CPU、GPU、NPU、DPU、TPU、IPU、LPU、MCU、MPU 九种主流芯片对比和介绍

最新推荐文章于 2025-03-10 10:24:46 发布
最新推荐文章于 2025-03-10 10:24:46 发布
阅读量2k 收藏 16
点赞数 32
文章标签： 单片机 嵌入式硬件
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ICGOODFIND1/article/details/145754488
版权

在人工智能与异构计算时代，处理器芯片已形成"通用+领域专用"的生态矩阵。本文通过对比CPU、GPU、NPU、DPU、TPU、IPU、LPU、MCU、MPU九类芯片，揭示其技术特性与协同关系。

一、芯片类型核心对比矩阵

芯片类型全称核心设计目标关键架构特征典型应用场景
CPU中央处理器通用任务处理多级流水线/超标量架构，强分支预测能力操作系统/应用程序运行
GPU图形处理器并行计算加速数千计算核心，SIMD/SIMT架构图形渲染/深度学习训练
NPU神经网络处理器神经网络加速矩阵计算单元，支持稀疏化计算图像识别/语音处理
DPU数据处理器数据面处理卸载网络协议硬件解析+加解密引擎云计算网络虚拟化
TPU张量处理器张量运算优化脉动阵列设计，混合精度计算支持谷歌AI训练与推理
IPU智能处理器图计算加速MIMD架构，大规模片上SRAMGraphcore的图神经网络加速
LPU语言处理单元大语言模型推理超长上下文窗口支持，低延迟token生成架构ChatGPT类对话系统
MCU微控制器嵌入式控制集成存储/外设，低功耗设计家电控制/传感器管理
MPU微处理器高性能嵌入式计算多核架构，外接高速存储工业机器人/智能网关

二、关键技术差异分析

1. 计算架构创新

  • 并行粒度

    • CPU：指令级并行（ILP）+多线程（4-128线程）

    • GPU：数据级并行（DLP）+线程级并行（TLP，百万级线程）

    • LPU：序列级并行（SLP），支持512k+ tokens上下文处理

  • 内存系统

    • GPU：HBM3显存（>1TB/s带宽）

    • LPU：上下文专用缓存（处理长文本序列）

    • IPU：300MB片上SRAM（减少片外访问）

  • 能效比对比
    （NPU在AI推理任务中能效可达CPU的100倍）

2. 专用指令集演进

  • 通用指令集：x86/ARM提供完整运算与控制指令

  • 领域指令集：

    • TPU：矩阵乘加指令（MXU）

    • LPU：注意力机制硬件指令（如FlashAttention加速）

    • DPU：RDMA数据搬运指令

三、功能定位的协同与竞争

共同特征

  1. 物理基础：均采用先进制程（3nm-28nm）

  2. 系统集成：通过PCIe/CXL互连实现异构计算

  3. 软件依赖：需配套编译器优化（如CUDA/TensorRT）

领域分工对比

计算类型代表芯片性能优势领域
标量计算CPU/MPU逻辑判断/系统调度
矢量计算GPU浮点运算/并行计算
张量计算NPU/TPU矩阵乘法/卷积运算
图计算IPU不规则数据流处理
序列计算LPU长文本生成/多轮对话
控制计算MCU实时信号处理

四、应用场景深度解析

1. 典型系统配置

  • AI服务器：CPU（任务调度）+ GPU（模型训练）+ LPU（对话生成）

  • 智能汽车：MCU（车身控制）+ MPU（决策系统）+ NPU（视觉处理）

  • 云数据中心：DPU（网络卸载）+ IPU（图分析）+ TPU（推荐系统）

2. 市场格局演变

  • AI芯片：NVIDIA H100 vs Google TPUv4 vs 寒武纪MLU370

  • 新兴领域：Groq LPU在170B模型推理延迟<1秒

  • 嵌入式市场：瑞萨MPU占据工业控制38%份额

五、未来技术演进方向

1. 架构创新

  • 三维集成：台积电CoWoS封装实现CPU+LPU+HBM堆叠

  • 存算一体：三星HBM-PIM在内存内完成AI运算

  • 光子集成：Ayar Labs的光学I/O突破芯片互连带宽瓶颈

2. 软件定义硬件

  • 可重构架构（如Tenstorrent芯片支持动态配置为GPU/NPU）

  • 开源指令集（RISC-V生态出现AI扩展指令集）

3. 能效突破

  • 超导芯片：IBM量子计算芯片在特定任务能效提升万倍

  • 神经形态芯片：Intel Loihi模拟人脑突触能效特性

结语

从CPU的通用计算到LPU的语言智能，芯片的专用化进程印证了"软件定义硬件"的技术趋势。未来的计算架构将呈现两大特征：一方面，DPU/IPU等基础设施芯片持续优化数据中心TCO；另一方面，LPU/NPU等智能芯片推动AI应用平民化。只有理解不同芯片的特性光谱，才能构建最优化的计算系统。

ICGOODFIND1
关注
入门篇，带你了解CPU, GPU, TPU, NPU, DPU
qq_53545309的博客
07-19 3036
CPU是计算机系统的核心，负责执行操作系统和应用程序的指令。它由多个核心组成，每个核心可以独立执行任务。CPU的设计重点是处理复杂的逻辑运算和顺序任务，如分支预测、指令调度等。现代CPU通常包含多个层级的缓存（如L1、L2和L3缓存），以减少访问主存储器的延迟。CPU的架构设计如超标量（Superscalar）、乱序执行（Out-of-Order）和多线程（Multi-threading）等，都是为了提高其处理效率。
【科普系列】AI芯片：CPU GPU TPU DPU NPU BPU简介
若北辰
11-26 3924
AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块需要注意：其他非计算任务仍由CPU负责GPU 图形处理器（graphics processing unit，缩写：GPU）FPGA 现场可编程逻辑门阵列（Field Programmable Gate Array，缩写：FPGA）ASIC 专用集成电路(Application Specific Integrated Circuit，缩写：ASIC)所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）
英伟达（NVIDIA）、AMD和Intel部分GPU性能参数对比
2402_84466582的博客
06-03 2676
NVIDIA、AMD和Intel部分GPU型号更为详细的性能参数对比，以及对它们的市场应用和技术创新的概述。
CPU、GPU、DPU、NPU：谁是AI时代的算力之王
最新发布
Maryhuan的博客
03-10 1852
CPU、GPU、DPU、NPU，它们就像算力时代的四大引擎，推动着科技的进步和社会的发展。相信在未来，它们将继续演进，为我们带来更多惊喜和可能。
CPU、GPU、IPU、NPU、TPU、LPU、MCU、MPU、SOC、DSP、FPGA、ASIC、GPP、ECU、
limengshi138392的博客
03-15 1万+
CPU、GPU、IPU、NPU、TPU、LPU、MCU、MPU、SOC、DSP、FPGA、ASIC、GPP、ECU、
CPU,GPU,DSP,NPU对比
weixin_42259447的博客
05-30 2093
CPU,GPU,DSP,NPU对比
常见的GPU性能对比
姚光超的专栏
08-14 8081
写这篇博客的目的就是想搞清楚英伟达不同显卡之间的性能差异以及移动端GPU的性能达到了英伟达显卡的哪一代，让自己也让大家明白不同显卡的算力差异。所有的数据均从网络搜索，有不正确的地方欢迎批评指正。同一显卡会有一个首次发布，此外还有一系列的迭代升级版本，我们只考虑首次发布版本的性能。鉴于现在的模型推理大多使用int8来进行推理，所以大家可以着重看一下int8算力那一列。
一文搞懂最新NVIDIA GPU满血版和阉割版芯片：A100、H100、A800、H800、H20的差异
u013891230的博客
02-18 1万+
Ampere 架构的 GPU 采用了多个流多处理器（SM）和更大的总线宽度，提供了更多的 CUDA Core 和更高的频率。Ampere 架构的 GPU 还具有更高的内存容量和带宽，适用于大规模的数据处理和机器学习任务。它们还将支持PCIe 5.0，成为首批实现这一转变的消费级GPU，不过我们还需观察这一支持是否覆盖所有Blackwell GPU，还是仅适用于RTX 5090。这些GPU主要面向中国客户，如阿里云、腾讯云、百度云等云计算厂商，性能稍逊于A100和H100，但仍然具备极高的计算能力。
BPU, CPU, DPU, GPU, IPU, MCU, MPU, NPU, SoC,TPU 区别
u013669912的博客
09-02 2491
……
AI芯片概述-分类、应用、技术（APU、CPU、DPU、GPU、NPU和TPU）及厂家
weixin_37553721的博客
03-21 4882
AI芯片概述-分类、应用、技术（APU、CPU、DPU、GPU、NPU和TPU）及厂家。
Arm推出全新NPU、GPU和DPU IP，为主流市场带来智能沉浸式体验
01-19
Arm Ethos-N57与 Ethos-N37 NPU：扩展机器学习(ML)处理器的产品范围，以便在主流设备上提供人工智能(AI)应用。 　Arm Mali-G57 GPU: 个基于Valhall架构的主流GPU，性能是前几代产品的1.3倍 　Arm Mali-D37 DPU：在...
一文看懂25种处理器架构：从CPU到QPU，芯片世界全景解析
云轩阁
02-25 1444
在计算机科学和半导体领域，处理器架构的多样性令人眼花缭乱。本文通过分类解析25种核心处理器类型，助你构建完整的芯片知识体系。
CPU,GPU,TPU,NPU都是什么？
我是个好人呀，????
12-12 998
中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令，对指令译码并执行指令的核心部件。中央处理器主要包括两个部分，即控制器、运算器，其中还包括高速及实现它们缓冲处理器之间联系的数据、控制的总线。电子计算机三大核心部件就是CPU、内部存储器、输入/输出设备。中央处理器的功效主要为处理指令、执行操作、控制时间、处理数据。
详谈除了CPU之外的几种芯片类型
6108我爱物联网方案开发CSDN博客
09-23 463
我记得在大学读书的时候还会兼职卖几台二手电脑来挣点早餐钱，当时还是谈了电脑奔腾系统，有时间的话去广州天河看看人山人海的电脑城，其中配置电脑时候看的核心就是电脑的CPU，但近年来约来约少人讨论。 　　第一个原因当然是因为移动互联网的到来，以互联网为代表的电脑转转移到手机了，曾经如雷贯耳的戴尔没落了，联想即使排名第一也没有什么引起大家关注。 另外一个原因就是技术变化。没有关系技术的人可能也不知道当今...
英特尔发布重大技术架构的改变和创新，面向CPU、GPU和IPU
英特尔开发人员专区
08-30 4391
在2021年英特尔架构日上，英特尔公司高级副总裁兼加速计算系统和图形事业部总经理Raja Koduri携手多位英特尔架构师，全面介绍了两种全新x86内核架构的详情；英特尔首个性能混合架构，代号“Alder Lake”，以及智能的英特尔®硬件线程调度器；专为数据中心设计的下一代英特尔®至强®可扩展处理器Sapphire Rapids；基础设施处理器(IPU)；即将推出的显卡架构，包括Xe HPG微架构和Xe HPC微架构，以及Alchemist SoC, Ponte Vecchio SoC。 这些新架构将为.
GPU、NPU、LPU分别是啥,还有别的吗?
kcarly的专栏
02-10 1407
GPU、NPU和LPU分别针对图形渲染、神经网络计算和自然语言处理进行了优化，各自在特定领域表现出色。此外，还有CPU、TPU、APU等其他类型的处理器，它们在通用计算、AI推理和特定任务中各有优势。随着AI技术的发展，这些处理器将在不同场景中发挥更大的作用。
AI处理器-寒武纪NPU芯片简介
耐心的小黑的博客
10-31 1万+
一、前言 当今时代，人工智能（AI）正被广泛运用于各式各样的应用上。人工智能的三大支撑是硬件、算法和数据，其中硬件指的是运行 AI 算法的芯片与相对应的计算平台。由于使用场景变多，所需处理的数据量变大，人们的需求也更高，这就使得AI算法必须能够高效的运行在硬件平台上。在硬件方面，目前主要是使用 GPU 并行计算神经网络，同时，还有 FPGA 和 ASIC 也具有未来异军突起的潜能。 GPU称为图形处理器，它是显卡的“心脏”，与 CPU 类似，只不过是一种专门进行图像运算工作的微处理器。GPU 在浮点运算、
cpu和gpu已过时，npu和apu的时代开始
热门推荐
振华OPPO的博客世界
07-25 3万+
🌎CPU是中央处理器。其实就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。CPU的结构主要包括运算器（ALU，ArithmeticandLogicUnit）、控制单元（CU,ControlUnit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线（BUS）。🌏GPU一般指图形处理器，又称为显示芯片、视觉处理器，是一种专门在个人电脑和一些移动设备上做图像和图形相关运算工作的微处理器。...
科普：NPU，TPU，IPU，这些都是什么？
HackEle的博客
05-23 2889
关注、星标公众号，精彩内容每日送达 来源：网络素材各种PU（processing unit）的概念层出不穷，比较火热。今天我们来大致看看，这些X PU都是些什么？什么是CPU？中央处理器（Central Processing Unit），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。CPU是计算机中负责读取指令，对指令译码并执行指令的核心部件。...
CPU GPU和NPU
02-14
### CPU、GPU 和 NPU 的区别及其应用场景 #### 中央处理器 (CPU) 中央处理器(CPU)，通常被称为计算机的大脑，设计用于处理广泛类型的计算任务。这些任务包括但不限于运行操作系统功能、管理输入输出操作以及执行应用程序逻辑。现代多核CPU能够高效地分配资源来并发处理多个线程的任务[^1]。 对于批处理大小设置，默认每设备训练批次大小为8，适用于CPU核心的配置说明也体现了这一点。这意味着，在训练期间，每个CPU核心会接收固定数量的数据样本进行处理，以此平衡负载并提升效率。 ```python per_device_train_batch_size: int = field( default=8, metadata={"help": "Batch size per GPU/TPU/MPS/NPU core/CPU for training."} ) ``` #### 图形处理器 (GPU) 图形处理器(GPU)最初是为了加速图像渲染而设计的硬件单元，但随着技术的发展，其应用范围已经扩展到通用计算领域。相比于传统CPU，GPU拥有更多的处理单元(ALUs)，特别适合大规模矩阵运算和平行数据流处理。因此，在机器学习特别是深度学习方面表现尤为突出，因为这类算法往往涉及大量相似结构化的重复计算工作[^2]。 当涉及到评估阶段时，同样采用默认值8作为每设备评测批次尺寸，表明即使是在不同架构下（如GPU），保持一致性的批量规模有助于维持稳定性和可预测性。 ```python per_device_eval_batch_size: int = field( default=8, metadata={"help": "Batch size per GPU/TPU/MPS/NPU core/CPU for evaluation."} ) ``` #### 神经网络处理器 (NPU) 神经网络处理器(NPU)是一种专门为人工智能推理和训练定制优化过的集成电路芯片。相较于其他两种类型，NPUs更专注于支持特定的人工智能框架和技术栈，比如TensorFlow或PyTorch等，并且内置了许多针对卷积层、激活函数以及其他常见AI组件的高度专业化指令集和支持库。这使得它们能够在更低能耗的情况下实现更高的吞吐量和更快的速度，非常适合部署在边缘端设备上完成实时分析任务。 例如，在移动平台上，通过利用像苹果公司的Metal API这样的接口，可以更好地发挥出集成在其SoC内部的小型专用AI协处理器——即所谓的“Apple Neural Engine”的潜力，从而显著改善用户体验的同时减少延迟时间。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值