嵌入式神經網路處理器（NPU）採用「數據驅動並行計算」的架構，特別擅長處理視頻、圖像類的海量多媒體數據。

這個不止華為一家有，但是，是華為第一個將他應用到SOC裏的。

可以理解為多了一個人做智能分析，在970以前，所有的SOC做智能分析和圖像處理都是用CPU和GPU跑，這就有個劣勢要是CPU和GPU有任務的時候，那麼就沒時間分出資源來做智能處理。這個時候NPU的功能就出來，NPU不但可以完成圖像處理智能分析，還可以協調CPU和GPU的資源，讓功耗更低效率更高。

現在，聯發科，展迅的SOC裏都在搞NPU。

神經網路處理器（NPU）。只要理解了神經網路計算，理解NPU就會非常簡單。

以CNN為例，CNN計算由大量的乘加計算（乘法累加計算）組成。傳統的CPU架構進行類似的累加計算，效率是非常低的。與CPU相比，以英偉達為代表的GPU做類似的計算，效率會比CPU高很多。然而，這只是與CPU相比較。GPU由於要兼顧圖像處理的任務，不可能針對神經網路計算進行特殊優化，而NPU是指專門針對神經網路計算進行特殊優化設計的處理器。

可以這麼理解，CPU也可以做圖像處理的任務，但是由於圖像處理的需求越來越大，所以英偉達看準機會，針對圖像處理做了專門的晶元，效率比CPU高的多。久而久之，圖像處理就由專門的圖像處理晶元GPU來完成。同樣，現在剛好是神經網路，機器學習處理需求爆發的初期。傳統的CPU，GPU也可以做類似的任務，但是，針對神經網路特殊優化過的NPU單元，性能會比CPU，GPU高得多。漸漸的，類似的神經網路任務也會由專門的NPU單元來完成。

之後，為什麼NPU的效率會比CPU/GPU高很多呢？主要就是由於乘法累加計算導致的。這個乘法累加計算不是簡單的乘法累加計算，而是有數據相關性的乘法累加計算。這樣，按照通用CPU的處理方法，就無法利用數據相關性的優勢，導致增加無謂的IO訪存。而英偉達的做法，就是暴力的增加帶寬，帶來的副作用就是功耗增加。

答主，知乎僅僅只是一個交流平臺，不要把這個當成權威。百度，維基百科都要看看，比知乎權威多了

神經網路處理單元，一開始是寒武紀開發的，成功嵌入到麒麟970中，現在華為自己也開發出來了。

NPU的中文名為：網路處理器，是Neural-network Processing Unit的英文縮寫，是嵌入式神經網路處理器，採用「數據驅動並行計算」的架構，在電路模擬人類神經元和突出，實行人工智慧計算，主要用於處理視頻、圖像類的多媒體數據。（源自網路）npu這個概念是有華為創造的，但是目前曉龍和蘋果都有涉及這項技術

NPU是神經網路處理器。目前已知的其他公司有，瑞星微的RK系列，勘智K210晶元（64位雙核1TOPS算力）,mtk,還有國外的意法，飛思卡爾等。

一個處理特定演算法的處理器

不是隻有華為有

以上業餘個人觀點

瀉藥，不懂耶嘿

P圖的，AI智能生成，能在半秒內P圖提高照片質量，確實只有麒麟有，那個P30pro拍月亮就是用的這項技術

但是蘋果高通用CPU實現，沒有單獨做，不特別點都是正常成像，也是蘋果三星成像真實的原因

推薦閱讀：
相關文章