Google 在 I/O Connect India 展示由 Tensor SoC 和 TPU 驱动的 Pixel 10 设备端 AI 未来

Google 在 I/O Connect India 展示了由 Tensor SoC 和 TPU 驱动的 Pixel 10 设备端 AI 能力。活动介绍了轻量级 Gemma 4 E2B 模型，该模型可完全在设备上运行，支持完全离线的多模态任务。

演示重点展示了基于边缘的私有处理，而非依赖云端的 AI。开发者获得了 Tensor SDK 测试版及开放资源，可开始构建类似工具。

活动详情和主要公告

Google 展示了 Pixel 10 系列在设备上运行 100% 私有 AI 功能。全新 Gemma 4 E2B 模型支持聊天、实时图像识别和个人代理任务，无需任何数据离开手机。

Tensor SoC 和 TPU 共同在本地处理模型推理。这消除了云端调用带来的延迟和传输风险。参会者观看了手机在无互联网接入情况下处理多模态输入的现场演示。

基于云的 AI 仍主导大多数消费工具。将大型模型迁移到设备端同时改变了成本结构和隐私特性。Pixel 10 利用全新硬件布局在严格功耗限制下运行更大模型。

Google 将此举定位为对用户日益增长的数据控制需求的直接回应。公司指出，设备端执行通过设计让对话和图像保持在本地。

核心对比在于云优先系统与印度展示的设备端路线。云模型提供规模，但需要持续连接并增加数据暴露风险。Pixel 10 证明了强大的多模态工作可留在手机上。

测试 Tensor SDK 测试版的开发者已报告原型应用响应更快。离线能力为云服务无法可靠服务的低连接地区开辟了用例。

Gemma 4 E2B 模型因其小尺寸和在 Tensor 硬件上原生运行的能力而被选中。Google 在同一活动发布了 Tensor SDK 测试版，以便第三方测试类似边缘模型。

许多当前设备端模型仍难以处理复杂推理或长上下文窗口。演示未说明 Pixel 10 如何在持续负载下处理更长的多轮对话。需独立测试来衡量真实世界耐久性。

开发者将跟踪 Pixel 10 发布在性能和电池影响方面的基准。Google 对 Tensor SDK 的更新将显示新模型到达平台的快慢。Qualcomm 和 MediaTek 等竞争对手的回应将表明设备端趋势是否会超越 Google 设备传播。

未来 I/O 活动很可能揭示 Gemma 4 系列是否扩展或仅限于 Tensor 硬件。