Pixel-Smartphones: Apples Ex-Chip-Architekt entwickelt für Google

Googles neuer Lead SoC Architect heißt Manu Gulati und designt dort CPUs für Pixel-Smartphones. Zuvor arbeitete er für Apple und entwarf Chips für iPads und iPhones. Google dürfte mittelfristig Tensorflow-Hardware in seine SoCs integrieren.

Artikel veröffentlicht am 14. Juni 2017, 9:21 Uhr, Marc Sauter

Apples A9X-Chip (Bild: iFixit)

Wie Variety berichtet, ist Apples ehemaliger Chip-Entwickler Manu Gulati der neue führende Hardwareentwickler für Smartphone-Prozessoren bei Google. Passend dazu hat er in seinem Profil bei LinkedIn als Jobbeschreibung eingetragen, dass er nun Lead SoC Architect bei Google ist. Manu Gulati war von 2009 bis 2017 als Micro-Architect bei Apple angestellt, also für fast acht Jahre für die CPU-Designs des Herstellers mitverantwortlich.

Google arbeitet an eigenen Smartphone-SoCs

Apple entwickelt seit vielen Jahren eigene Prozessordesigns, die mit einer PowerVR-Grafikeinheit von Imagination Technologies kombiniert werden. Künftig wird Cupertino obendrein eigene GPUs entwerfen, denn das Lizenzabkommen mit Img Tech ist aufgekündigt. Apple hat angefangen mit der Swift-Architektur im A6-Chip für das iPhone 5 eigene Designs eingesetzt, aktuell ist die Hurricane-Technik im A10X des neuen iPad Pro mit 10,5 Zoll.

Google selbst verwendet in seinen Pixel-Smartphones bisher Systems-on-a-Chip von Qualcomm. Mit dem Wechsel von Manu Gulati und unter anderem der Suche nach einem weiteren Mobile SoC CPU Architect ist klar, dass Google künftig mit hoher Wahrscheinlichkeit eigene Prozessoren in Smartphones verwenden möchte. Das würde dem Hersteller mehr Kontrolle über die verbaute Hardware geben, was zusammen mit optimierter Software zu einer gesteigerten Geschwindigkeit und einer besseren Effizienz führen dürfte.

Mit Blick auf Googles neue Machine-Learning-Bibliothek Tensorflow Lite für Deep Learning lokal auf dem Smartphone ist der Wechsel von Manu Gulati interessant. Google sagte auf der Entwicklerkonferenz Google I/O, dass eine entsprechende Hardwarebeschleunigung definitiv ein Thema sei. Der Hersteller hat mit den TPUs (Tensor Processing Units) eigene ASICs, die für Training und Inference bei maschinellem Lernen verwendet werden.