早在今年8月，谷歌母公司Alphabet CEO Sundar Pichai正式曝光了谷歌首款自研手機芯片“Tensor”。隨后在10月下旬，首發搭載Tensor處器的Pixel 6和Pixel 6 Pro兩款智能手機正式上市。近日，國外分析機構TechInsights對谷歌Tensor處理器芯片進行了拆解，隨后科技媒體Anandtech也對于Tensor處理器進行了詳細的分析。

三星除了提供5nm代工服務，還參與了Tensor的設計？

“谷歌Tensor”的命名比較抽象，目前官方沒有給這款芯片貼上具體的型號。因此，下一代是否會命名為“Tensor 2”或其他名稱還有待觀察。而在內部，谷歌稱該芯片為“GS101”，雖然不確定確定 “GS”代表什么，但可能是 Google SoC 或 Google Silicon。

通過TechInsights對于谷歌Tensor處理器的分析發現，Tensor處理器的封裝尺寸為 10.38mm x 10.43mm = 108.26mm 2，其內部的芯片標識為“S5P9845”，而這一標識符合傳統三星Exynos處理器命名規則，比如Exynos 990的芯片標識為S5E9830，Exynos 2100 5G SoC芯片標識為S5E9840，Exynos 1080 5G SoC芯片標識為S5E988。

因此，TechInsights也懷疑谷歌Tensor 和三星Exynos處理器之間可能存在聯系。雖然谷歌Tensor芯片可能采用的是三星的5LPE工藝代工，但是其他的芯片廠商交由三星代工的芯片并不會擁有三星Exynos處理器類似的芯片標識。

△谷歌Tensor處理器的標記

最一般的雙線性運算。在某些上下文中也叫做外積。tensor是矩陣分析里面的張量，表示高維數組，或者叫多路數據。二階張量就是矩陣，一階張量就是向量。高階SVD相對于矩陣SVD更能提取出高維數據的內在結構。Vector 類在 java 中。

△Tensor處理器的die照片

根據此前媒體的報道，我們可以發現，在幾年前，三星就已經對外開放了半定制芯片設計產品的服務。從2020年8月ETNews發布的一篇報道當中，就描述了三星的業務計劃，以及它如何涉及到谷歌的芯片（以及描述對于思科的design win）：

在CPU方面，谷歌Tensor處理器與很多旗艦處理器一樣，采用了大中小核三叢八核心設計，不同的是，大多數旗艦芯片采用的是1＋3＋4的架構，而谷歌Tensor處理器在采用了2＋2＋4的架構。

具體來看，谷歌Tensor處理器采用了兩顆Arm Cortex-X1超大核，主頻為2.8GHz，擁有2×1024KB二級緩存；2顆Cortex-A76大核，主頻2.25GHz，擁有2×256KB二級緩存；4顆 Cortex-A55小核，主頻1.8GHz，擁有4×128KB二級緩存。

理論上，谷歌Tensor處理器采用了兩顆Arm Cortex-X1超大核，使得其在在大核性能上要高于其他僅有一個超大核的處理器，只不過，其超大核的2.8GHz主頻要略低于高通驍龍 888的2.86GHz 和 三星Exynos 2100的2.91GHz。另外，在二級緩存方面，Tensor處理器與驍龍888相近都配備了1MB的二級緩存，這是三星Exynos 2100的兩倍。

在中間的大核心上，Tensor處理器并沒有采用性能更強的Cortex-A77或A78，而是選擇了Cortex-A76，這似乎是從功耗方面來考慮，但是如果真的考慮整體功耗的話，那么就不應該用兩個Cortex-X1大核，這似乎有些不合理。Anandtech認為，這可能是因為Tensor處理器在設計時，三星并沒有準備好集成更新的CPU IP。Anandtech也不認為谷歌是刻意選擇Cortex-A76，而放棄了A77或A78，因為在性能基準測試中舊的設計表現并不佳。

在小核心上，Tensor處理器采用的是4個1.8GHz主頻的Cortex-A55 核心。與三星自家的 Exynos 2100芯片相比，谷歌決定為小核配備了128KB 的二級緩存，而不僅僅是64KB，與驍龍 888的配置相近。不過，谷歌的一個奇怪選擇是，集群的三級緩存與 Cortex-A55 內核在同一時鐘平面上，這會影響延遲和功耗。這也與我們在 Exynos 2100上看到的專用的三級緩存時鐘平面不一致。

GPU：20核心Mali-G78

谷歌Tensor處理器采用了20核心的Mali-G78 GPU，848 MHz (shaders)、996 MHz (tiler/L2)，使得其成為了全球第二大Mali GPU集群配置的處理器，僅次于華為麒麟9000的24核Mali-G78 GPU。

Anandtech最初認為，Tensor處理器的GPU可能會以低頻率運行，以優化能效，但實際上，其是以驚人的 848MHz 的峰值時鐘速度運行GPU，用于著色器內核，和 996MHz 為 tiler和L2緩存。要知道三星的Exynos 2100集成的14核心的Mali-G78 GPU也只是運行在854MHz，而Tensor處理器的GPU的數量與其相比增加了42%。這也意味著Tensor處理器的GPU性能將會非常強大。Anandtech表示，谷歌Tensor 似乎是第一個利用了Arm 的Mali-G78時鐘平面分離設計的芯片。

參數 ：Test Output 功能 ：將給定的 tensors 在新的維度進行拼接 注意 ：每一個 tensor 的大小都應一致 參數 ：tensors Test Output 功能 ：將給定的 tensors 沿著深度（depth）方向 (dim=2) 疊加 注意：其余維度大小。

LPDDR5，8MB SLC 緩存

谷歌Tensor處理器上的內存控制器似乎與 Exynos 2100 上的相同，在 4x 16bit通道配置中支持 LPDDR5內存，理論峰值帶寬為 51.2GB/s。

沿某個軸具有可變數量元素的張量稱為“Ragged Tensors”。使用 tf.ragged.RaggedTensor處理不整齊的數據。 例如 普通 Tensor 處理不了長短不一的情況 tf.string是dtype，也就是說您可以將數據表示為張量中的字符串（可變。

此外，Tensor處理器還集成了 8MB 的SLC系統緩存，不清楚這與三星在 Exynos 2100 上使用的 IP 是否相同，但它們都是 8MB，但Anandtech傾向于兩者是不同的 IP，或者至少是 IP 的不同版本，因為它們的架構方式和運行方式存在一些真正的差異。

谷歌在這里非常廣泛地使用 SLC 來提高 SoC 的性能，包括他們自己的自定義模塊。SLC 允許對自身進行分區，并將 SRAM 區域專用于 SoC 上的特定 IP 塊，使它們能夠在不同的用例情況下獨占訪問全部或部分緩存。

自定義混合ISP

在目前用戶對于手機拍照性能要求越來越高的背景之下，從關乎手機拍照成相質量的ISP（圖像信號處理器）開始變得越來越關鍵，因此我們也能夠看到，此前谷歌、小米、vivo等都有專門推出獨立的ISP芯片來應對。

在谷歌 Tensor 處理器中，其集成的ISP內核，將三星Exynos處理器上集成的ISP的部分功能模塊和谷歌自研的自定義ISP集成到了一起。

Anandtech表示， Tensor 處理器的ISP使用與 Exynos ISP相對應的 IP 塊，例如像素相位檢測處理單元、對比度自動對焦處理單元、圖像縮放器、失真校正處理塊和視圖相關的遮擋紋理功能處理塊。這里缺少的是缺少其他一些處理塊，Anandtech認為這與三星使用的更多后處理計算塊有關。

谷歌自研的ISP IP塊似乎是他們自己的3AA IP（Auto-Exposure，Auto-White Balance，Auto-Focus），以及一對定制的時間降噪IP塊，能夠對齊和合并圖像。這些可能是谷歌在說他們開發的塊有助于加速他們用作 Pixel 系列計算攝影的一部分的圖像處理類型時所談論的自定義塊。

谷歌Tensor TPU

早在2018年7月，谷歌正式推出了用于邊緣計算的edge TPU，作為其Cloud TPU的補充，當時Edge TPU僅用于推理，專為在邊緣運行TensorFlow Lite ML模型而設計。除了自用，谷歌edge TPU也將提供給其他廠商使用。根據官方的資料，edge TPU的算力為4TOPS，功耗為2W。

目前在中高端智能手機處理器中，基本都有集成專用的AI內核，用以除了各種人工智能計算。此次谷歌自研的Tenso處理器當中，也集成了谷歌自研的TPU內核，不過在驅動程序上，谷歌將其稱之為“edge TPU”。

在指定的維度dim上對序列seq進行連接操作。參數：例子：torch.Tensor.expand( sizes)* → Tensor 返回張量的一個新視圖，可以將張量的單個維度擴大為更大的尺寸。張量也可以擴大為更高維，新增加的維度將附在前面。 擴大。

也就是說，Tenso處理器當中集成的TPU可能就是基于此前發布的edge TPU的IP的修改版。雖然谷歌沒有介紹Tensor內置 TPU的性能指標，不過有數據顯示該TPU功率為 5W，這與之前谷歌edge TUP存在差異 。因此，如果兩者確實相關，那么鑒于顯著的工藝節點優勢和整體更新的 IP，Tensor TPU的性能應該比之前的edge TPU更強大。

媒體編解碼器

在媒體編碼器方面，谷歌Tensor處理器集成了三星的多功能編解碼器IP（Multi-Function Codec），可支持8K@30fps & 4K@120fps encode & 8K@60fps decode，H.265/HEVC、H.264、VP9、AV1 decode。同時Tensor處理器還集成了谷歌自研的似乎是專用于AV1解碼的被稱之為 “BigOcean” 的Decode解碼器，支持4K@60fps AV1解碼。

TensorFlow 是一個編程系統， 使用圖來表示計算任務。 圖中的節點被稱之為 op （operation 的縮寫）。 一個 op 獲得 0 個或多個 Tensor, 執行計算，產生 0 個或多個 Tensor. 每個 Tensor 是一個類型化的多維數組。

但奇怪的是三星宣傳其Exynos 2100的媒體編解碼器具有 AV1 解碼能力，而且該功能似乎確實存在于內核驅動程序中。然而，在 Galaxy S21 系列上，此功能從未在 Android 框架級別上實現。這或許也解釋了，為什么Tensor處理器還集成了被稱之為“BigOcean”的谷歌AV1解碼器，而其他的格式的所有編碼和解碼都交給了三星Multi-Function Codec。

外掛三星5G基帶芯片

由于谷歌Tensor處理器是一款針對智能手機的 SoC，因此 Tensor自然還需要有配套的帶芯片來支持手機的移動通信功能。根據TechInsights對于Pixel Pro 6的拆解發現，Pixel Pro 6內部的Tensor處理器（下圖中藍色方框內美光DRAM下方就是Tensor處理器）只是一款AP，其通信功能則是依靠外掛的三星 SHANNON A5123 5G基帶芯片（下圖中紫色方框內）來實現的，可支持LTE Category 24/18以及5G NR Sub-6、5G NR mmWave。此外還有高通5G基帶芯片的版本。

△谷歌Pixel Pro 6主板

張量（tensor）理論是數學的一個分支學科，在力學中有重要應用。張量這一術語起源于力學，它最初是用來表示彈性介質中各點應力狀態的，后來張量理論發展成為力學和物理學的一個有力的數學工具。張量之所以重要，在于它可以滿足。

另外，TechInsights還發現拆解的美國版的谷歌Pixel 6系列還配套了三星的毫米波射頻收發器 SHANNON 5710、三星 SHANNON 5511 射頻收發器、SHANNON 5311A PMIC、三星 Exynos SM 5800 電源調制器、三星 PMIC S2MPG10和三星 PMIC S2MPG11。

△三星毫米波射頻收發器 SHANNON 5710

小結：

將谷歌Tensor處理器和三星Exynos 2100對比來看，可以看到，這兩顆芯片之間有著很多的類似之處，并且谷歌Tensor處理器還采用了很多三星提供的IP。Anandtech表示，兩款芯片采用了相同的時鐘管理和電源管理架構、內存控制器、結構 IP、用于各種面向外部的接口的 PHY IP，甚至還有更大的 IP 功能模塊，例如 ISP 或多媒體解碼器/編碼器。有趣的是，這些東西現在可以在Github上公開查詢到。當然，從整體的芯片規格來看，谷歌Tensor處理器要比三星Exynos 2100更為強大。

綜合以上的信息，Anandtech表示，谷歌聲稱 Tensor處理器是他們自己的設計，這在一定程度上是正確的。但根據外界通常對于“設計”的定義來看，還是有所不同的。盡管 Tensor/GS101 建立在 Exynos 基礎模塊和 IP 之上，同時也是由三星流片和制造，但 SoC的定義在谷歌的控制之下，因為它是谷歌的最終產品。雖然在 Tensor 的基礎和最低層模塊方面與 Exynos 2100 非常相似，但在結構和內部互連方面，谷歌的設計卻有所不同。這意味著各種 IP 塊如何相互交互的網絡與三星自己的 SoC 不同。

這方面的一個實際例子是，如何將 CPU 內核集成到 SoC 中。雖然在 Exynos 2100 上，CPU集群似乎非常明顯地位于更小、更明確的三星相干互連中，但 Tensor SoC 將 CPU 集群集成在更大的 CCI 中，這似乎是一種非常不同的互連設置配置，或者是一個完全不同的IP。與此同時，二者仍有一些相似之處，例如將一條主要的內存流量總線連接到內存控制器，并將另一條流量較低的“內部”總線連接到其他 IP，這就是 Exynos SoC 傾向于分離事物的方式。具體如何需要對 SoC 進行更詳細的逆向工程和映射，但這超出了本文討論的范圍，因為這是一件非常耗時的事情。