Это опять проблема методики сравнения. Ну отличается, ну и что дальше? Вы и двух железных, скорее всего, не найдёте, которые не отличаются.
Слышно ли в этом сравнении, что железка определённо лучше? Нет, не слышно. Это, для такого прибора, прежде всего рандом, удачно ли подойдут тайм константы к материалу или неудачно.
То есть для какого-то показательного сравнения вам надо взять десять разных железок, десять разных эмуляций, выделить общий признак, по которому все железки отличаются от всех эмуляций и потом доказать значимость этого признака при помощи каких-то слепых испытаний.