AI 处理器全景指南
编者按： 当大模型的算力需求呈指数级增长，GPU 还是唯一答案吗？在 AI 硬件军备竞赛愈演愈烈的今天，是否存在更高效、更专精、甚至更具颠覆性的替代方案？ 我们今天为大家带来的文章，作者的核心观点是：AI 硬件生态正在迅速多元化，除了广为人知的 CPU、GPU 和 TPU 之外，一系列新兴架构 ------ 如 ASIC、NPU、IPU、FPGA 乃至存内计算与神经形态芯片，正从不同维度重塑 AI 的算力未来。 文章系统梳理了三大经典处理单元（CPU、GPU、TPU）的原理与局限，并深入剖析了包括 Cerebras 晶圆级引擎、AWS Trainium/Inferentia、AMD APU、NPU 在内的专用芯片设计思路；进而拓展至 IPU、RPU、FPGA 等前沿架构，揭示它们如何针对稀疏计算、图神经网络、边缘推理或存算一体等特定场景提供突破性性能。 作者 | Ksenia Se and Alyona Vert 编译 | 岳扬 目录 01 CPU、GPU、TPU -- 三种核心硬件架构 1.1 中央处理单元（Central Processing Unit, CPU） 1.2 图形处理单元（Graphics Processing Unit, GPU） 1.3 张量处理单元（Tensor Processing Unit, TPU） 02 专用集成电路（Application-Specific Integrated Circuits, ASICs） 2.1 Cerebras 晶圆级引擎（Wafer-Scale Engine, WSE） 2.2 AWS Trainium 与 AWS Inferentia 2.3 加速处理单元（Accelerated Processing Unit, APU） 2.4 神经网络处理单元（Neural Processing Unit, NPU） 03 其他有前景的替代架构 3.1 智能处理单元（Intelligence Processing Unit, IPU） 3.2 阻变处理单元（Resistive Processing Unit, RPU） 3.3 现场可编程门阵列（Field-Programmable Gate Arrays, FPGAs） 04 新兴架构（Emerging Architectures） 4.1 量子处理器（Quantum Processors） 4.2 存内计算（Processing-in-Memory, PIM）与基于 MRAM 的芯片 4.3 神经形态芯片（Neuromorphic Chips） 05 结语（Conclusion） 如今连小孩子都知道 GPU（图形处理单元）是什么了 ------ 这得归功于 AI，也归功于英伟达（Nvidia），它始终在不遗余力地推进自家芯片的发展。当然，硬件既是绊脚石，也是推动模型运行及其技术栈的引擎。但为什么人们讨论的焦点只集中在 GPU 上呢？难道没有其他竞争者可能塑造 AI 硬件的未来吗？CPU 和 TPU 当然算 ------ 但仅此而已吗？ 今天，让我们跳出 GPU 的思维茧房，将视线拓展到 GPU、CPU、TPU 这"老三样"之外。全球开发者一直在探索各类替代设计方案，每一种都承诺带来可观的效率提升和全新的创新路径。 我们希望能各位读者打造一份完整的 AI 硬件指南，因此先从这三大巨头讲起，再转向那些虽不主流却内有乾坤的方案：例如 Cerebras WSE 和 AWS 自研的定制 ASIC；还有 APU、NPU、IPU、RPU 以及 FPGA。我们会帮你厘清这些术语，让你全面掌握 AI 硬件的完整图景。这篇文章必将让你收获满满！ 01 CPU、GPU、TPU -- 三种核心硬件架构 在探讨其他替代方案之前，先来剖析一下这些我们耳熟能详的 CPU、GPU 和 TPU 到底是什么。 这三大巨头都属于处理单元（Processing Units，简称 PUs） ------ 即专门用于执行软件程序指令、进行计算的电子电路。许多人称它们为计算机系统的"大脑"。PUs 执行各类算术、逻辑、控制以及输入/输出操作，将原始数据处理成有用的信息。 不同类型的 PU 针对不同的工作负载进行了优化 → 1.1 中央处理单元（Central Processing Unit, CPU） 中央处理单元（CPU）专为通用计算和顺序任务执行而设计。 CPU 是三者中最古老的。其前身的故事始于 1945 年 ------ 约翰·莫奇利（John Mauchly）与 J. 普雷斯珀·埃克特（J. Presper Eckert Jr.）推出了 ENIAC（Electronic Numerical Integrator and Computer）。这是世界上第一台可编程、电子式、通用型的数字计算机，能通过重新编程解决多种数值问题，使用了约 18,000 个真空管。 同年，约翰·冯·诺依曼（John von Neumann）发表了《First Draft of a Report on the EDVAC》，提出将数据和指令存储在同一内存中。这一"存储程序"模型成为现代 CPU 的设计蓝本。 到了 1950 年代中期，真空管被晶体管取代。从那时起，处理器开始由大量基于晶体管的元件组成，并安装在电路板上，使计算机变得更小、更快、更省电。 1960 年代，集成电路（ICs）出现，将多个晶体管集成到单块硅片上。最终在 1971 年，英特尔（Intel）推出了 4004 ------ 全球首款商用微处理器，即一颗集成在单一芯片上的 4 位 CPU。这标志着现代 CPU 的真正诞生。 Intel 8086 是如今 x86 CPU 架构的始祖，而目前提升效率的主流方案则是多核处理器 ------ 将多个 CPU 核心集成在单一芯片上。 那么，现代 CPU 内部究竟包含什么？它们又是如何工作的？ CPU 的核心是控制单元（control unit），它包含复杂的电路，通过发出电信号来控制整台计算机，并将数据和指令引导至正确的位置。算术逻辑单元（ALU）负责执行数学与逻辑运算，而寄存器（registers）和高速缓存（cache）则提供了极小但极快的存储空间，用于存放处理器频繁需要的数据。 Image Credit: Wikipedia CPU 还包含核心（cores） ------ 即 CPU 内部的处理单元，每个核心都能独立处理指令；以及线程（threads），允许一个核心同时处理多条指令流。这些组件都按照时钟信号（clock）的节拍运行，时钟提供了同步整个系统所需的节拍。此外，还有总线（buses，用于数据传输）、指令寄存器（instruction register）和指令指针（instruction pointer，用于追踪下一步要执行的内容）等辅助组件，将整个系统紧密连接，使指令能顺畅地从一个步骤流转到下一个。 CPU 的工作遵循一个简单却强大的循环：取指（fetch）→ 译码（decode）→ 执行（execute） 。 它从内存中取指数据或指令， 将它们译码为硬件能理解的信号， 然后执行所需的操作（例如计算、数值比较，或将数据发送到其他地方）。 在现代处理器中，这一过程每秒可发生数十亿次，多个核心与线程并行工作提升性能，使 CPU 如同一个高度协同的组件团队。CPU 核心数量较少（例如 1 到 2 个）时，通常更注重能效（即单位功耗下完成更多有效工作），适合轻量或日常任务，而核心数量较多的 CPU 则用于支撑高性能、高负载的任务。 如今的 CPU 主要来自以下厂商： Intel，产品包括 Core 系列（消费级）、Xeon（服务器/工作站）、Pentium 和 Celeron（入门级）芯片； AMD，提供 Ryzen（消费级/高性能）和 EPYC（服务器）处理器，以及 APU（Accelerated Processing Unit），它将 CPU 和 GPU 集成在同一颗芯片上（我们稍后会详细讨论）。 CPU 用于 AI 时面临的主要问题是：它针对的是顺序执行的通用任务，而非大规模并行的矩阵运算，因此在速度和能效上远逊于 GPU 或专用芯片。 接下来，让我们转向介绍第二款芯片 ------ 著名的 GPU。 1.2 图形处理单元（Graphics Processing Unit, GPU） 图形处理单元（GPU）专为高吞吐量的大规模并行数据处理而优化。GPU 最初被发明用于加速图像和视频中的计算机图形渲染，但后来人们发现它在非图形计算任务中同样大有用武之地。如今，GPU 被广泛应用于可并行化的工作负载，例如处理数据密集型任务和训练 AI 模型。 如今，GPU 是推动 AI 性能提升的核心力量，也是衡量 AI 计算能力的一项关键指标。 "图形处理单元"（GPU）这一术语由 NVIDIA 于 1999 年正式提出，随 GeForce 256 显卡一同发布。NVIDIA 称其为全球首款 GPU，其官方定义为："集成变换、光照、三角形设置/裁剪及渲染引擎的单芯片处理器。" 那么，这款传奇的 GPU 究竟是如何工作的？→ GPU 内部是一块硅芯片，上面蚀刻着数十亿个微型晶体管，被组织成数千个轻量级处理核心。这些核心通过复杂的布线相互连接，并由高带宽内存和缓存提供支持，使数据能在核心之间高速流动。整个芯片被封装在保护材料中，并配有散热系统来维持稳定运行。 （了解芯片历史的最佳读物之一是克里斯·米勒（Chris Miller）所著的《芯片战争：世界最关键技术的争夺战》（Chip War: The Fight for the World's Most Critical Technology），强烈推荐。） 与 CPU 不同，GPU 专为并行计算而生 ------ 它会将一项大型任务拆分成成千上万个更小、彼此独立的子任务，并将它们分发到各个核心上同步计算。正因如此，GPU 非常适合训练和运行 AI 模型，因为这些模型涉及对海量数据集进行重复的矩阵与张量运算。得益于 GPU 的并行架构，原本需要数月的训练如今几天就能完成，推理速度也足以支撑实时应用 ------ 比如聊天机器人。 全球 GPU 生产的领军者是 NVIDIA，它打造了完整的并行计算平台 CUDA（Compute Unified Device Architecture），将 GPU 硬件能力释放到通用计算领域，大幅降低了 GPU 编程的门槛。 NVIDIA 面向 AI 基础设施和行业应用的主要 GPU 产品包括： V100（Volta 架构） -- 专为深度学习加速而设计，首次引入 Tensor Core（张量核心） ------ 专用于加速 AI 训练中矩阵运算的硬件单元。 A100（Ampere 架构） -- 拥有更多 Tensor Core、更高内存带宽，并支持多实例 GPU（MIG）技术，可将一块物理 GPU 划分为多个逻辑 GPU，提升资源利用效率。 H100、H200（Hopper 架构） -- 当前 AI 领域的行业标准。H 系列支持 Transformer Engine、超大内存带宽，以及极致的训练与推理速度。 图片来源：NVIDIA H100 NVL GPU 产品文档 Blackwell（例如 B200 和 GB200 Grace-Blackwell "超级芯片"） 专为下一代拥有数万亿甚至十万亿级参数的 AI 模型而设计。作为 Hopper 架构的继任者，它引入了 FP4 精度，并在推理吞吐量上实现了大幅提升，尤其针对超大规模 Transformer 工作负载。 随着行业对 AI 专用处理器的需求日益增长，第三类核心硬件 ------ TPU 应运而生。 1.3 张量处理单元（Tensor Processing Unit, TPU） 张量处理单元（TPU）是由 Google 专为加速神经网络运算（尤其是矩阵乘法与机器学习工作流）定制的芯片。它最初在 2016 年 Google I/O 大会上亮相，属于 ASIC（Application-Specific Integrated Circuits，专用集成电路）类别。TPU 的基本架构如下： 图片来源：论文《In-Datacenter Performance Analysis of a Tensor Processing Unit》 其核心组件是矩阵乘法单元（Matrix Multiply Unit） ------ 一个巨大的 256×256 乘加单元（MAC）阵列，采用脉动阵列（systolic array）结构，数据以"波"的形式在网格中流动。 TPU 还配备了大容量片上存储器： <!-- --> 统一缓冲区（Unified Buffer，24 MB）：用于存放中间激活值； 权重存储器/ FIFO（Weight Memory/FIFOs）：用于存储神经网络权重； 累加器（Accumulators，4 MB）：用于收集求和结果。 控制逻辑、PCIe 接口和激活单元（用于 ReLU、sigmoid 等函数）为矩阵引擎提供支持，但芯片的大部分面积都用于原始计算和高速数据传输。 TPU 的主要特点是作为协处理器工作： 主机 CPU 通过 PCIe 向 TPU 发送指令，TPU 直接执行这些指令。 其指令集非常精简（仅约十几条指令），硬件通过流水线设计确保矩阵单元始终处于忙碌状态。 像 TensorFlow 这样的框架会将模型编译成这些底层指令。 256 个小型片上存储器（分布式累加器 RAM）用于收集部分和，而脉动阵列则执行乘加（MAC）运算。通过将权重和数据持续流入脉动阵列，并在片上缓冲区中本地复用，TPU 最大限度地减少了对片外内存的访问。因此，大部分计算任务（逐层进行）都能直接在芯片上完成。 图片来源：论文《In-Datacenter Performance Analysis of a Tensor Processing Unit》 总结来说，TPU 中的每个单元执行小规模计算，并将部分结果传递下去，从而节省功耗，并极大加快 AI 模型背后的数学运算速度。 这正是 TPU 在相同任务中能实现高吞吐量，同时功耗远低于 CPU/GPU 的原因。根据 Google 2017 年的分析，TPU 在能效比（每瓦性能）上比同期 CPU 和 GPU 高出约 30--80 倍（在推理任务中，拿 TPU 和 K80 这类 GPU 做能效对比）。 然而，仅靠这三种硬件（CPU、GPU、TPU），我们仍无法全面理解驱动 AI 发展的全部技术力量。因此，我们还需梳理整个领域还有哪些技术可供选择。由于 TPU 属于 ASIC 类 AI 芯片，我们将从这一类别出发，探索更多强有力的替代方案。接下来，让我们来深入看看它们如何构想未来 → 02 专用集成电路（Application-Specific Integrated Circuits, ASICs） ASIC 是完全定制的硅芯片，专为某一种特定的 AI 工作负载而设计。这类芯片既包括云服务巨头的自研芯片，也涵盖初创企业打造的专用 AI 硬件。在这一领域，我们不得不提及...... 2.1 Cerebras 晶圆级引擎（Wafer-Scale Engine, WSE） Cerebras 将未来押注于晶圆级芯片。其最新款 Cerebras WSE-3 芯片实际上是史上尺寸最大的 AI 芯片之一 ------ 面积高达 46,255 mm²。其核心技术在于：Cerebras 将整片硅晶圆直接制成一颗芯片，而不是像传统 CPU 或 GPU 那样将晶圆切割成数百个小处理器。 WSE-3 包含 4 万亿个晶体管、90 万个专为 AI 优化的核心，以及 44 GB 片上 SRAM 内存。每个核心都配备有独立的本地内存，并通过横跨整个晶圆的超高带宽互连网络（fabric）彼此连接，从而大幅缩短计算单元与内存之间的距离。 图片来源：Cerebras Wafer-Scale Engine (WSE) 产品手册 Cerebras 的晶圆级理念带来了令人瞩目的成果： 单颗 WSE-3 可提供 125 petaFLOPS 的 AI 算力。 据 Cerebras 声称，将 WSE-3 组合成晶圆级集群（Wafer-Scale Cluster, WSC），并集成 MemoryX（用于存储超大模型权重的片外存储）和 SwarmX（用于在节点间广播权重并聚合梯度），即可高效支持数万亿参数模型的训练，且几乎能随硬件规模线性提升性能，同时规避传统 GPU 集群中复杂的通信开销。 目前有哪些模型已在 Cerebras WSE 上运行？ 以下是两个典型示例： 1）阿里巴巴的 Qwen3 Coder 480B Instruct，推理速度达到 每秒 2,000 个 token。 2）混合专家模型（Mixture-of-Experts, MoE）：Cerebras 使其大规模训练变得更加简单高效。这类模型可在单个设备上完成训练，无需模型并行（而使用 GPU 时通常必须依赖模型并行）。Cerebras 采用的注意力批处理分块（Batch Tiling on Attention, BTA）技术，解决了稀疏 MoE 模型的计算效率问题 ------ 它将注意力层与专家层的批处理需求解耦：注意力层在较小的"分块"（tiles）上运行，以降低内存压力；专家网络则处理更大的有效批次，确保其核心始终处于高利用率状态。 由此可见，这是一项以规模制胜的强大技术。 2.2 AWS Trainium 与 AWS Inferentia 亚马逊同样推出了突破 GPU 垄断的替代方案，并形成了自己对高效硬件的独特构想。其两款自研芯片专为 AI 工作负载设计，并深度集成于 AWS 生态系统之中。 AWS Trainium 专用于模型训练，AWS Inferentia 则面向推理任务。这两款芯片内部均采用定制的 NeuronCore、高带宽内存（HBM），以及用于张量运算、集合通信和稀疏性加速的专用引擎。 配备 64 颗 Trainium 2 芯片的 Trainium 2 UltraServer 服务器，在处理稀疏模型时，最高可提供 83.2 petaflops 的 FP8 算力；在处理稠密模型时，FP8 算力约为 20.8 petaflops。相比之下，单颗 NVIDIA H100 GPU 的 FP8 算力大约只有 4 petaflops。 AWS Inferentia 2 支持大规模部署大语言模型（LLM）和扩散模型（diffusion models），其每瓦性能比基于 GPU 的同类 EC2 实例（例如 G5 系列）提升约 50 %。 因此，AWS 硬件为生成式 AI 的需求提供了在规模、性能与成本效益三者之间高度平衡的解决方案。 在了解了这些定制化的高效 ASIC 的案例后，我们再回到那些名字中带有 "..PU" 的硬件新锐。接下来是...... 2.3 加速处理单元（Accelerated Processing Unit, APU） 如前文所述，AMD 开发了一种混合型处理单元架构，将 CPU 与 GPU 的能力融合进单一芯片封装中，由此诞生了加速处理单元（APU）。这种设计消除了在独立处理器之间来回传输数据所带来的性能瓶颈。 迄今为止，该理念的最大代表作是 AMD Instinct MI300A。它集成了 24 个 "Zen 4" CPU 核心、228 个 GPU 计算单元，以及高达 128 GB 的 HBM3 内存。 其内部采用 AMD 的 chiplet（小芯片）与 3D 堆叠技术打造。MI300A 的内存能够在 CPU 和 GPU 之间共享，峰值带宽高达 5.3 TB/s。其多芯片架构通过 chiplet 与裸片堆叠，将 CPU 和 GPU 计算单元紧邻高带宽内存布置，并由 AMD 的 Infinity Fabric 与 Infinity Cache 统一互联。此外，该芯片全面支持主流 AI 数据格式，并具备硬件级稀疏性加速能力。 图片来源：AMD INSTINCT™ MI300A APU 产品手册 那么问题来了：既然可以拥有"一体式引擎"，又何必在 CPU 和 GPU 之间做选择？ NVIDIA 也在其 NVIDIA Grace Hopper Superchip 中践行了类似理念 ------ 这是一款统一模块，将基于 Arm 架构的 Grace CPU 与 Hopper GPU 通过 NVIDIA 自研的 NVLink-C2C 芯片间互连技术紧密耦合。其核心优势与 AMD MI300A 高度一致： CPU 与 GPU 线程可直接访问彼此的内存， 能够执行原子操作， 并实现更高效的同步管理。 NVIDIA 表示，Grace Hopper Superchip 在图神经网络（GNN）训练上，速度比通过 PCIe 互联的 H100 GPU 快最多 8 倍；在嵌入向量（embedding）生成任务上，比纯 CPU 方案快约 30 倍。 然而，这种 CPU 与 GPU 的融合也带来了更高的功耗、更低的灵活性以及更复杂的制造工艺。 接下来，我们将转向一些更小巧的硬件类型。 2.4 神经网络处理单元（Neural Processing Unit, NPU） 你可以想象一下，在一颗普通芯片内部专门内置一个用于 AI 任务的加速器 ------ 这也正是神经网络处理单元（NPU）的核心理念。NPU 本质上是现代芯片中专为运行 AI 工作负载而打造的小型引擎，用于处理神经网络、图像与语音识别，甚至本地运行的大语言模型（LLM）。通过模拟人脑神经网络架构，NPU 针对 AI 工作负载的计算模式进行专门优化：大量矩阵乘法、激活函数运算，以及在极低功耗下实现高速数据移动。 以下是一些我们如今能在各种设备中实际找到的 NPU 示例： 高通（Qualcomm）Snapdragon 芯片中的 Hexagon NPU，为智能手机、汽车、可穿戴设备等提供 AI 功能支持。 Apple Neural Engine：首次亮相于 2017 年的 A11 Bionic 芯片，如今已集成于所有搭载 Apple Silicon 的 iPhone、iPad 和 Mac 中，用于驱动 Face ID、图像处理和 Sir 等功能。 英特尔 NPU（搭载于新一代酷睿 Ultra AI PC 处理器，如 Lunar Lake、Arrow Lake），专为在本地运行 Windows Copilot+ 功能而设计。 AMD 的 XDNA / XDNA 2 NPU：出现在面向笔记本的 Ryzen AI 处理器中，AI 性能高达 55 TOPS。 NPUs 非常适合端侧推理，但尚不足以用于训练大语言模型或运行极高负载的任务。 此外，它们也无法取代 CPU 或 GPU 来执行通用计算任务。 如果你运行的不是神经网络类负载，NPU 甚至无法正常发挥作用。正是这种高度专精的特性，使 NPU 在众多"PU"中独树一帜。 03 其他有前景的替代架构 3.1 智能处理单元（Intelligence Processing Unit, IPU） Graphcore 开发的 IPU 是一款具备 1,472 个独立处理器核心的大规模并行处理器，可同时运行近 9,000 个并行线程，并紧密耦合 900 MB 高速片上内存。这意味着数据可以在存储位置直接被处理。IPU 专为机器学习工作负载设计，凭借极高的细粒度并行能力和片上内存架构，它在图计算方面表现出色，能够通过并行处理图中各个节点上的操作，高效应对不规则且稀疏的工作负载。 图片来源：Graphcore IPU 博客，《Colossus™ MK2 GC200 IPU》 3.2 阻变处理单元（Resistive Processing Unit, RPU） RPU 是一种实验性的存内计算（in-memory compute）单元，利用阻变存储器（如忆阻器 memristor 或 RRAM）直接在内存阵列中执行矩阵运算。这种方法极大减少了数据搬运，有望显著降低能耗与延迟。2025 年，IBM 研究人员展示了基于 ReRAM 的模拟存内 AI 加速器，支持片上训练与推理，具备低电压开关特性和多比特存储能力。 3.3 现场可编程门阵列（Field-Programmable Gate Arrays, FPGAs） FPGA 在可重构 AI 领域具有重要地位，尤其适合需要完全掌控并行性、内存和延迟的场景。与 GPU 或 ASIC 不同，我们可以根据模型的具体需求定制 FPGA 的硬件逻辑，并在架构变更后重新编程。 典型案例如 AMD Versal™ AI Edge 系列 Gen 2，它属于 AMD 的自适应 SoC（System-on-Chip）家族。该芯片在传统 FPGA 可编程逻辑的基础上，进一步在同一裸片上集成了 Arm CPU 和专用 AI 引擎。 04 新兴架构（Emerging Architectures） 4.1 量子处理器（Quantum Processors） 量子芯片使用量子比特（qubits），而非经典比特，利用叠加（superposition）与纠缠（entanglement）等量子特性进行计算。目前，它们正被用于优化、搜索和模拟等任务领域的测试 ------ 这些领域在理论上有望借助量子力学实现指数级加速。然而，量子比特仍然极其脆弱且易受噪声干扰，因此当前的量子计算机仅能处理"玩具级"问题。就现阶段而言，它仍是一个长期的"登月计划"，尚无法替代 GPU 或 ASIC。 4.2 存内计算（Processing-in-Memory, PIM）与基于 MRAM 的芯片 AI 面临的一大瓶颈在于内存与计算单元之间的数据搬运。PIM 技术将计算逻辑直接集成到内存阵列中，从而大幅减少这种来回传输。MRAM（磁阻随机存储器）是一种前景广阔的非易失性存储技术，能够支持这一范式转变，助力打造更高密度、更节能的 AI 加速器。三星等大厂以及 Mythic 等初创公司已开始试验相关原型。PIM 并非科幻概念 ------ 未来十年内有望实际进入数据中心与边缘设备。 4.3 神经形态芯片（Neuromorphic Chips） 神经形态处理器受人脑脉冲神经元（spiking neurons）启发。与传统依赖密集的、时钟驱动的矩阵乘法不同，它们采用稀疏的、事件驱动的脉冲信号进行计算。例如 Intel 的 Loihi 和 IBM 的 TrueNorth，目标是在传感器、物联网（IoT）和机器人等场景中实现超低功耗的智能。其主要挑战在于：脉冲神经网络（SNN）仍处于早期阶段。尽管神经形态硬件在低功耗边缘 AI 领域潜力巨大，但尚不确定它能否扩展至像大型 Transformer 这类的主流工作负载。 05 结语（Conclusion） 总体而言，各类硬件的定位如下： CPU（中央处理单元）------通用处理器。 GPU（图形处理单元）------专为并行图形计算/数学计算优化。 TPU（张量处理单元）------Google 的 AI 加速器。 ASICs（专用集成电路）------为特定 AI 工作负载定制的芯片。 APU（加速处理单元）------AMD 的 CPU + GPU 融合架构。 NPU（神经网络处理单元）------专为端侧 AI/ML 推理优化的小型芯片。 IPU（智能处理单元）------提供极高细粒度的并行性与片上内存架构。 RPU（阻变处理单元）------基于阻变存储器的存内计算单元。 FPGAs（现场可编程门阵列）------支持对并行性、内存和延迟的完全控制。 由此可见，如今"PU"家族选项丰富，GPU 之外也涌现出多种替代方案，这使得硬件生态呈现多样化的态势，并为未来多方向的突破敞开大门。近期，多家科技巨头纷纷宣布正在研发新一代硬件：NVIDIA 正在推进 Rubin 架构，Meta 在测试自研芯片，阿里巴巴及其他中国公司也在开发 AI 推理芯片，以构建自主的硬件生态。这意味着更多全新的技术栈将陆续登场。 若跳出 GPU 和 CPU 的传统框架，我们能清晰看到一个趋势：AI 硬件市场正加速碎片化，各大厂商都在推动各自的软硬一体化生态。 这对开发者和企业而言，既是机遇，也是挑战 ------ 如何在不断扩张的硬件版图中，有效应对兼容性、软件支持与成本效益等问题，将成为未来的关键课题。 END 本期互动内容 🍻 ❓AI 硬件生态正加速碎片化，你认为未来是"一超多强"还是"百花齐放"？ 原文链接： https://www.artificialintelligencemadesimple.com/p/inside-the-ai-hardware-race-guest
