谷歌自研手机芯片成了，多亏了台积电3nm工艺？

文｜雷科技

早在几年前制定的自研手机芯片路线图中，谷歌就计划了「两步走」的策略：

先依托三星 Exynos 平台和三星芯片制造工艺打造 Tensor 手机芯片，用于 Pixel 手机；等到 Tensor G5 这一代全面摆脱对三星的依赖，采用完全自主的架构设计，同时切换到台积电工艺。

所以尽管搭载 Tensor G4 的谷歌 Pixel 9 系列都还要再等几个月，很多人的注意力已然转移到了明年预计搭载 Tensor G5 的谷歌 Pixel 10 系列了。

这几天就有供应链消息传出，表示将搭载在 Pixel 10 系列的 Tensor G5 会采用台积电最新的 3nm 工艺，还有申报清单显示了 Tensor G5 与台积电之间的关联。现在又有最新消息指出，谷歌与台积电已经达成战略合作，成功将 Tensor G5 芯片样品推进到了设计验证环节：

也就是你可能听过的「流片」阶段。

Tensor G5 的申报清单，图/公开数据库

作为芯片制造的关键环节，流片的重要性就在于能够检验芯片设计是否成功。同时这也会是真正考验谷歌的一个阶段。

如果越过了，就意味着谷歌将实现从芯片到操作系统、从应用分发到设备的全面掌控，更有能力实现高度的垂直整合，拥有直接挑战 iPhone 的核心能力。当然，如果越不过，一切也就无从谈起了。

Pixel 挑战 iPhone 的关键一步

就在一周前，2024 年 618 年中大促落下了帷幕，从相关数据来看，手机依然是 618 消费的最大头，成交额继续领跑。但就在这个竞争激烈的领域，经常被批「没创新」「没进步」的 iPhone，又一次成为了 618 手机赛道的最大赢家。

为什么？这显然不是一个「果粉脑残」能够搪塞过去的问题。事实上，iPhone 在综合体验上的优势是其他厂商所公认的，其核心就是苹果掌握了影响用户体验的「根本」，包括芯片、操作系统、云服务、应用商店以及设备，并加以整合实现体验上的差异化优势。

所以过去这些年，很多国产手机都在试图学习苹果的「垂直整合」。但苹果模式「知易行难」，实际下来只有华为在一定程度上做到了，小米（松果）、OPPO 都在不同阶段铩羽而归，留下了一个阶段性的句号。

谷歌也想。

从 Nexus 到 Pixel，谷歌其实从 2016 年就已经把手机硬件的重要性提高到了一个新的高度。尽管一直怀疑谷歌对于手机硬件项目——Pixel 的重视和认真程度，但随着 2021 年搭载第一代 Tensor 芯片的 Pixel 6 系列发布，至少让外界彻底明白了：

谷歌做手机是认真的。

且不同于其他手机厂商，谷歌最大不同是和苹果一样还掌控了智能手机最核心的操作系统生态以及应用分发，最大的弱项也就是芯片。而 Tensor，就是谷歌补足核心能力和用户体验的核心。

但不同于前四代的 Tensor 芯片（包括即将搭载在 Pixel 9 系列上的 Tensor G4），Tensor G5 的流片又有着极为特殊的意义与价值。

因为在此之前的四代 Tensor 手机芯片，实质上都是基于三星 Exynos 平台的「变种」，除了谷歌自己的 TPU（神经网络引擎），基本都是在三星 Exynos 上进行修改和定制，所以「Tensor 就是 Exynos 换皮版」的说法一直存在。

不过「换皮」一说很难概括 Tensor。实际上，谷歌一开始就明白自研手机芯片的难度和困难，所以并没有选择 OPPO 造芯的路线，而是基于三星在芯片设计和芯片制造的经验，制定了一份横跨五代芯片的「过渡计划」。

从零开始，艰难起步

谷歌作为芯片设计厂商的时间并不久。

2016 年 Google I/O 开发者大会上，谷歌 CEO Sundar Pichai 才发布了谷歌首款自研 TPU（Tensor Processing Unit）芯片，之后又有了 Titan 安全芯片、Argos VCU 等。但在手机 SoC 领域，谷歌还是一名公认的「新手小白」。

直到 2021 年 10 月 19 日，在秋季新品发布会上，搭载谷歌首款自研 Tensor 芯片的 PIxel 6 系列正式发布。谷歌高级副总裁 Rick Osterloh 在介绍第一代 Tensor 时，不无自豪地表示这款芯片是：

「谷歌历史上最大的移动硬件创新。」

这句评价倒不失客观，但作为一款自研芯片，第一代 Tensor 的「水分」不少。技术分析机构 TechInsights 的拆解显示，Tensor 的芯片标识为「S5P9845」，与标识为「S5E9840」的三星 Exynos 2100 非常相近，并且同样采用三星 5nm 工艺。

所以与其说这是一款谷歌的自研手机 SoC，不如说更像是一款由谷歌定义、三星设计兼代工的定制芯片。

反映到手机体验中，谷歌的设计能力、Exynos 平台的问题以及三星 5nm 糟糕的能效表现，三重 Debuff 直接导致第一代 Tensor 芯片和 Pixel 6 系列风评不佳，甚至出现了芯片过热烧毁的情况。

不过即便如此，这也是谷歌自研手机芯片的开端。紧随着的 Tensor G2，谷歌没有选择大踏步的前进，而是继续在 Exynos 2100 和三星 5nm 工艺的基础上进行定制设计，同时优化了能效表现，改进了上一代出现的大量问题。

这一点在后续 Pixel 7 系列的产品体验中都有所体现，虽然和一众骁龙和天玑旗舰还不能比，但就日常使用来说已经比前代有了不小的进步。

如果说 Tensor G2 可以视为对第一代 Tensor 的「补完版」，那 Tensor G3 就可以说谷歌摆脱三星依赖的重要起步。在 Tensor G3 上，谷歌加大了定制化的程度，去掉了更多三星 Exynos 的芯片，塞下了更多自己设计的 ISP、WiFi、电源管理以及视频解码等芯片。

Tensor G4 我们按下不表。按照规划，到了 Tensor G5，谷歌将换掉 Exynos 平台和三星工艺，用上完全自主的芯片设计以及台积电最新的 3nm 工艺。前者还要看届时的架构设计和表现，但后者对于 Tensor G5 的性能和能效无疑是一大利好。

目前来看，谷歌的规划显然还在有条不紊地推进中。但自研 Tensor 芯片，到底会给谷歌和 Pixel 带来什么样的改变？

Pixel 的完全体

实话讲，直到今天谷歌依然是一家很「软」不「硬」的公司。在软件层面，谷歌主导了一个庞大生态系统，包括 Android 操作系统、Play Store 应用商店以及 Google Photos 等多个覆盖超十亿用户的应用。

但在 5G、云技术还远远无法取代手机端侧算力的时间内，硬件，尤其是作为核心的芯片在很大程度上决定了手机的使用体验。通过自研 Tensor 芯片，谷歌能够更好地将硬件与软件整合，使其应用在硬件上运行得更加流畅和高效。

Tensor 芯片中还包含了谷歌自研的 TPU 计算单元，专门用于加速 AI 和机器学习任务。

谷歌在 AI 和机器学习领域处于领先地位，自研芯片可以确保其最新的 AI 技术得到最快的硬件支持，从而在智能手机和其他设备上提供更强大的 AI 功能。这不仅提升了产品的性能，还能为用户带来更智能的使用体验。

事实上，尽管在 CPU、GPU 的性能和能效表现上距离第一梯队还有明显的差距，但在 AI 性能上 Tensor 的差距就要小得多了，这一点从 Pixel 8 系列支持 Gemini 本地大模型就能体现。

此外，智能手机市场竞争激烈，各大厂商纷纷推出各自的旗舰产品。通过自研 Tensor 芯片，谷歌能够在硬件层面实现与其他品牌的差异化。这种差异化不仅体现在性能和功能上，还体现在用户体验的独特性上。

简而言之，自研芯片可以为谷歌 Pixel 系列手机提供独特的卖点，吸引更多消费者。就以现在为例，Pixel 系列核心就是主打 AI 体验，并且在美国以及日本等市场已经打开了局面。

日本市场排名第二，图/ Counterpoint

而且随着自研程度的加深，谷歌可以根据市场需求和产品策略进行更灵活和深度地调整，提高市场响应速度和软硬件效率。同时，谷歌还可以更好地控制供应链，减少对外部供应商的依赖，从而降低成本。

数据安全和隐私保护是现代智能设备的重要关注点。

通过自研芯片，谷歌可以在硬件层面实现更高的安全性。比如谷歌就在 Tensor 芯片中集成了专门的安全芯片，用于加密和保护用户数据，防止未经授权的访问。这些不仅能提高设备的安全性，实质上也在增强了用户对谷歌和 Pixel 品牌的信任。

众所周知，自研手机 SoC 是一件非常困难的事情，全球也不过仅有三家手机大厂做成了，三星本身就是半导体巨头，华为很早也开始了集成电路的研究，还有庞大的企业业务利润支撑，苹果则有高额的手机利润支持。

很多手机厂商并不具备这些条件，当然无法简单复制。更何况时移世易，智能手机早已触顶，几家主要厂商也占据了大部分市场份额，销量增长谈何容易。

小米、vivo 可能也是慎重地考虑到了这一点，选择了更稳妥、也更适合自身的造芯之路。至于 OPPO，还是错估了芯片的「长期性和复杂性」。

谷歌则是另一种情况。

公元 1 世纪，希腊作家提出了「忒修斯之船」的问题，即忒修斯所有木头全换掉之后还是原来的忒修斯吗？再回头看看谷歌 Tensor。

原来只是在三星 Exynos 的基础上做了比较小的改动，但随着时间推移，对 Exynos 的改动越来越多，等到更多「零件」都换掉后，谷歌 Tensor 还会被视作三星 Exynos 的深度定制版吗？

显然不会，而这也正是谷歌自己的造芯之路。

但 Tensor 也不会是谷歌在移动硬件上的终幕。通过自研手机 SoC，谷歌不仅可以在当前的智能手机市场中占据有利位置，沉淀下来的能力还能为 IoT 以及其他智能设备打下坚实的基础，包括未来拥有无限可能的各类 AI 终端上。