电脑硬件科普：NPU 与 GPU 两者有何不同？

随着人工智能（AI）的广泛应用，神经处理单元（NPU）已成为选购新一代 PC 或笔记本电脑时的重要考量因素。但您是否真正了解NPU与图形处理单元（GPU）之间的区别呢？

什么是 NPU？

NPU，全称为神经处理单元，是一种针对神经网络操作优化的专用处理器。其硬件架构专门针对AI和机器学习（ML）计算任务进行了优化，以实现更高的性能和能效。

NPU 具备强大的并行处理能力，能够同时执行多个操作，有效执行包括推理和训练在内的各种 AI 和 ML 任务。因此，无论是面部识别还是AI系统训练，NPU 都能提供出色的性能支持。

什么是 GPU？

GPU，即图形处理单元，是一种专门用于加速图形渲染和处理的处理器。GPU 同样支持并行处理，每秒能够执行数万亿次操作，这使其成为图像/视频编辑、游戏开发等领域中不可或缺的组成部分。

如今，随着计算技术的发展，GPU 已逐渐拓展到更广泛的计算任务中，包括大规模数据处理、复杂的科学计算以及 AI 系统训练等。

NPU 与 GPU 的比较

NPU 与 GPU 之间的主要区别在于其应用领域和功能。

NPU 主要针对 AI 和 ML 工作负载进行优化，而 GPU 则更侧重于图形处理和渲染任务。然而，随着技术的发展，GPU 的应用范围已逐渐扩大至 AI 和 ML 领域。尽管如此，为何公司仍然需要为 AI/ML 任务配备专用处理器呢？这主要是因为专用处理器在性能和效率方面具有显著优势。

硬件加速是一种通过使用专用组件来加速特定任务的技术。在计算机中，这种技术被广泛采用，例如使用 GPU 进行图形处理、使用声卡进行音频处理等。同样地，NPU 作为 AI 和 ML 任务的专用处理器，能够显著提高这些任务的性能和效率。

在性能方面，GPU 和 NPU 的衡量标准通常是每秒可以执行的操作数（TOPS）。例如，高通的骁龙 X Elite 芯片在 NPU 方面的性能高达 45 TOPS，而 NVIDIA 的 GeForce RTX 4090 GPU 则拥有超过 1300 TOPS 的性能。

在集成方式上，GPU 可以是离散的（独立于 CPU）或集成的（内置于 CPU 中）。而 NPU 目前大多以集成方式存在，例如 Apple 的 A 系列和 M 系列处理器中就内置了 NPU（即 Apple 神经引擎）。不过，也有一些离散的 NPU 产品，如 Raspberry Pi 的官方 NPU 扩展板。

总之，NPU 是专门为 AI 和 ML 任务设计的处理器，而 GPU 则主要用于图形处理。两者都具备强大的并行处理能力，但各自在特定领域具有显著优势。在选择计算机硬件时，了解这些差异将有助于您根据实际需求做出更明智的决策。