LONDON (IT BOLTWISE) – Energieeffizienz wird beim Pixel-SoC erneut zum Engpass: Der Tensor G6 erzielt in CPU- und GPU-Workloads deutlich geringere Leistung pro Watt als die Spitzenchips von Qualcomm und Apple. In den Tests erreicht er bei rund 11 W etwa 8.000 Punkte unter CPU-Last und bei ungefähr 6 W rund 1.200 Punkte auf der GPU-Seite. Auffällig ist, dass der ältere Tensor G5 in großen Teilen ähnlich abschneidet, während ein Huawei-Chip trotz älterer Fertigung mithalten kann. Für Hersteller und Entwickler verschiebt sich damit der Fokus auf Effizienz-Tuning statt nur auf Rohleistung.
Der Effizienzabstand fällt diesmal nicht im Labor-Theoriegewand aus, sondern direkt in der Art, wie der Tensor G6 seine Leistung an den Stromverbrauch koppelt. In einem frühen Energieeffizienz-Check, der CPU-Last mit Geekbench 6 und GPU-Last mit „Steel Nomad Light“ verknüpft, zeigt sich ein Muster: Sowohl Tensor G6 als auch der Vorgänger Tensor G5 bleiben über weite Teile des niedrigen bis mittleren Leistungsbereichs sichtbar hinter den Kurven der aktuellen Konkurrenz. Das ist für Käufer zwar erstmal nur eine Zahl auf einem Diagramm, für das Plattform-Design aber ein Signal, dass die nächsten Generationen vor allem dort nachschärfen müssen, wo reale Geräte bei begrenztem thermischem Budget arbeiten.
Technisch startet die Diskussion beim Fertigungsprozess. Der Tensor G6 wird auf TSMCs 3-nm-Variante N3P aufgebaut, während der Tensor G5 auf N3E basiert. Solche Prozess-Sprünge gelten in der Praxis oft als Hebel für bessere Transistorperformance oder geringere Leckströme. In den vorliegenden Kurven spiegelt sich davon jedoch nicht die erhoffte Effizienzsteigerung über das gesamte Lastspektrum wider: Bei der CPU liegt die Leistungsentwicklung des Tensor G6 im gesamten relevanten Bereich sehr ähnlich zur G5-Referenz. Bei einem Leistungsniveau von etwa 11 W erreicht der Tensor G6 ungefähr 8.000 Punkte, während der Snapdragon 8 Elite bei rund 15 W etwa 10.100 Punkte schafft. Der Effekt ist damit weniger „Peak-Performance“, sondern eher „wie viel Ergebnis pro eingesetztem Watt“.
Auf der GPU-Seite setzt sich die Lücke fort. Das „Steel Nomad Light“-Ergebnis des Tensor G6 erreicht bei ungefähr 6 W einen Höchstwert von rund 1.200 Punkten, also erneut in einer Größenordnung, die nahe an Tensor G5 sowie an weitere nicht genannte Android-Spitzenchips ausfällt. Interessant ist hier der Gegenpol: Der Snapdragon 8 Elite liegt bei etwa 9,5 W bei rund 2.550 Punkten, während die Apple-Implementationen in dieser Darstellung klar höhere Werte erzielen, obwohl sie in der Betrachtung auf vergleichbarer oder teils geringerer Leistungsaufnahme betrieben werden. Für die Praxis heißt das: Selbst wenn ein Smartphone unter Zeitdruck kurzfristig hochboosten kann, entscheidet bei längeren GPU-lastigen Szenarien (z. B. Kamera-Workflows oder anspruchsvolle Rendering-Phasen) die Effizienzkurve darüber, wie schnell die Dauerleistung abkühlt.
Historisch betrachtet ist das Thema „Leistung pro Watt“ bei ARM-SoCs selten eine Einbahnstraße. Qualcomm und Apple haben in den letzten Generationen immer wieder gezeigt, dass bessere Energiekennzahlen nicht nur vom Prozessknoten abhängen, sondern stark von der Architektur- und Firmware-Feinabstimmung: Scheduler-Strategien, DVFS-Tabellen (Dynamic Voltage and Frequency Scaling) und auch die Art, wie Threads über CPU-Cluster verteilt werden, beeinflussen direkt, wie flach oder steil eine Effizienzkurve ausfällt. Genau hier wirkt der Tensor G6 in den Ergebnissen „verpasst“: Die zusammengefasste Einordnung in den Testresultaten ordnet die CPU-Effizienz des Tensor G6 in die Nähe eines Snapdragon 8 Gen 3 und die GPU-Effizienz näher an ein Snapdragon 8 Gen 2 zu. Damit steht der aktuelle ARM-SoC von Google in dieser Lesart mehrere Generationen hinter den aktuellen Flaggschiffen, obwohl der Prozesswechsel von N3E zu N3P zumindest eine Effizienzverbesserung erwarten ließ.
Besonders diskussionswürdig ist der Parallelvergleich mit dem Huawei Kirin 9030 Pro. Trotz deutlich älterer Fertigungstechnologie kann der Kirin 9030 Pro in den dargestellten Effizienzdaten mit den Tensor-Chips mithalten. Laut den verwendeten Vergleichsannahmen wird der Kirin 9030 Pro im N+3-Prozess von SMIC gefertigt und in etwa als vergleichbar zu TSMCs N6 eingeordnet. Für die Interpretation ist das wichtig, weil es den Blick von „Nur Prozessknoten“ auf „Systemeffizienz“ lenkt: Wenn ein älterer Prozesschip in der Effizienzkurve nahe an einem neueren Tensor-Modell liegt, dann müssen Architekturentscheidungen, Takt-/Spannungssteuerung und Lastcharakteristik (also wie Workloads tatsächlich auf die internen Einheiten gemappt werden) mindestens genauso stark gewichtet werden.
Für den Markt hat das unmittelbare Auswirkungen, selbst wenn einzelne Nutzer in der täglichen Nutzung eher „gefühlte“ Performance oder App-Responsiveness wahrnehmen. Effizienz wirkt aber indirekt: Sie bestimmt, wie lange ein Gerät ohne starke Drosselung hohe Leistungsniveaus hält, wie schnell Ladevorgänge und thermische Schutzmechanismen greifen und wie stabil Kamerabetriebsmodi oder KI-gestützte On-Device-Funktionen unter Last bleiben. Außerdem wird der Wettbewerb im Jahr 2026 zunehmend „Effizienz-nach-richtigem-Workload“ entschieden, nicht nur durch synthetische Spitzenwerte. Für Googles Produktstrategie bedeutet das: Mehr Rohleistung wird nicht reichen, wenn die Energiekennzahl in den relevanten CPU- und GPU-Zonen nicht spürbar angehoben wird.
Auch für Entwickler ist die Konsequenz klarer als eine reine Marketingfrage. Sobald CPU- und GPU-Subsysteme pro Watt weniger liefern als die Konkurrenz, verschieben sich Prioritäten bei der Optimierung von Apps, Laufzeiten und KI-Pipelines: Profiling auf tatsächliche Frequenzzustände, sensible Budgetierung von Parallelität und eine bewusste Aussteuerung in Richtung effizienter Kernel können den Unterschied machen. Gleichzeitig rückt für Hersteller die Plattform-gestützte Optimierung in den Vordergrund – von Treiber- und Scheduler-Feinjustierung bis hin zu passenden Profilen für typische Nutzerworkloads. Die vorliegenden Werte legen zumindest nahe, dass der nächste große Hebel bei Tensor nicht nur die nächste Prozessgeneration ist, sondern die Art, wie die Architektur unter thermischem Budget ihre Leistung in Ergebnisse übersetzt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Pixel 11: Tensor G6 bleibt bei Leistung pro Watt hinter Snapdragon und Apple" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Pixel 11: Tensor G6 bleibt bei Leistung pro Watt hinter Snapdragon und Apple" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Pixel 11: Tensor G6 bleibt bei Leistung pro Watt hinter Snapdragon und Apple« bei Google Deutschland suchen, bei Bing oder Google News!