題是他用三星製程, 之前用過pixel 真的很快沒電又很燙

[@ShiTingHuang]

B，希望維持運算時還能有出色的省電～

[@hanchung79]

先講求不傷身體，再講療效（誤 晶片設計再強，若沒有好的製程 導致發熱量大以及耗電，甚至降頻 這樣使用體驗也不會多好

[@amia0328]

5:51 其實Geforce 265還不算是第一張正式的GPU 他還是被歸類在2D圖形加速卡中 主要是來輔助當時的CPU來生成三角形

[@chenenjoytheluxury2668]

當時256應該已經有2D+3D的功能了，這段有問題的地方是在256之前就有顯卡了，只是256推出當下NV定義了GPU需要能做T&L。但若只是做圖形計算而沒做座標轉換的話256不能說是第一個。

[@leonpano]

我建議你去看一下即刻灣的影片 那邊講得很完整

[@hidden1test]

這樣TPU就是我有大量低階勞工的感覺，某些任務就是人多力量大，三個臭皮匠勝過一個諸葛亮

[@peterkan88]

Google手機很不錯啊，冬天還可以當暖暖包，真是貼心.

[@user-zg7xf6ix6q]

讓我要下手Pixel 7a來玩玩了，期待近年能台積電製程，就穩定而言，因成本貴些，我還是會入手Google旗艦機。

[@天下為公1911]

可以耗電量高，發熱大這兩點依舊是很大的問題。。。說是有所改善，但對比競品還差很遠

[@gogolo]

就三星製程

[@minzne891]

我只考虑打游戏，哪个速度更快

[@foxjojo]

C . 使用台積電製程，就同時解決其他問題。 😄

[@asddnbn]

現階段Google還需要更多時間發展 期待3年內能有一個不錯的成果

[@galinamakarova6651]

🫡

[@maochiou2698]

請問各大討論區都有人刷暖暖包是真的還是假的? 求解答

[@bing_hsiuchung5465]

我怎麼現在才發現這個優質頻道

[@ae86409888]

其實只要不玩遊戲 中階機都是很夠用的... 日常生活最有感的差異基本上還是 拍照 充電 使用體驗 這些地方

[@jjter6793]

真的要玩遊戲還是使用平板，散熱、效能都能完全伸展！

[@GSpace_e]

是的

[@user-df7vk7tn6m]

​@@jjter6793求推薦

[@Zepsilful]

預購時就買了pixel 7 pro, 挺爽的

[@momentmove3726]

我有google手機，影像處理確實非常強。鏡頭很普通但就是能生成優秀的照片。而且從外部匯入google相簿的照片都能處理。 但......google自己的手機系統居然在基本的功能上有缺陷。例如手機來電這種基本功能頁會被其他app顯示頁蓋掉無法直接接聽。AI很重要但基本盤也要顧。

[@Multi12312313]

S835 6G RAM 128G ROM，藍芽5.0， LDAC，3.5MM耳機接口且有 ESS HiFi QuadDAC，廣角鏡頭，雷射對焦，日常使用，不玩遊戲，沒有水滴、挖孔、劉海，可以插記憶卡1TB，2K螢幕，AOD完整功能，我已經找到了， LG V30S ，現役順暢使用中，ANDROID 9 用到YT不支援為止。

[@zelinchen9351]

可惜LG不做手機了，不然一隻V系列就可以代替掉很多東西。最主要還是那組DAC。

[@paulzx]

TPU也有跑分软件，比如PS

[@leejoneshane]

現在流行的chatGPT，是純用輝達的GPU，沒有用到 CPU和 TPU，也就是說如何優化 AI 運算的重點，不在你用什麼U，而是整體計算架構的問題！

[@kevinyang4539]

Cool

[@Weng-window]

竟然拿到谷歌手机！？ 以前传闻的DIY配件手机怎么了？ 谷歌有透露未来几年的战略方向吗？ 关于abcd的老问题， 我想要的是『养老ai』和学习后的私人资讯管理权！ 要对现实有认知如『医疗、法律、物件、生命、语言』， 处理优先顺序可以自定义……

[@Koycloud]

geforce 256怎么可能是第一张显卡。凭我说知在它之前nvidia就有Tnt2,Tnt。在此之前还有voodoo卡。

[@yi0105]

Pixel 7最近廣告打超兇

[@JackJhou]

ABC都重要 期待GOOGLE TENSOR G2晶片採用台積電!!!