在今年的 Made by Google 發表會上，Google花了相當篇幅，說明自家手機如何透過裝置端AI功能，提供低延遲、高隱私的使用體驗。此篇文章指出，Pixel 10搭載的AI功能，包括 Pro Res Zoom（透過AI實現百倍長焦）、Voice Translate（即時語音翻譯，使用者可用自己的聲音溝通）、以及 Magic Cue（根據使用情境提供建議），都不需要持續連網便可運行，彰顯了Google在裝置端AI的技術實力。
這些功能能夠實現，核心在於 Tensor G5晶片。文章引述席德的說法：「它是第一款真正將使命錨定在機器學習上的行動SoC，在今天的Gemini時代更顯重要。」Tensor G5不只是Pixel 10的運算引擎，也是Google過去五年專注於裝置端AI晶片策略的成果。
本文特別提到，Tensor G5的提升非常驚人。例如，三年前Pixel的頂級相機變焦模型僅約 1萬個參數，如今在Tensor G5加持下，模型參數已達 10億；語音互動模型亦從過去幾乎不可能在手機運行的規模，擴張至超過 30億參數。這背後展現的，是Google標榜的 全端方法（full-stack approach）：晶片、模型到應用端全面整合，雲端與手機端互補，使AI模型運行不再是妥協，而是選擇最佳策略。
席德進一步說明，Pixel團隊自Tensor G5開發起，就與 DeepMind深度合作。DeepMind負責提供模型改進建議，Tensor團隊則根據手機在記憶體、運算和功耗上的限制，調整晶片設計。此篇文章舉例了兩項創新成果：
- Matformer架構：讓Pixel動態選擇運行大模型或小模型，平衡速度與品質。
- 逐層嵌入（per-layer embeddings）：在不犧牲品質前提下，讓模型符合手機記憶體限制。
硬體部分，Tensor G5為歷史上最大升級。CPU效能提升 34%，AI核心TPU運算能力提升 60%，而轉向 台積電3奈米製程，也是今年重要決策之一，確保晶片性能與能耗管理達到最佳平衡。
在軟硬整合後，Pixel 10將AI能力轉化為可感知的使用者體驗。文章指出，Pixel 10將上下文長度提升至 3萬2千個符元，支援未來生成式AI需求；同時，原生運行 C2PA，可建立內容憑證，記錄每一次照片編輯，甚至包含AI修圖或合成過程，確保影像來源透明與可信。
展望未來，Google仍面臨挑戰：如部分AI功能可能擴散到其他Android品牌，降低Tensor G5獨特性；若DeepMind規劃的通用助理成真，手機需要無間斷監測使用者環境，對能耗與符元管理將是重大考驗。文章最後以席德的話收尾：「這是我們五週年，但在許多方面，這才只是個開始。」Tensor G5並非終點，而是Google將AI下放至手機的重要起點。
