Scope
子类入口
4 个常见子类
家族导航
NPU / AI accelerator
NPU / AI accelerator 家族页，围绕定位、典型负载、关键架构变量、软件栈和代表产品建立入口。
快速导览
用最少的信息先抓住这个家族最重要的边界、代表产品和相关内容入口。
定义与边界
NPU / AI accelerator 以神经网络与矩阵计算为中心设计，目标是在特定 AI 路径上换取更高能效或更高密度。
- 更强调特定算子路径、编译映射和模型部署效率，不一定适合广义通用计算。
- 和 GPU 的边界常由软件栈成熟度、模型覆盖和部署环境决定，而不是单看峰值算力。
主要子分类
先看 NPU / AI accelerator 内部常见子类，再进入具体芯片、软件栈与选型问题。
- edge NPU
- datacenter AI accelerator
- inference accelerator
- training accelerator
典型工作负载
先按 workload 看这类器件为什么存在，再去判断具体厂商和具体芯片。
- 端侧推理、视频分析、训练加速、推荐与多模态 AI 服务。
- 功耗敏感、成本敏感或需要软硬一体交付的 AI 场景。
关键架构变量
这些变量通常比单个峰值参数更能解释同一家族内部的代际差异。
- 张量计算阵列、片上存储组织、数据流设计和编译器映射能力是核心变量。
- 算子覆盖、混合精度支持与跨卡扩展方式会直接影响可用范围。
软件栈观察点
xPU 的真实可用性经常取决于软件链路，而不只是硬件参数表。
- 重点看模型转换链路、运行时、算子库、框架插件和部署工具稳定性。
- 迁移成本和生态资料密度通常决定 NPU 能否真正成为生产方案。
代表厂商与芯片
NPU / AI accelerator 页面会同步给出代表厂商、代表产品和相关内容，帮助用户从概念直接跳到具体对象。
- 代表厂商：华为 / Google / 寒武纪 / Intel / AWS / Qualcomm
- 代表产品：Intel Gaudi 3 / 华为昇腾 910B / Google TPU v5e / 寒武纪 MLU370
- 延伸阅读：6 条
代表厂商
华为
在 AI 加速、昇腾软件栈和端边云协同方面值得持续追踪。
通过 TPU 和云平台把专用 AI 加速器与软件服务深度绑定，代表云上专用化路线。
寒武纪
国产 AI 加速器代表之一，适合持续跟踪其训练、推理和生态落地进展。
Intel
覆盖 CPU、GPU、FPGA、AI 加速等多条路线，是理解传统通用计算厂商转向异构计算的重要样本。
AWS
通过 Graviton、Inferentia、Trainium 把芯片设计和云服务整合到一起，适合看云厂商自研路线。
Qualcomm
SoC、DSP、端侧 NPU 三线协同明显，是端侧异构计算的重要观察对象。
代表芯片
Intel Gaudi 3
面向 AI 训练与推理的数据中心加速器，是 Intel 在 GPU 之外切入 AI 加速的重要产品线。
华为昇腾 910B
面向 AI 训练与推理的加速器，适合作为观察国产 NPU 软件栈与落地路径的代表产品。
Google TPU v5e
Google 云上 AI 加速器路线代表，适合从云平台一体化和专用化部署角度观察。
寒武纪 MLU370
国产 AI 加速器代表产品之一，适合观察训练与推理市场中的国产替代与生态成熟度。
芯片档案覆盖维度
该家族下的芯片档案会沿 16 个重点维度展开，兼顾常青信息与动态更新。
- 定位与概览
- 产品线与代际关系
- 微架构与设计思路
- 制程、封装与物理实现
- 计算单元与并行结构
- 内存层级与带宽
- 互连、I/O 与扩展能力
- ISA / 编程模型 / 可编程性
- 软件栈、驱动、编译器与框架
- 性能特征与主要指标
- 功耗、热设计与部署约束
- 适用工作负载与典型应用
- 基准、方法与结果解读
- 横向对比与替代关系
- 生态、社区与商业化情况
- 最新动态与版本跟进