NPU
NPU（神经网络处理单元，Neural Processing Unit）是一种专为加速人工智能与机器学习任务而设计的专用处理器芯片。与通用CPU和并行计算GPU不同，NPU针对神经网络中的矩阵运算、卷积计算等操作进行硬件级优化，能够以更高的能效比完成深度学习模型的训练与推理任务，广泛应用于智能终端、数据中心及边缘计算设备中。
核心事实
时间轴 (近 90 天)
计算机体系结构史上专用与通用方案长期并存，如RISC与CISC之争、GPU演变为GPGPU、TPU/NPU等AI专用芯片兴起
AIPC是英特尔推出的面向AI本地运算的个人电脑平台标准，关键特征是内置NPU
英特尔等芯片厂商试图通过优化CPU/NPU推理效率和提供本地部署方案，降低对高价云端算力的依赖
搭载NPU的AIPC可以在本地完成部分推理，以降低延迟、保护隐私，并在算力不足时借助云端资源
TOPS（每秒万亿次运算）是衡量 NPU 算力的常用单位
40 TOPS 门槛的逻辑是确保设备能在本地实时运行小型 AI 模型而无需将数据发送至云端
早期主流笔记本电脑的 NPU 算力普遍在 10-16 TOPS 区间
Copilot+ PC 是微软主推的一类搭载专用 NPU（神经网络处理单元）的设备类别
本地 NPU 算力当前的实际应用场景相对有限，主要包括图像处理、实时字幕、背景虚化等功能
不同厂商对 TOPS 算力的计算口径不同，有些仅统计 NPU 单元，另一些将 CPU、GPU 混合算力计入，导致跨平台比较意义有限
还有 25 条时间轴事件
全部知识事实 (20)
微软推出了Copilot+ PC标准，要求设备必须配备至少40 TOPS算力的NPU
90%已验证本地AI（端侧AI）将AI模型推理直接运行在终端设备上，具有隐私保护、低延迟、离线可用和降低成本等优势
85%已验证NPU是专为AI推理计算设计的硬件加速器，高通骁龙8系列的Hexagon NPU、苹果的Neural Engine、联发科的APU都已集成在移动芯片中
80%已验证NPU 针对低精度（INT8/FP16）矩阵乘法进行专门优化，在运行量化后的轻量级推理模型时能以 GPU 数分之一的功耗达到相近或更高的吞吐量
75%已验证苹果M系列芯片、高通骁龙8系列、英特尔酷睿Ultra均已集成NPU
70%已验证Intel从酷睿Ultra系列处理器开始集成了NPU单元
70%已验证高通、联发科等芯片厂商已在移动SoC中集成专用NPU（神经网络处理单元）
70%已验证Copilot+ PC 要求设备 NPU 算力达到 40 TOPS 以上
65%已验证华为麒麟芯片内置的NPU专为AI任务优化，相比CPU/GPU方案能效比提升数倍
65%已验证苹果M系列芯片中的Neural Engine本质上属于NPU
65%待验证高通和联发科等芯片厂商最新旗舰芯片的NPU算力已足以运行数十亿参数的模型，为手机AI Agent本地化运行提供硬件基础
80%待验证YOLOv8-nano模型在中端NPU上可实现30FPS以上的推理帧率
75%待验证AI推理阶段依赖专用AI加速芯片，包括云端的NVIDIA GPU、Google TPU和终端的手机NPU
70%待验证高通骁龙X系列笔记本芯片内置了NPU
60%待验证Intel的Meteor Lake及后续架构、AMD的Ryzen AI系列以及Apple的Neural Engine都集成了NPU模块
60%待验证Core Ultra 155H采用Intel 4制程，集成NPU单元支持AI加速，属于Intel首代酷睿Ultra移动平台，CPU多核性能接近13代i7移动端水平
60%待验证计算机体系结构史上专用与通用方案长期并存，如RISC与CISC之争、GPU演变为GPGPU、TPU/NPU等AI专用芯片兴起
50%待验证AIPC是英特尔推出的面向AI本地运算的个人电脑平台标准，关键特征是内置NPU
50%待验证英特尔等芯片厂商试图通过优化CPU/NPU推理效率和提供本地部署方案，降低对高价云端算力的依赖
50%待验证搭载NPU的AIPC可以在本地完成部分推理，以降低延迟、保护隐私，并在算力不足时借助云端资源
50%