Google Tensor | Apple A15 Bionic | |
10 W | Max TDP | 8.5 W |
NA | 每天耗电量(kWh) | NA |
NA | 每天的运行成本 | NA |
NA | 每年耗电量(kWh) | NA |
NA | 每年的运行成本 | NA |
Google Tensor vs Apple A15 Bionic
Google Tensor与8内核和8 CPU线程一起运行。它在运行1.80 GHz (2.80 GHz)基地--所有内核,而TDP设定在10 W 。处理器已连接到N/A CPU插槽。该版本--的L3高速缓存,支持2存储器通道以支持LPDDR5-5500 RAM,并具有 PCIe Gen 通道。 Tjunction保持在--摄氏度以下。特别是, G1体系结构通过5 nm技术进行了None 。该产品于Q4/2021
Apple A15 Bionic与6内核和8 CPU线程一起运行。它在运行No turbo基地No turbo所有内核,而TDP设定在8.5 W 。处理器已连接到N/A CPU插槽。该版本--的L3高速缓存,支持2存储器通道以支持LPDDR4X-4266 RAM,并具有 PCIe Gen 通道。 Tjunction保持在--摄氏度以下。特别是, A15体系结构通过5 nm技术进行了None 。该产品于Q3/2021
Google Tensor
Apple A15 Bionic
比较细节
1.80 GHz (2.80 GHz) | 频率 | 3.23 GHz |
8 | 核心数 | 6 |
1.80 GHz (2.80 GHz) | Turbo(1核心) | No turbo |
-- | Turbo(所有内核) | No turbo |
No | 超线程 | No |
No | 超频 | No |
hybrid (Prime / big.LITTLE) | 核心架构 | hybrid (big.LITTLE) |
ARM Mali-G78 MP20 | GPU | Apple A15 (5 GPU Cores) |
No turbo | GPU(涡轮增压) | 3.20 GHz |
5 nm | 技术 | 5 nm |
No turbo | GPU(涡轮增压) | 3.20 GHz |
12 | DirectX版本 | |
1 | 最大限度。展示 | 3 |
LPDDR5-5500 | 记忆 | LPDDR4X-4266 |
2 | 记忆通道 | 2 |
最大记忆体 | ||
No | ECC | No |
8.00 MB | L2 Cache | 4.00 MB |
-- | L3 Cache | -- |
PCIe版本 | ||
PCIe lanes | ||
5 nm | 技术 | 5 nm |
N/A | 插座 | N/A |
10 W | 贸易发展计划 | 8.5 W |
None | 虚拟化 | None |
Q4/2021 | 发布日期 | Q3/2021 |
Geekbench 5, 64bit (Single-Core)
Geekbench 5是一个跨平台基准测试,大量使用系统内存。快速的记忆将大大推动结果。单核测试仅使用一个CPU核,核的数量或超线程能力不计算在内。
Geekbench 5, 64bit (Multi-Core)
Geekbench 5是一个跨平台基准测试,大量使用系统内存。快速的记忆将大大推动结果。多核测试涉及所有CPU核,并具有超线程的巨大优势。
iGPU - FP32 Performance (Single-precision GFLOPS)
GFLOPS中具有简单精度(32位)的处理器内部图形单元的理论计算性能。 GFLOPS表示iGPU每秒可以执行多少亿个浮点运算。
Geekbench 3, 64bit (Single-Core)
Geekbench 3是一个跨平台基准测试,大量使用系统内存。快速的记忆将大大推动结果。单核测试仅使用一个CPU核,核的数量或超线程能力不计算在内。
Geekbench 3, 64bit (Multi-Core)
Geekbench 3是一个跨平台基准测试,大量使用系统内存。快速的记忆将大大推动结果。多核测试涉及所有CPU核,并具有超线程的巨大优势。