CPU、GPU、NPU、TPU、DPU都是干啥的

1、CPU是追求低延迟的"全能统帅"

CPU (中央处理器)
负责统筹全局，处理各种复杂逻辑和任务调度。

核心架构 少而强： 通常只有几十个高性能大核心，单核性能极强，擅长串行计算。
AI 算力并行算力较弱，不适合大规模深度学模型训练。

2、GPU是追求高吞吐量的"并行专家"

GPU (图形处理器)并行工厂：
雇用了成千上万的简单工人，通过大规模并行处理来追求极致吞吐量。

多而简： 拥有数千甚至上万个计算核心，擅长可拆分为海量子任务的并行计算。

单卡AI算力可达数百TFLOPS，是当今大模型训练和推理的基石。

这种极致的并行计算能力，让GPU成为AI时代的算力核心，但也带来了高功耗的代价。

3、NPU（神经网络处理器）： 专用于加速神经网络的边缘计算专家。
它追求极致的高能效低延迟，像荣耀、小米等厂商的手机芯片均集成了NPU以加速本地AI功能。

4、TPU（张量处理器）：
由Google专为云端大模型训练设计的定制化引擎。它在特定AI任务上能效比可提升30-80%，但通用性极差，无法处理图形渲染等任务。

5、DPU（数据处理器）：
数据中心的"装卸工"。专门卸载CPU不擅长的网络、存储和安全等基础任务，其市场规模正以年复合增长率45% 的速度爆发式增长。

总的来说，一个典型的AI计算任务流程是：由NPU在本地完成高效低功耗处理，重计算任务交由GPU集群，过程中由DPU卸载杂务来让CPU专注于核心调度。 它们是各司其职的合作关系。

---

🌐 全球头部公司概览

6、CPU市场：英特尔 vs AMD的双头垄断

· 整体格局：
全球CPU市场基本被x86架构的英特尔和AMD垄断，合计占据几乎全部份额。

英特尔在2025年仍以约72.9% 的出货量份额领先，

AMD则以约27.1% 紧随其后，并在服务器等增长领域不断攻城略地。

· 苹果：作为ARM架构的强力竞争者，其M系列芯片采用SoC（系统级芯片）设计，将CPU、GPU、NPU等集成于一体，呈现出颠覆性的性能与能效。

· 其他重要玩家： 高通（Qualcomm）和英伟达

（NVIDIA）也在积极推出基于ARM架构的CPU产品，试图挑战x86的主导地位。

7、GPU/AI加速卡市场：英伟达的霸主地位与中国厂商的崛起

· 全球格局： 英伟达凭借其强大的CUDA生态，在全球AI数据中心GPU市场占据约94% 的绝对统治地位。AMD凭借MI300 系列等产品在云端AI加速领域快速追赶，主打开源生态。

· 中国市场变迁： 受出口管制和国产化政策影响，中国本土AI芯片厂商正在快速崛起。2025年，本土厂商在中国市场的合计份额已攀升至约41%，华为以约20% 的市场份额位居第二，紧随其后的还有阿里巴巴 （平头哥）、百度 （昆仑芯）、寒武纪 等。

8、NPU/IP市场

· 传统巨头布局： AMD、英特尔、高通等传统芯片巨头正积极将NPU集成到其SoC中，以提升终端设备的AI能力。

· 生态初步成型： 华为、寒武纪、地平线等中国厂商也在NPU领域占有一席之地，积极构建从IP到芯片的完整生态。

可以看到，芯片世界早已不再是CPU的独角戏。一个由CPU、GPU、NPU、DPU等组成的"算力联盟"已经形成，它们分工合作，共同支撑起我们这个时代越来越复杂的计算需求。