1. TPU（张量处理单元）
- 定义：TPU（Tensor Processing Unit）是谷歌开发的专用芯片，针对机器学习中的张量运算进行优化，尤其擅长加速神经网络训练和推理
- 核心特点：
- 架构：采用脉动阵列（systolic array）设计，数据像“脉搏”一样流动，减少内存访问延迟，高效处理矩阵乘法和卷积运算
- 精度与能效：使用8位低精度计算，牺牲部分精度换取更高速度和更低功耗，适合深度学习中对精度不敏感的场景
- 应用：主要用于AI模型训练（如BERT、T5等）和推理，谷歌云平台和部分企业数据中心部署
- 对比GPU：TPU的片上内存更大，适合大规模张量计算，而GPU更通用，适合图形渲染和多种并行任务
2. NPU（神经处理单元）
- 定义：NPU（Neural Processing Unit）是专为神经网络设计的处理器，优化深度学习中的矩阵运算和并行计算
- 核心特点：
- 架构：具备大量并行计算单元，支持近存储器运算（存算一体），降低数据传输能耗，提升效率
- 指令集：针对卷积、池化等操作硬件级优化，指令集高度定制化
- 应用：智能手机（如华为麒麟芯片）、自动驾驶（传感器数据处理）、医疗影像分析等边缘计算场景
- 发展趋势：算力持续提升（如AMD Ryzen AI达50 TOPS），与5G、物联网结合拓展应用
