El sistema en chip Tensor G6 de nueva generación de Google (con el nombre en código interno "Malibu") está surgiendo gradualmente. Esta generación de productos continúa la ruta constante de la serie Tensor: equilibrar el rendimiento, el consumo de energía y el costo. Sin embargo, esta vez Google claramente ha desplazado su peso hacia el control de costos. Por ejemplo, ha elegido un núcleo revisado basado en la arquitectura de hace 5 años en la GPU.
En términos de tecnología de proceso, Tensor G6, al igual que Apple A20, utilizará el proceso N2 (2 nm) de TSMC, pero no utilizará la versión N2P, que es más cara y tiene una mejora de rendimiento de entre un 5% y un 10%. En comparación con Tensor G5 basado en un proceso de 3 nm, N2 aún puede aportar mejoras sustanciales en la eficiencia energética. Esto significa que, si bien el rendimiento general es aproximadamente el mismo o ligeramente mejorado, se espera que el G6 sea mejor que la generación anterior en términos de consumo de energía y control de calor.
En la parte de la CPU, Tensor G6 reducirá los 8 núcleos de la generación anterior a 7 núcleos, adoptando una configuración de 1+4+2 núcleos: 1 núcleo ARM C1-Ultra grande con frecuencia de 4,11 GHz, 4 núcleos ARM C1-Pro con frecuencia de 3,38 GHz y 2 núcleos ARM C1-Pro con frecuencia de 2,65 GHz. Se considera que esta elección de "reducción de núcleo" está estrechamente relacionada con las constantes consideraciones de costos de Google. Puede que sea ligeramente inferior a sus competidores en rendimiento máximo de subprocesos múltiples, pero aún puede mantener un rendimiento suficiente en escenarios móviles típicos.
La GPU es una de las partes más controvertidas de esta generación de Tensor G6. Los primeros informes señalaron que Google utilizará la GPU PowerVR CXT-48-1536 lanzada en 2021, lo que desencadenó la teoría de la "GPU antigua". Más noticias revelaron más tarde que la configuración real es su versión mejorada CXTP-48-1536, donde generalmente se considera que la "P" representa un mejor rendimiento de consumo de energía, similar a la serie DXTP lanzada por Imagination en 2025. A pesar de esto, esta GPU todavía se basa en el diseño básico de hace aproximadamente 5 años. Básicamente, se puede confirmar que se trata de una elección "extraña pero consciente del presupuesto" realizada por Google para reducir costos e invertir más presupuesto en el lado de la IA.
Para compensar posibles deficiencias en el lado de la GPU, Tensor G6 ha mejorado significativamente la parte de computación de IA y utiliza un diseño de TPU dual con nombre en código "Santafe": una TPU personalizada para la carga principal de IA, responsable del razonamiento complejo y tareas de modelos grandes; el otro "nano-TPU" está dirigido a escenarios de IA más simples, enfatizando una mayor eficiencia energética. Se espera que esta arquitectura de doble ruta permita una administración de energía más detallada en el uso diario, como depender más del nano-TPU en segundo plano o en tareas livianas para extender la vida útil de la batería.
En términos de seguridad e imágenes, G6 presentará una nueva generación de chip de seguridad Titan M3 para brindar protección a nivel de hardware para los datos del usuario, incluidas claves de cifrado e información biométrica. La parte de imágenes utiliza un nuevo procesador de señal de imagen (ISP) con nombre en código "Metis", emparejado con una unidad GXP (Procesador de extensión de gráficos) y coordinado con TPU duales. El objetivo es proporcionar capacidades más sólidas de "integración de software y hardware" en fotografía computacional, procesamiento de vídeo y procesamiento de imágenes acelerado por hardware.
En términos de configuración de memoria y almacenamiento, Tensor G6 admite memoria LPDDR5X, cumpliendo con la tendencia actual de los SoC móviles de alta gama. En términos de especificaciones de memoria flash, lo más probable es que este chip no sea el primero en lanzar UFS 5.0, pero seguirá siendo compatible con UFS 3.1 y UFS 4.0. Se configurarán diferentes versiones según los diferentes modelos de Pixel 11. Existe la posibilidad de introducir soporte para UFS 4.1. En el contexto del aumento de los precios del almacenamiento, esta elección de configuración también se considera un compromiso entre costo y experiencia.
En términos de costo, no hay datos exactos sobre el precio unitario de Tensor G6 en esta etapa, pero el costo de Tensor G5 es de aproximadamente 65 dólares estadounidenses por unidad, lo que puede usarse como base de referencia. Teniendo en cuenta que el mercado de la memoria está experimentando la llamada "inflación de chips", por ejemplo, un módulo LPDDR5 móvil típico costará aproximadamente 10 dólares por GB en el primer trimestre de 2026, y se espera que el precio promedio aumente hasta el rango de 19,3 a 19,8 dólares en el segundo trimestre, se espera que el costo total del G6 sea mayor que el de la generación anterior.
Según los planes actuales, Tensor G6 se instalará por primera vez en la serie de teléfonos móviles Pixel 11 y se espera que se lance en agosto de 2026. A juzgar por el calendario, Google optó por entrar en el período en el que el proceso avanzado de 2 nm todavía estaba a la vanguardia y la capacidad de producción era limitada. No sólo podría mantener la sincronización con sus principales competidores en los nodos de proceso, sino que también dejaría más presupuesto y espacio de consumo de energía para la TPU y capacidades diferenciadas como seguridad e imágenes al "envejecer" partes como la GPU.
Desde la filosofía de diseño general, Tensor G6 no es un SoC que busque puntuaciones de ejecución y rendimiento de juego máximos. En cambio, prefiere utilizar capacidades de inteligencia artificial, procesamiento de imágenes y funciones de seguridad como puntos de venta, y crear una experiencia diferenciada en torno a las ventajas de integración de software y hardware de la serie Pixel. "Mirar hacia atrás" en componentes como el almacenamiento y GPU, y "mirar hacia adelante" en el proceso, TPU, seguridad e ISP/GXP constituyen la típica "fórmula de equilibrio al estilo de Google" de esta generación de Tensor.