專訪 | 解密Pixel 10大腦！台積電製Tensor G5比一元硬幣更小，為何Google稱它史上最大升級？|數位時代 BusinessNext

專訪 | 解密Pixel 10大腦！台積電製Tensor G5比一元硬幣更小，為何Google稱它史上最大升級？

Google Tensor G5 晶片，體積比一枚硬幣還小，卻承載著一場前所未有的效能之戰，小晶片如何解鎖獨家 AI 功能？

在訪問的尾聲，Google Tensor晶片團隊產品負責人潔思．希德（Jesse Seed）隔著鏡頭，對著媒體秀出一枚黑色晶片，「它比一分錢（美元）還要小！」（編按：一美分硬幣直徑為19.05mm，台幣一元硬幣為20mm）說著拿出一枚硬幣比對，難掩興奮的語氣。

她手上的迷你晶片就是Tensor G5的廬山真面目，作為Google全新自研SoC晶片，小小的體積，驅動著新一代Pixel 10系列旗艦手機功能，也是Google目前為止最大的效能躍進。

躍進一：從三星到台積電，3奈米製程助攻

「這是我們五年旅程的新篇章，我們今年所做的重要決定之一，就是轉移到台積電的新製程節點。」希德說。

Tensor G5早在手機正式發表前幾個月就引發高度關注，其中一個重要原因，就是Google換掉了多年的代工夥伴三星，由台積電製程3奈米製程補位。

希德並未透露Google這項決定背後的考量，不過三星在先進製程的良率問題，過去已經導致包括高通在內的多家大客戶轉單到台積電，Google這家巨頭的動向，也引領著這場晶圓代工競賽中的重大轉折點。

這項合作的戰略意義也遠遠超過單純的代工。根據《Digitimes》報導，雙方合作將至少涵蓋未來三到五年，預計一路延伸至 Pixel 14 所搭載的 Tensor 晶片，傳聞Google高層甚至曾親自造訪台灣，討論合作細節。

對於這場合作，希德強調是重要的戰略夥伴關係，「台灣對我們來說非常重要，我們在台灣也正在擴編我們的晶片團隊陣容。」

躍進二：「只有Tensor跑得動」，AI團隊加入設計量身打造

一顆更強的「心臟」，讓輕巧的手機能進行龐大的AI運算，甚至，達成只有Google自己的手機才做得到的事。

希德指出，在Tensor G5開發過程中，Gemini AI模型相關功能的核心團隊Google Deepmind也深度參與到設計過程中，讓這款晶片的性能幾乎是為AI量身打造。

尤其Tensor G5將TPU效能提升6成、CPU平均速度增加3成，能更高效地運行Google裝置端模型Gemini Nano，速度快又不會過度耗電，這樣的升級幅度，讓Pixel 10擁有超過20種完全在裝置上運行的生成式AI體驗。Google台灣硬體副總裁彭昱鈞也指出，這次更新的很多功能「只有Tensor G5的手機能跑得動」，雖然會開放其他品牌的手機合作，可能也很難完整導入。

其中一個關鍵在於Gemini Nano採用一種「俄羅斯娃娃」般的特殊設計，在一個大型模型裡，包進一個較小的子模型，讓每個APP在運算時，能夠根據情況選擇速度比較快的子模型、或者更高品質的完整模型，透過這種工作負載的自動調配，就能有效減少整體能源消耗、反應時間和占用的記憶體。

這些共同設計的成果，讓Tensor G5上的最新Nano模型能夠以2.6倍的速度運行，效率更是提高2倍，代表消耗相同的能源，這一代卻可以執行2倍的工作量，例如上下文可以容納高達32,000個Tokens，相當於一個月的電子郵件或100張截圖的內容，都可以被一次性處理。

躍進三：裝置端+雲端混合式運算，隨時找到最適合的情境

自從生成式AI崛起，雲端和裝置端的運算一直是手機、筆電等產業最頭痛的問題，因為複雜、耗費資源的AI任務，大多必須依靠雲端巨大資料中心完成，必須透過網路來回傳送、也要將個人資料分享到雲端。

隨著晶片效能的飛躍，將AI運算從雲端轉移到裝置端，已成為手機製造商競爭追逐的「聖杯」，因為這意味著更快的反應速度、更好的隱私保護，以及即使在網路不穩的情況下，也能順利運作的體驗。

既然Tensor G5效能有了史上最大幅度的升級，是否會大動作往裝置端AI推進？對此，希德給出了一個相當務實的回答：「我們看到的是大量的混合式工作負載（hybrid workloads）。」

希德指出，Google的策略並非將所有功能都搬到裝置上，而是結合Google的雲端優勢，「我們的團隊會逐一審視每一個使用情境，並找出最適合運行的位置。」

她舉了幾個例子來說明這項策略：

裝置端運算：像即時語音翻譯（Voice Translate）和通話筆記（Call Notes）這類功能，在裝置上運行能帶來明顯的好處。這些應用程式需要極快的反應，同時要保障使用者的聲音、訊息內容隱私，在裝置上運算能夠實現更即時、自然的使用情境。

雲端運算：像影片修復（Video Boost）這類功能，因為運算需求大，檔案也更大，則更適合利用伺服器上最高品質的模型來快速處理。

總結來說，Tensor G5晶片透過硬體規格升級，為Pixel 10系列手機解鎖了更強的獨家軟體功能，在這場AI大戰中，和AI團隊密切合作、全自研、為手機量身打造的Tensor G5，無疑是Google最重要的武器。

延伸閱讀：Google Pixel 10來了！超狂AI代理功能、換上台積電心臟，亮點一次整理

責任編輯：李先泰

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。