CPU/GPU/TPU/NPU

CPU

CPU英文全称是Central Processing Unit，中文全称是中央处理器，是计算机的核心器件，CPU通常由三个部分组成：计算单元、控制单元和存储单元。

GPU

GPU全称是Graphics Processing Unit，中文全称叫图形处理器，它也是由三个部分组成：计算单元、控制单元和存储单元。

CPU这边起码30%都是用在了控制单元，各个单元占比还算均衡，而GPU就夸张了，80%以上都用在了计算单元，偏科有点严重啊。

正是由于这种区别，导致CPU精于控制和复杂运算，而GPU精于简单且重复的运算。

另外CPU和GPU还有一个最大的区别：CPU是顺序执行运算，而GPU是可以大量并发的执行运算，通俗的说就是CPU做事情是一件一件来做，而GPU是很多件事情同时做。

GPU就是用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。这种策略基于一个前提，就是小学生A和小学生B的工作没有什么依赖性，是互相独立的。

但有一点需要强调，虽然GPU是为了图像处理而生的，但是我们通过前面的介绍可以发现，它在结构上并没有专门为图像服务的部件，只是对CPU的结构进行了优化与调整，所以现在GPU不仅可以在图像处理领域大显身手，它还被用来科学计算、密码破解、数值分析，海量数据处理（排序，Map-Reduce等），金融分析等需要大规模并行计算的领域。

上面我们提到的CPU和GPU都是通用芯片。

TPU

自从谷歌的AlphaGo打败李世石之后，谷歌在人工智能界的知名度也越来越大了，于是谷歌推出了它们的深度学习框架TensorFlow，这个深度学习框架也就此扬名世界。

有了好的算法框架，就得要有硬件来支持啊，传统的GPU行吗？

当然行，可是它毕竟是块通用的石头，要是打磨打磨就好了。

于是针对谷歌的深度学习框架TensorFlow专门定制的芯片诞生了，英文全称就叫Tensor Processing Unit，翻译为中文就是张量处理单元，它到底有多牛呢？比较下你就知道了：

TPU与同期的CPU和GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率（性能/瓦特）提升。

吼吼，这可不是一丁点的效率提升，是大大的提升。

NPU

NPU英文全称是Neural network Processing Unit， 中文叫神经网络处理器。

而这个NPU，即神经网络处理器，就是要模仿人的大脑神经网络，使之具备智能。

怎么模仿呢？

NPU工作原理是在电路层模拟人类神经元和突触，并且用深度学习指令集直接处理大规模的神经元和突触，一条指令完成一组神经元的处理。相比于CPU和GPU，NPU通过突触权重实现存储和计算一体化，从而提高运行效率。