Google Tensor G5 Çuvalladı: 3nm Bile Kurtaramadı

Google’ın son amiral gemisi çipi Tensor G5, kullanıcı beklentilerini karşılayamıyor. Teknoloji meraklıları ve kullanıcılar, çipin hızlı ısınma ve performans düşüşü (throttling) eğiliminden şikayetçi. Oyun performansını ciddi şekilde etkileyen bu sorunların kaynağında ise Google’ın çip mimarisine uyguladığı, parçaları bir araya getirme (parça parça) yaklaşımı yatıyor olabilir.

TSMC’nin verimlilik ve performans sunan 3nm düğümünde üretilen Tensor G5, sekiz çekirdekli bir CPU’ya sahip. Ancak detaylar, sorunun nerede olabileceğini gösteriyor:

• CPU: 1 adet yüksek performanslı (3,78 GHz Cortex-X4), 5 adet orta performanslı (3,05 GHz Cortex-A725) ve 2 adet verimlilik (2,25 GHz Cortex-A520) çekirdeği kullanılıyor.
• GPU: Işın izleme desteği olmayan, 1,10 GHz hızında çalışan Imagination IMG DXT-48-1536 GPU entegre edilmiş durumda.
• Diğer Bileşenler: Yapay zeka iş yükleri için beşinci nesil TPU ve bir Samsung Exynos 5G modem de çipin içinde yer alıyor.

Eleştirmenlere göre, Google’ın hazır (stock) Arm Cortex CPU çekirdeklerini kullanması, temel sorunlardan biri. Bu çekirdekler, rakip Qualcomm’un Snapdragon 8 Elite Gen 5 işlemcisindeki özel Oryon CPU çekirdeklerine kıyasla Pixel cihazlar için yeterince derinlemesine optimize edilmemiş. Qualcomm, ana çekirdekte 4.60 GHz gibi çok daha yüksek bir saat hızı ve 12 MB gibi cömert L2 önbellekler kullanarak performans kıyaslamalarında Tensor G5’i kolaylıkla geride bırakıyor.

Bazıları yavaşlama eğilimini ARM Mali GPU’dan yeni Imagination GPU’ya geçişe bağlasa da, bu durum tüm resmi açıklamıyor. Zira Tensor G5, GPU yerine CPU’ya daha fazla yük bindiren PlayStation 2 emülasyonu gibi senaryolarda bile yavaşlama gösteriyor. Bu, CPU ve genel sistem optimizasyonlarının eksik olduğunu güçlü bir şekilde işaret ediyor.

GPU tarafında da Google, Imagination ile yakın çalışsa bile, temel sürücü güncellemeleri ve donanıma özgü kodlar için hala Imagination’a bağımlı durumda. Bu, temel optimizasyonlar üzerinde kontrol eksikliği anlamına geliyor.

Uzmanlar, Google’ın çip tasarım stratejisini “hazır bir takım elbise alıp birkaç prova için para ödemeye” benzetiyor. Çip, TPU gibi yenilikçi yapay zeka unsurları barındırsa da, maliyetleri önceliklendiren bu strateji, ham performans açısından rakiplerinin gerisinde kalmasına neden oluyor. Google, özel çekirdekler ve derinlemesine optimizasyonlar yerine maliyeti düşük tutmaya devam ettiği sürece, amiral gemisi performansı sunma konusunda zorlanmaya devam edecek gibi görünüyor.