Google Tensor G6採台積電3奈米製程　AI效能升級背後的成本、記憶體與台灣布局

(圖/ 橘子新聞 AI圖片)

Google Tensor G6傳出採用台積電3奈米製程，搭配新一代Pixel手機強化AI運算與功耗效率；從晶片製程到記憶體供應，Google在台灣的硬體研發與台積電合作也成為這次產品升級的重要產業觀察焦點。

Tensor G6沒有追逐2奈米，Google把重點放在AI效能與能效

根據資料，Google硬體副總裁彭昱鈞透露，Tensor G6採用台積電3奈米製程打造。這意味著Google並未按照市場先前傳聞直接跨入2奈米，而是以成熟度更高的3奈米製程作為新一代手機自研晶片的基礎。

這項選擇值得從另一個角度觀察。手機處理器的競爭已經從單純追求CPU速度，逐漸轉向AI運算能力與整機能源效率。Google過去對Tensor的定位，本來就不是單純追求傳統效能指標，而是將晶片設計與Google AI、裝置端機器學習及Pixel功能整合。Google此前公布的Tensor G5同樣採台積電3奈米製程，並強調CPU與TPU效能及效率改善。

依此次提供的資訊，Tensor G6在CPU省電效率、TPU運算能力及AI任務執行效率方面均有明顯提升。這代表Google的策略並非單純以「幾奈米」作為產品賣點，而是希望透過晶片架構、軟體及AI模型協同設計，放大既有製程所能提供的實際使用效益。

3奈米對Google意味著什麼？製程選擇背後還有成本考量

從產業角度來看，製程越先進並不代表手機產品一定越具商業優勢。2奈米製程雖然代表更先進的半導體技術，但對手機品牌而言，導入新製程同時涉及晶圓成本、產能配置、設計驗證以及產品良率等因素。尤其Google Tensor屬於Pixel自研晶片，與採用大量出貨的通用型手機SoC相比，產品規模存在差異。

因此，Google選擇3奈米可能反映的是產品定位與成本效率之間的平衡。不過，Google並未在目前提供的資訊中說明沒有採用2奈米的具體原因，因此不能直接將成本因素視為官方確認的決策理由。這也讓Tensor G6的意義不只是「3奈米晶片」本身，而是Google如何利用既有製程，把更多資源投入AI加速、軟硬體協同及能源效率。

記憶體漲價成另一項變數，AI手機也受到供應鏈牽動

除了處理器製程，記憶體供應也是這次值得注意的另一項議題。隨著AI應用快速增加，手機端需要處理的模型、影像與多媒體資料量同步提升，記憶體在高階智慧型手機中的重要性也更加突出。彭昱鈞表示，記憶體價格與供應問題是業界共同面臨的挑戰，Google也在系統設計、記憶體使用以及軟硬體架構方面尋找降低需求的方法。

換句話說，AI手機的競爭已經從「晶片夠不夠快」延伸到「如何用更少的硬體資源完成更多AI工作」。這也是Google長期推動裝置端AI的重要原因之一。Google官方對on-device processing的說明指出，Tensor晶片可以協助Pixel在手機本機處理部分AI、影像、語言及生成式AI工作，減少部分工作必須完全依賴雲端的需求。

Google與台灣供應鏈關係更加深化

Tensor G6採台積電3奈米製程，也再次凸顯Google與台灣半導體產業的合作關係。Google在台灣不只是消費電子市場的產品銷售據點，也建立硬體與AI相關研發團隊。從Pixel產品到Tensor晶片，台灣供應鏈在Google硬體布局中的角色持續增加。

Google過去公布Pixel 10時便強調Tensor G5與Google DeepMind共同設計開發，並將AI能力直接整合進Pixel裝置。

因此，台積電製程只是其中一環。從晶片設計、晶圓製造、封裝測試，到手機硬體整合及AI軟體開發，Google與台灣科技產業的合作已經形成更完整的硬體與AI生態鏈。

Google沒有追2奈米，是否代表手機AI晶片競爭轉向？

如果把Tensor G6放進整體手機晶片市場觀察，可以發現「先進製程競賽」正在出現另一種衡量方式。過去手機旗艦晶片競爭，往往集中在CPU、GPU效能與製程節點；AI手機時代則增加了TPU、NPU、記憶體效率、模型壓縮以及裝置端AI推理等新指標。

Google Tensor從第一代開始就採取不同於傳統手機SoC的產品策略，強調AI與機器學習功能。Google官方也曾指出，Tensor的設計目標就是將Google的機器學習能力帶進Pixel裝置，而非單純追求傳統硬體規格。

因此，Tensor G6即使沒有跨入2奈米，仍可能透過架構設計與軟體優化提高實際AI使用效率。對消費者而言，真正需要觀察的也不是單一製程數字，而是手機能否在AI功能增加的同時，維持續航、散熱與穩定性。

下半年觀察焦點：AI效能能否真正轉化為Pixel競爭力

Google此次產品策略透露出的訊號相當明確：AI仍是Pixel硬體布局的核心，而Tensor則扮演Google整合硬體、Android與AI模型的重要橋梁。

未來值得觀察的包括三個方向。第一，是Tensor G6實際AI效能與功耗表現能否達到Google所宣稱的改善幅度；第二，是記憶體成本與供應壓力是否進一步影響手機產品規劃；第三，Google與台灣半導體及硬體供應鏈的合作是否持續深化。

尤其在AI手機逐漸從功能展示走向日常使用後，手機晶片的評價標準也可能進一步改變。製程只是基礎，真正決定產品競爭力的，將是晶片、模型、作業系統與硬體能否形成完整的AI運算體系。

橘子新聞

(文/ 記者 郭紋雅)