AIPC核心增量：神经网络处理单元NPU产业解析
一. 消息面汇总
随着生成式AI需求在垂直领域不断增长，专为AI定制设计全新计算架构的NPU重要性逐步突显：
（1）2023年12月，英特尔发布了首个内置NPU的第14代酷睿Ultra处理器。
（2）AMD的锐龙8040处理器首次加入独立NPU。
（3）高通的骁龙 X Elite 处理器，集成Oryon CPU、Adreno GPU、Hexagon NPU。
二. NPU概览
NPU，即神经网络处理单元，是一种模拟人脑神经元结构，专门设计用于加速神经网络计算的处理器。
NPU的工作原理是在电路层模拟人类神经元和突触，通过模拟神经元之间的连接和信号传递过程，实现对数据的快速处理和分析。
与CPU、GPU相比，NPU利用其专门设计的硬件结构来执行神经网络算法，在深度学习的处理效率方面优势明显。
NPU的高效能、低能耗特性使得AI技术能在移动设备上实现实时处理，为用户提供更优质的交互体验。
三. NPU、CPU、GPU、FPGA的差别
（1）CPU：通用处理器，协同其他处理器完成各类任务，灵活性和可编程性较好，但计算效率不高。
（2）GPU：擅长高精度的并行计算任务，如高清图像、视频处理，同时算力强大，适合大规模并行计算。
GPU需要CPU协同处理，对于神经网络模型的构建和数据流的传递还是在CPU上进行，所以存在功耗高，体积大的问题。
（3）FPGA：在灵活性和可编程性方面有优势，但制程节点通常在14nm以上，不太适合小型低功耗的PC、手机等消费级设备。
（4）NPU：擅长标量、向量和张量数学运算，能效高，能够以极低功耗实现持续稳定的高峰值性能。
四. NPU优势与应用场景
与CPU、GPU相比，NPU主要优势在于：
4.1 高效能与低功耗
NPU采用针对神经网络运算优化的硬件架构和软件算法，在保证计算精度的同时，实现高效能和低功耗。
这使得NPU在移动设备、嵌入式系统等对功耗要求严格的场景中具有广泛应用前景。
4.2 可扩展性与兼容性
NPU支持多种神经网络模型和算法框架，具有良好的兼容性和可扩展性；还支持与CPU、GPU的协同工作，灵活高效的分配计算资源。
4.3 广泛的应用场景
除了智能手机、PC外，NPU还可以应用于自动驾驶、智能家居等领域。
（1）自动驾驶技术中，NPU可以处理大量传感器数据和算法模型，为车辆提供准确的感知和决策能力。
（2）智能家居场景中，NPU可以实现语音识别、人脸识别等功能。
五. 国内相关厂商梳理
北京君正：围绕嵌入式CPU、神经网络处理器、AI算法等领域形成自主核心技术，NPU技术已应用于T40、T41、A1等芯片。
国科微：主营芯片设计及解决方案，公司NPU已实现前端4T算力、后端NVR/DVR 9T算力。
全志科技：国内音视频SoC主控芯片龙头厂商，基于NPU加速的高性能视觉处理Soc芯片已量产。
芯原股份：国内第一、全球前七的半导体IP授权服务提供商，公司单价较高的GPU/NPU等IP下游需求较好。
寒武纪：围绕服务器、边缘计算设备、终端设备，主营AI芯片研发设计，麒麟970芯片NPU采用寒武纪IP设计。
——END——
往期阅读：