Im Made by Google-Podcast dieser Woche ist Tensor G2 das Diskussionsthema, und das neuste Folge gibt uns zusammen mit den Benchmarks einen Gesamteinblick in die Herangehensweise von Google an diese Chips.
Google gibt offen zu, dass KI-gestützte Funktionalität für Pixel-Telefone wichtiger ist als Hardware-Fähigkeiten, und das Unternehmen ist mit den Ergebnissen zufrieden
Monika Gupta arbeitet als Senior Director of Product Management für Google Silicon Teams und muss sich „auf das konzentrieren, was [Google] brauchen[s] in fünf Jahren” für seine Chips. Das Interview konzentrierte sich darauf, wie dieser interne Ansatz für Chips das Siliziumteam in Zusammenarbeit mit den KI-Forschern von Google einbezieht, um “genau zu wissen, wo sich Modelle für maschinelles Lernen in fünf Jahren entwickeln”.
Ich treffe keine Entscheidungen basierend darauf, wo maschinelles Lernen heute steht, und das kann ich sagen, weil ich bei Google arbeite. Das Gleiche gilt für die Software, die unser Softwareteam erstellt. Ich weiß, wohin das Softwareteam die Benutzererfahrungen in fünf Jahren bringen will. Das ist der Vorteil, kein kommerzieller Siliziumlieferant zu sein, sondern ein interner Siliziumlieferant. Diese Kompromissentscheidungen sind also sehr schwierig, aber ich denke, sie werden etwas einfacher, wenn Sie vertikal integriert sind.
Darüber hinaus enthielt der Podcast auch einen Abschnitt über die Meinung des Tensor-Teams zu Benchmarks und darauf, worauf sich Pixel-Telefone stattdessen konzentrieren.
Ich denke, dass klassische Benchmarks irgendwann einmal einen Zweck erfüllt haben, aber ich denke, dass sich die Branche seitdem weiterentwickelt hat. Und wenn Sie sich ansehen, was Google versucht, indem es KI-Innovationen in ein Smartphone bringt, weil wir der Meinung sind, dass dies der Ansatz ist, der hilfreiche Erfahrungen wie einige der gerade erwähnten liefern wird, wurden klassische Benchmarks in einer Zeit verfasst, in der KI und Telefone gab es noch nicht einmal.
Sie erzählen vielleicht eine Geschichte, aber wir haben nicht das Gefühl, dass sie die ganze Geschichte erzählen. Was wir also für uns bewerten, sind die tatsächlichen Software-Workloads, die wir auf unserem Chip ausführen, und dann streben wir mit jeder Generation von Tensor-Chips danach, sie besser zu machen, sei es in Bezug auf bessere Qualität, bessere Leistung oder geringeren Stromverbrauch.
Google hat gesagt, dass es “vollkommen bequem” ist, die Benchmarks nicht zu gewinnen oder anzuführen, da es sich auf die Priorisierung der Endbenutzererfahrung konzentriert, die aus den Chip-Entscheidungen des Unternehmens stammt.
Wie bei Pixel 6 und Pixel 7 können Sie all die erstaunlichen Innovationen sehen, die wir gelandet haben, und viele davon waren wie die ersten auf Pixel. Wir sind also sehr zufrieden mit diesem Ansatz.
Unnötig zu erwähnen, dass dieser Ansatz deutlich zeigt, dass Google künstliche Intelligenz mehr wertschätzt als rohe Hardware-Fähigkeiten, und es wäre interessant zu sehen, wie sich diese Philosophie entwickelt. Werden wir einen Tag erleben, an dem Tensor-Chipsätze endlich mit Apple und Samsung mithalten können?
Gupta wurde auch nach der Silizium-Roadmap gefragt, und sie sprach darüber, wie das Ziel darin besteht, sicherzustellen, dass Tensor Ambient Computing unterstützt.
…die Gesamtvision für uns und die Tensor-Familie dreht sich wirklich nur um Ambient Computing. Ambient Computing bedeutet, dass die Technologie Ihr Leben einfacher macht. Ich denke, wir haben viele Beweise dafür, über die wir heute gesprochen haben, ob es das Fotografieren einfacher macht, ob es das Telefonieren ist und wie Sie Ihr Telefon verwenden, wie Ihre täglichen Aufgaben, einfacher.
Ich würde sagen, wir bauen auf dieser Vision von Ambient Computing auf und finden heraus, wie man superkomplexe, nuancierte Dinge auf energieeffiziente Weise im Chip macht, die einige dieser Ambient-Computing-Erfahrungen freisetzen werden.