Googleは8月12日、Pixel 11、Pixel 11 Pro、Pixel 11 Pro XLを正式発表した。3機種は予約を受け付けており、店頭発売は8月20日を予定する。新しいTensor G6ではTPUの計算資源をTensor G5比で50%増やし、最新Gemini Nanoと組み合わせた端末内AIタスクを最大3.5倍高速化、消費エネルギーを最大3.5分の1にすると同社は説明した。
この数字は、PixelのAI機能がどこへ計算を振り向けるかを示している。一方で、3.5倍はチップ単体の一律な高速化率ではない。Googleの測定条件を確かめ、専用回路の能力とアプリ全体の待ち時間を分けて見る必要がある。
50%増と最大3.5倍が測るもの
Tensor G6の「TPU compute 50%増」は、Tensor G5に対する専用回路の計算資源の比較である。これに対し、最大3.5倍の高速化と最大3.5分の1のエネルギーは、最新Gemini Nanoを組み合わせた端末内AIタスクについての値だ。Googleはモデル名と入力長を明らかにしていない。出力精度やタスクごとの内訳も非開示である。
最大3.5倍という二つの値は、Googleの社内データに基づく量産前端末での公称値である。公開ページはモデル名や入力長を開示していない。独立試験の結果でも、Pixel 11の全機能に当てはまる保証でもない。
「最大3.5分の1のエネルギー」も、スマートフォン全体の消費電力や電池持続時間が3.5倍になるという意味ではない。対象は端末内AIタスクであり、表示や通信などが使う電力は別に残る。Googleは処理速度とエネルギーを別々の公称指標として示しており、一方から他方を導くことはできない。
TPUは、機械学習推論で使う密な行列演算を効率よく処理する専用回路である。しかしアプリが応答するまでには、入力の前処理からモデルの読み込み、メモリ転送までが加わる。TPUが対応しない演算や、OSとランタイムの動作にも時間がかかる。ピーク時の計算資源が増えても、処理全体の待ち時間が同じ割合で短くなるとは限らない。
CPUについてGoogleは、Tensor G5の発売時と比べてWeb閲覧を25%高速化し、アプリ起動を15%高速化したとする。こちらも用途別の社内測定値であり、総合ベンチマークの順位を示すものではない。
G5との比較は、世代ごとの条件を残す
Tensor G5の発表時、GoogleはTPU性能をPixel 9シリーズ比で最大60%高め、CPUをG4比で平均34%高速化したと説明していた。また、当時の最新Gemini Nanoへの最適化と合わせ、Pixel ScreenshotsやRecorderではG4比で2.6倍高速、2倍高効率とした。
このG5の「最大60%」と、G6の「計算資源50%増」は同じものを測った数字ではない。さらにG6の最大3.5倍は、ハードウェアに最新Gemini Nanoを組み合わせたシステム全体の値である。60%と50%を掛け合わせてG4比を出したり、50%増を3.5倍高速と読み替えたりはできない。
GoogleはTensorを、CPUやGPUだけの総合性能競争よりも、Pixel固有のAIとカメラ処理に合わせる設計として説明してきた。G6でもCPUとTPUに加え、ISPとGemini Nanoを用途ごとに示している。比較の条件を残すことが、数字が実際に表す変化を見誤らないための前提になる。
世代名が一つ進んでも、モデル側は同じままではない。G5の2.6倍もG6の3.5倍も、その世代の最新Gemini Nanoとハードウェアを合わせた値である。したがって発売後の比較では、G5とG6で同じモデル、入力、出力品質をそろえなければ、チップ側の改善とモデル更新の効果を切り分けられない。
Live TranslateからNight Sightまでの処理分担
Pixel 11のLive Translateは、Tensor G6上で動く高度な端末内生成AIモデルを使う。端末内で推論を完結できる処理であれば、TPUの計算資源と電力効率が体験に影響する場面はある。
Magic Captureでは、端末内インテリジェンスとGeminiモデルが通常約400フレームを解析し、12MPの写真と動画を生成する。ここでの結果はモデルだけで決まらない。撮影データをどう扱うか、処理をどこへ割り当てるか、ソフトウェアがどう組み立てるかも含めた成果である。
Pixel 11 ProとPro XLのNight Sightは、最大4.5倍高速になったとGoogleは説明する。ただし同社はその理由を、新しいセンサー、更新したISP、ソフトウェアの再設計の組み合わせとしている。Night Sightの数値をTPU単独の効果として扱う根拠はない。
機能ごとに、端末内処理だけで完結するとは限らない点にも注意がいる。GoogleはGemini Intelligenceで扱うデータを、端末またはクラウドで保存・処理し、Private Compute Core、Private AI Compute、pKVMなどで保護すると説明している。TPUの増強は、クラウド側で動く処理そのものを高速化するものではない。
Tensor ML SDK Betaが開いた利用経路
Googleは2026年5月、Tensor ML SDKをEAPからBetaへ進めた。開発者はLiteRTを使い、PyTorchまたはTFLiteのモデルを変換・コンパイルし、PixelのTPUで推論させる経路を利用できる。配布にはPlay Feature DeliveryとAI Packsを使える。
TPUが利用できない場合、Tensor ML SDKはCPUまたはGPUへフォールバックできる。LiteRTもNPU向けに、事前コンパイルと端末上でのJITコンパイルを用意する。実効性能はSoCの対応状況に加え、モデルが使う演算とコンパイル方法で変わる。メモリ移動やフォールバックの発生も処理時間を左右する。
Beta発表時に対応機種として挙げられたのはPixel 10系の4機種で、Model Gardenは100超のモデルを掲げていた。7月7日に最終更新された現行のTensor SDKトップページでは、Betaへの申込制と120超のモデルが案内されるが、Pixel 11対応は明記されていない。第三者アプリがG6の追加計算資源を使えるかは、SDKの対応機種、対応演算、G6向けコンパイラの更新を確認して初めて判断できる。
モデル数を見るだけでは、利用可能な性能は分からない。LiteRTは対応するSoC向けにモデルをコンパイルし、端末へ配布してからTPUへ推論を渡す。モデルの一部がTPUで処理できずCPUやGPUへ戻れば、50%増えた計算資源がアプリ全体の速度へそのまま現れない。GoogleがG6向けの対応表と実測値を公開するまでは、追加されたcomputeを利用可能な性能と同一視できない。
発売後は同じモデルで測る必要がある
発売前の現時点では、Tensor G6について、同一モデル・同一入力でTensor G5と比較した独立ベンチマークは公開されていない。持続性能、温度、対応演算の網羅率も未確認である。Googleの公称値は、どの機能へ最適化を注いだかを知る材料にはなるが、日常利用の全場面を表すものではない。
発売後に価値が見えてくるのは、同じモデルと入力での速度、電力、温度を測り、SDK経由で実際にTPUへ割り当てられる演算を確かめたときだ。そこで初めて、50%増えた計算資源がPixel 11の端末内AIをどこまで変えたかを判断できる。
