EEPW论坛

在很多专业演讲或发布会中，我们经常会听到CPU和GPU等参数，随着人工智能的发展，NPU和相对罕见的TPU也逐渐进入了我们的“视野”。今天我们就来用一篇文章，来简单介绍一下科技领域那些“优”。

如果说CPU大家应该都非常熟悉：中央处理器（Central Processing Unit），它是一块超大规模的集成电路，是一台计算机的运行核心和控制核心；它的主要功能是解释计算机指令以及处理计算机软件中的数据。其主要包括运算器（算术逻辑运算单元，ALU，Arithmetic Logic Unit）和高速缓冲存储器（Cache）及实现它们之间联系的数据（Data）、控制及状态的总线（Bus）。它与内部存储器（Memory）和输入／输出（I／O）设备合称为电子计算机三大核心部件。

GPU：图形处理器（再名显示核心、显示芯片、视觉处理器，全拼Graphics Processing Unit），GPU是一种在电脑、工作站、智能手机等设备中负责图像运算工作的微型处理器，用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。

NPU：嵌入式神经网络处理器，是近两年才广泛进入人们视野。其采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。嵌入式NPU的小型化、低功耗和低成本优势，加快人工智能技术落地应用。例如无人机对摄像头的重量和功耗有很高的要求，否则会影响起飞和续航能力。而“星光智能一号”只有普通邮票大小，重量仅几十克，它的诞生让诸多监控摄像头等小型设备有了人工智能化的可能，迈出了人工智能从神秘的机房，跨向生活应用的一步。

TPU（Tensor Processing Unit）相对于NPU了解的人更少，是谷歌打造的处理器，是专为机器学习量身定做的，执行每个操作所需的晶体管数量更少，自然效率更高。因为它能加速其第二代人工智能系统TensorFlow的运行，而且效率也大大超过GPU——Google的深层神经网络就是由TensorFlow引擎驱动的。

MPU有两种意思，微处理器和内存保护单元。MPU是单一的一颗芯片，而芯片组则由一组芯片所构成，早期甚至多达7、8颗，但目前大多合并成2颗，一般称作北桥（North Bridge）芯片和南桥（South Bridge）芯片。MPU是计算机的计算、判断或控制中心，有人称它为”计算机的心脏”。

微控制单元（Microcontroller Unit；MCU） ，又称单片微型计算机（Single Chip Microcomputer ）或者单片机，是把中央处理器（Central Process Unit；CPU）的频率与规格做适当缩减，并将内存（memory）、计数器（Timer）、USB、A／D转换、UART、PLC、DMA等周边接口，甚至LCD驱动电路都整合在单一芯片上，形成芯片级的计算机，为不同的应用场合做不同组合控制。诸如手机、PC外围、遥控器，至汽车电子、工业上的步进马达、机器手臂的控制等，都可见到MCU的身影。

 SoC的定义多种多样，由于其内涵丰富、应用范围广，很难给出准确定义。一般说来， SoC称为系统级芯片，也有称片上系统，意指它是一个产品，是一个有专用目标的集成电路，其中包含完整系统并有嵌入软件的全部内容。同时它又是一种技术，用以实现从确定系统功能开始，到软／硬件划分，并完成设计的整个过程。

DSP（digital signal processor）是一种独特的微处理器，是以数字信号来处理大量信息的器件。其工作原理是接收模拟信号，转换为0或1的数字信号，再对数字信号进行修改、删除、强化，并在其他系统芯片中把数字数据解译回模拟数据或实际环境格式。它不仅具有可编程性，而且其实时运行速度可达每秒数以千万条复杂指令程序，远远超过通用微处理器，是数字化电子世界中日益重要的电脑芯片。它的强大数据处理能力和高运行速度，是最值得称道的两大特色。

转贴自网络