Geekbench6创始人JohnPoole回应了Pixel8和Pixel8Pro基准测试争议。在Notebookcheck获得的独家评论中，Poole表示，PrimateLabs不知道任何兼容性问题，否则可能会导致该应用程序无法供审阅者使用。

Notebookcheck最近爆料称，谷歌似乎已阻止审查其新Pixel8和Pixel8Pro设备的作家在禁运期间轻松安装Geekbench6和3DMark等流行基准测试应用程序。这是一个非常不寻常的举动，并引发了人们对谷歌这样做动机的质疑。谷歌介绍了其最新Pixel核心的TensorG3芯片的功能，特别是其人工智能性能。然而，由于无法安装该应用程序，许多评论者无法通过运行基准测试来测试谷歌的声明，这是大多数评论的标准做法，因为它提供了评估芯片性能的客观和标准化方法。

审阅者使用的主要基准之一是Geekbench。它是一种流行的跨平台基准测试实用程序，主要用于评估CPU性能，尽管它也有GPU计算套件。该测试既评估芯片的单核性能，也评估多核性能，也是一次“跨平台”测试。这意味着它产生的结果可以在手机和笔记本电脑等不同设备、Android和Windows等操作系统以及苹果、英特尔、高通、谷歌、三星、联发科和AMD等公司制造的芯片上进行比较。

Geekbench最近更新到版本6，增加了测试新应用领域的能力，包括AR性能，并且更加重视机器学习，从而增强芯片的AI潜力。它还得到三星、微软、AMD、戴尔、惠普、LG、联发科等公司的使用和认可。因此，您可能会认为，考虑到Google宣传其Tensor芯片组的AI性能的方式，这将是Google乐意让评测者在其Pixel8和Pixel8Pro设备上安装的基准。有些审阅者具备必要的知识，只需下载Geekbench6的应用程序包并使用称为“侧面加载”的过程手动安装即可绕过GooglePlay商店。

TensorG3产生的Geekbench6结果并不令人满意——无论是在审查禁运期间还是之后。一些Pixel粉丝发表了理论，认为基准测试和Android14存在兼容性问题，谷歌并没有故意阻止他们的轻松安装。然而，这无法解释为什么应用程序可以侧载并可以成功运行，或者为什么块前和块后的结果没有什么不同。我们已联系谷歌征求意见，但截至撰写本文时尚未收到回复。我们还联系了Geekbench6的制造商PrimateLabs，他们给了我们答复。

在联系PrimateLabs时，我们询问他们是否意识到在审查禁运期间存在任何兼容性问题，这些问题会导致Geekbench6无法安装在Pixel8和Pixel8Pro上。Geekbench原始版本的创建者和公司创始人JohnPoole向Notebookcheck提供了这样的回应：

我们不知道为什么Geekbench6在Pixel8设备上不可用(尽管我们怀疑这与禁运有关)。我们尚未发现Pixel8或Pixel8Pro上的Geekbench6存在任何兼容性问题。

在我们对本期进行报道后，YouTuberArunMaini(以@Mrwhosetheboss为人所知)透露，结合了生成式AI技术(包括MagicEditor、AI壁纸和BestTake)的关键新AI功能需要持续的互联网连接才能发挥作用。做了广告。在谷歌的发布会上，它暗示这些功能正在由TensorG3芯片处理。谷歌官方博客强化了这一信息，赞扬该芯片的优点并将其定位为“人工智能优先”。

在博客中，Google产品管理副总裁断言如下：

我们与Tensor的合作从来都不是关于速度和馈送，或传统的性能指标。它旨在推动移动计算体验向前发展。在我们的新TensorG3芯片中，每个主要子系统都已升级，为设备上的生成​​式AI铺平了道路。它包括最新一代ARMCPU、升级的GPU、新的ISP和成像DSP以及我们的下一代TPU(专为运行Google的AI模型而定制设计)。

我们测试了Maini的说法，即需要持续的互联网连接才能使这些新的生成人工智能功能发挥作用。尽管谷歌声称TensorG3能够为设备上的生成​​式AI提供支持，但谷歌实际上正在将这些功能的处理要求转移到云端，由其更强大的服务器进行处理-即使某些处理可能会最初在设备上完成。然而，鉴于GoogleTensorG3在Geekbench6等基准测试中的性能相对较差，很明显为什么Google不得不诉诸卸载处理。

正如芯片设计商Arm在其网站上解释的那样(请记住，TensorG3使用Arm设计的CPU内核)，其整个架构在设计时考虑了AI性能，并且机器学习算法在整个芯片上执行。这意味着，如果一款芯片在CPU和GPU基准测试中表现不佳，那么它就不太可能展现出强大的AI性能。这是因为机器学习任务是由CPU和GPU以及SoC上的AI加速器(称为神经处理单元(NPU))(或者谷歌称之为张量处理单元(TPU))来处理的。您经常会在论坛和聊天中读到“基准并不重要”，重要的是设备“在现实世界中”的表现。在某种程度上，这种观点是正确的——基准是整个方程式的一部分。

然而，无可否认的是，对于被宣传为人工智能优先的设备来说，原始处理能力也是必要的。生成式AI显然需要比TensorG3能够提供的更多处理能力，尽管谷歌声称相反-否则，就不需要持续的互联网连接，也不需要在结果出现之前将这些任务卸载到云端进行处理。然后返回到用户的设备。它将在船上进行处理。谷歌的人工智能软件算法似乎已经达到了TensorG3在本地处理这些算法的能力的极限，谷歌关于“传统性能指标”不重要的说法已经不成立了。