买电脑时，以前我们只关注CPU强不强，后来为了玩游戏和剪视频，我们开始关注GPU。而现在AI时代，各大厂商开始宣传NPU。那么，这三个“PU”的硬件，到底有什么用？它们之间有什么本质区别？小A通过本篇文章来告诉你。

PART.01

CPU：全能的总指挥官

CPU即中央处理器，是电脑的大脑。它的主要任务是处理指令、执行逻辑运算、控制其他硬件。无论是你打开浏览器、编辑文档，还是操作系统本身的运行，都离不开CPU。

特点：核心数较少，但单个核心强大；擅长复杂的逻辑控制和串行任务；通用性强，什么都能干，但某些重复性工作效率不一定最高。

一句话总结：CPU负责保证电脑“能用”，处理所有杂乱、复杂的日常指令。

PART.02

GPU：并行计算专家

GPU即图形处理器，最初为了处理图像而生，后来应用于游戏渲染。屏幕上的每一个像素点都需要计算颜色和亮度，这涉及到海量的、但相对简单的数学计算。之后，人们将这种海量并行计算的能力应用于挖矿和AI模型训练。

特点：核心数多，但单个核心较弱；擅长并行计算；吞吐量大，适合处理图像渲染、视频剪辑导出、深度学习训练等任务。

举个例子，虽然单个GPU的能力不如CPU，算不了复杂的微积分，但如果你让它们做10000道简单的加减法（比如渲染屏幕上的像素），GPU就像几千个小学生同时动笔，速度甩了GPU几条街。这就是为什么玩大型 3D 游戏或者训练 AI 大模型时，必须依靠 GPU。

PART.03

NPU：专注AI的精算师

NPU即嵌入式神经网络处理器。是专门为人工智能和深度学习算法设计的。它不像 CPU 那么全能，也不像 GPU 那么耗电和庞大。它通过模拟人类神经元和突触的结构，专门处理 AI 任务中常见的矩阵乘法和卷积运算。

特点：只为 AI 算法优化；在处理 AI 任务（如人脸识别、语音转文字、背景虚化）时，速度快且功耗极低；它把 CPU 和 GPU 从繁重的 AI 推理任务中解放出来。

一句话总结：NPU负责让电脑更聪明，专门低功耗地处理本地AI任务。

PART.04

三者协同工作

你可能会问：“既然 GPU 也能算 AI，为什么还要单独加一个 NPU？”

答案是：效率和功耗。

在现在的AI PC和智能手机时代时代，这三者缺一不可，它们构成了xPU的异构计算体系：

CPU：负责启动程序、响应你的操作，决定把任务分给谁。

GPU：负责让你玩游戏流畅，或者在AI大模型训练时提供算力。

NPU：负责在后台默默处理AI应用（如抠图、语音降噪），让电脑更智能，同时不让笔记本发烫掉电。

三者各司其职，共同构成了现代计算机强大的算力基础。下次再看到这些参数，你就知道它们各自在忙什么了！