Google tensor的3dmark预览

谷歌新的pixel6，带来了G78MP20的GPU。在所有人几乎看起来纯离谱的Kirin9000之后，这个规格比较接近的GPU自然对我来说有点兴趣。

我这里引用reddit的测试成绩，和随意的S21U/Mate40Pro，还有POCO X3 GT。因为3dmark wildlife中adreno系列相对于G78的区别比较大，所以我这里只想引用Valhall GPU的结果，其结果包括G77/G78。Wildlife EX和Wildlife的功耗区别我并没有详细的研究，可能前者会内存需求更大功耗略略偏高罢。

在stress test中，会考量设备的降频能力。设备降频之后功耗降低，于是顺便通过耗电量估算功耗。当然，耗电量尤其是短时间测量有较大的误差，所以通过适当的平均处理。

这里，首先你可以对他们的功耗有一个大致的概念：stress test是一个持续时间1200s的测试，这个过程中他们的耗电量，也可以估算出整体大约的平均的功耗。

原始的不同机器的，功耗变化：

可以看到误差比较大（尤其是Mate40pro）。同时可以将他们的功耗并列安排。

可以看到，pixel6总能保持在这里的最低的功耗。持续整机功耗只有4.3W，相比之下其他设备要远高于此。

这就引出pixel6最大的问题了，在这里pixel的功耗最低，但是温度变化并不小，这引出了pixel6机身散热的缺乏。当你引入中国厂商的手机的时候，无论是mate40pro还是小米11都能保持几乎7W的持续功耗，尽管这个功耗在实际根本不可能维持，但是这依旧显示了设备的散热能力的强大。通常可以说三星老是散热不行，那pixel6就是超级散热不行。

根据前面的数据和简单的处理之后，可以得到大约的功耗性能。

可以看到，google tensor这里似乎选择了限制了性能，换取了“相对”的更低的功耗。当然也有可能是散热限制，因为目前还有更高的跑分成绩。似乎跑分和kirin9000一样同散热情况可能有高度相关。而高规模的GPU也换来了更加平坦的性能功耗曲线。

这里，Kirin9000体现出了一种离谱的拉垮，原本这就引出来GPU的总线带宽有没有限制了大规模GPU scale up的问题。在这里我简单的把Tensor进行scale dowm到MP14，与E2100的G78MP14对比。

我也不知道怎么说吧，可能是后期的工艺体质更好了。（

反正我就简单弄弄，图一乐。