AI飛速發展的階段各種架構頻出
最經典的是CPU，GPU，NPU
發展過程中問題和趨勢是要協調這三者如何高效工作：
1，異構計算：CPU、GPU、NPU協同工作（如高通驍龍X Elite的異構調度），平衡性能與能效。
2，邊緣AI普及：NPU在輕薄本、手機中的集成加速（如Intel Core Ultra的NPU模塊）。
3，定制化芯片：針對特定任務（如語言模型）的專用處理器可能成為新方向。
下面是CPU，GPU，NPU分工
CPU 通用計算與控制 復雜邏輯控制，高緩存層級 FLOPS 操作系統、多任務處理
GPU 并行計算與圖形渲染 眾核架構，高顯存帶寬 TFLOPS 游戲、深度學習訓練
NPU AI推理與神經網絡 MAC陣列，低精度計算優化 TOPS 手機AI、自動駕駛實時決策
AI既然是人機合作就要人機對接的協調處理LPU
LPU相當于專門負責人機交互，轉換，協調，專門負責語言處理 ，大語言模型、低功耗邊緣計。