#NPU
•

記憶體價格在燃燒，晶片戰爭又打起來了

2026年9月份的智慧型手機產業更新節奏超出以往任何一個時期，從手機到晶片，各家的年度旗艦先後排隊上線， 騰訊科技特別推出“手機連連看”系列策劃，記錄智慧型手機產業進化。本期為該系列第一期。 手機、晶片巨頭一號位。圖片經由AI生成 “都得搶著早發佈、早開賣，”一位前手機廠商戰略研究員說，“之前為了避開iPhone，Android新品發佈普遍安排在10月。” 手機廠商之間“神仙打架”，既有出於“黃金週”、“雙11”假期的考慮，也有中國國產高端旗艦與iPhone正面對決的因素，也還有小米17 Pro的成功方法論。
記憶體價格在燃燒，晶片戰爭又打起來了
手機#GPU#NPU#晶片
•

Mate 90臨近，華為提前講出了下一代麒麟的技術思路

Mate 90還沒有正式發佈，但圍繞下一代麒麟晶片的討論已經提前熱了起來。9月4日，華為半導體業務負責人何庭波更新了關於“韜定律”的相關論文，其中披露了一組頗受關注的資料：論文提到的“麒麟2026”電晶體密度從約每平方毫米1.55億個提升至2.38億個，在相同性能條件下，NPU功耗下降66%，GPU功耗下降58%，同時還介紹了“邏輯折疊”、高密度垂直互連等技術。 這些數字很容易讓人把注意力放在新一代麒麟到底能有多快，但這篇論文更值得關注的，其實是華為正在嘗試回答晶片行業的一個老問題：當電晶體越來越難像過去那樣不斷縮小時，性能還可以從那裡來？ 過去十幾年，普通消費者已經習慣用“幾奈米”判斷一顆晶片是否先進。從14奈米、7奈米到5奈米、3奈米，製程數字越來越小，意味著單位面積能夠容納更多電晶體，通常也會帶來性能和能效的提升。摩爾定律能夠持續幾十年，很大程度上就是依靠這種不斷微縮推動著整個半導體產業向前走。 但晶片發展到今天，事情已經不像過去那麼簡單。電晶體越做越小，技術難度和製造成本都在迅速上升，全球半導體企業也越來越多地把注意力轉向先進封裝、Chiplet、3D堆疊和高速互連。與其只想著繼續把每一個電晶體做得更小，不如同時考慮怎樣把已有的電晶體排列得更合理，讓不同計算單元之間的資料走得更近、更快、更省電。
Mate 90臨近，華為提前講出了下一代麒麟的技術思路
科技#華為#Mate 90#麒麟晶片
•

ASIC、FPGA、GPU、NPU 有什麼區別？一文看懂四大晶片的分工與差異

聊AI、自動駕駛、雲端運算，總繞不開四個晶片名詞：GPU、FPGA、ASIC、NPU。 很多人看了無數科普，還是搞不懂：這四個晶片到底誰更強？為何AI訓練要用GPU，手機AI要用NPU，有的裝置還要用FPGA和ASIC？ 其實不用記複雜的硬體原理，它們的核心差別就一件事：為了不同的工作場景而生，分工完全不一樣。 我用最通俗的大白話、生活化類比，不講公式、不堆術語，一次性講清楚四者的區別、優缺點和適用場景，看完再也不會混淆。
ASIC、FPGA、GPU、NPU 有什麼區別？一文看懂四大晶片的分工與差異
科技#ASIC#FPGA#GPU
•

CPU、GPU、NPU、DPU的算力之爭

打開任何一台2026年的AI伺服器內部，你會發現一個有趣的現象：裡面不只是GPU在忙——CPU在調度、NPU在推理、DPU在搬資料。這已經不是"一顆晶片打天下"的時代，而是一個分工明確、各司其職的算力生態。CPU是指揮官，GPU是主力軍，NPU是特種兵，DPU是後勤部長。 開篇：當"PU"變成複數 如果你關注科技新聞，會發現一個尷尬的事實：現在的處理器類別，實在太多了。CPU、GPU、DPU、NPU還不夠，GPU還分HPC GPU、AI GPU、推理GPU、訓練GPU——還有人討論TPU、LPU、IPU…… 很多人會直覺地回答：GPU要取代CPU。但真相遠比這複雜。2026年最值得關注的趨勢恰恰相反：CPU正在重回AI算力的聚光燈下，而整個行業正在從"GPU中心化"走向"多晶片異構協同"。
科技#AI算力#CPU#GPU
•

【WAIC 2026】端側AI的競爭邏輯變了

WAIC2026告訴我們：物理AI真的變“芯”了！ 前言： 7月17日至20日，2026世界人工智慧大會在上海舉行。千余家企業攜3000余項成果亮相，超300款新品首發。 但今年大會最重要的訊號，不在展品數量上。
【WAIC 2026】端側AI的競爭邏輯變了
科技#WAIC 2026#端側 AI#NPU
•

端側AI密集催化，SoC業績超預期

聚焦端側AISoC賽道，本文拆解近期產業催化與業績兌現現狀。 一、端側AI放量：炬芯營收結構突破，博通蘋果合作加碼 7月21日，炬芯科技公告，搭載存內計算NPU的SoC晶片及端側AI處理器晶片推廣加速，2026上半年上述產品營業收入佔比超過25%。 同時間，博通與蘋果宣佈將定製AIASIC晶片合同延長至2031年，覆蓋iPhone、Mac、Vision Pro等多代終端的本地端側AI加速晶片供應，長期資本開支的確定性進一步夯實。
科技#炬芯科技#NPU#SoC晶片
•

2025，誰是邊緣AI晶片架構之王？

GPU更強了，NPU更專了，FPGA更靈活了。當2025年被業界冠以"邊緣生成式AI元年"之名時，半導體產業正經歷著自移動網際網路時代以來最劇烈的底層架構變革。在這場由智能終端裝置、工業物聯網和即時決策需求共同驅動的技術革命中，傳統算力分配模式遭遇根本性挑戰。IDC資料顯示，全球邊緣AI晶片市場規模在2025年Q1同比增長217%，其增長速度遠超雲端AI晶片市場。在這場變革中，GPU、NPU、FPGA三大架構呈現出迥異的演化路徑，背後的技術哲學差異折射出半導體企業對未來計算範式的不同判斷。01. GPU在過去幾年以大模型為核心的AI浪潮中，通用GPU憑藉其強大的稀疏計算能力和可程式設計性脫穎而出。然而，邊緣硬體不僅要處理單一模型的推理任務，還需對裝置上的所有分支加速任務、使用者互動任務以及裝置管理任務進行處理。因此，AI邊緣設計需要從全域視角出發，確保AI場景能夠與其他功能共存。更重要的是，隨著性能提升和電晶體密度增加，還必須進行熱分配和熱管理，這是新出現的關鍵問題。在未來的邊緣AI應用中，每瓦算力（TOPS/W）將比絕對算力（TOPS）更為重要。另一個在大模型應用中得到驗證的重要規律是，AI模型和演算法領域始終處於快速變化與演進之中。硬體設計者需要通過提升加速器的能效和可程式設計設計能力，確保其裝置能夠滿足未來的需求。此外，終端/邊緣裝置及應用的多樣性也是關鍵因素。硬體設計不僅要適配當前流行的模型和特定應用，還需支援下一代模型以及快速變化的應用需求。這需要軟硬體協同配合，目前軟體內容應具備適應未來發展的能力，突破針對特定模型或應用開發加速器的限制，這對於產品推出速度更快的中國大陸系統廠商及其主晶片供應商而言極其重要。GPU作為執行各類任務的優秀加速器，在雲端AI工作負載中展現出卓越的性能、可擴展性和可程式設計性。近期，Imagination公司最新推出的E系列GPU IP，通過兩大核心創新——神經核（Neural Cores）和爆發式處理器（Burst Processors），將INT8/FP8算力擴展至200 TOPS，較前代性能提升400%，同時功耗效率提升35%。IDC研究總監Phil Solis表示：“各類裝置上的 AI 功能正在迅速演進，但AI系統設計者依然面臨性能、效率與靈活性的多重挑戰。Imagination憑藉其長期深耕低功耗 GPU 的經驗，成功實現了GPU架構對圖形與AI的靈活支援。E-Series 結合了 GPU 的可程式設計性與 AI 性能的飛躍，為邊緣智能（Edge AI）系統開發者帶來了極具吸引力的解決方案。”02. NPU隨著AI應用加速從雲端向邊緣延伸，CPU、GPU等傳統處理器逐漸暴露出在功耗、延遲及資源利用上的侷限性。專為應對這些挑戰而生的神經處理單元（NPU），在邊緣計算領域的價值日益凸顯。NPU深度聚焦AI模型推理階段的加速最佳化，區別於通用型CPU和兼顧多工處理的GPU，它通過消除冗餘處理環節，顯著提升AI任務的執行效率，在對象檢測、語音識別、異常監控等即時性要求極高的應用場景中表現尤為突出。同時，NPU在功率與性能的平衡上展現出獨特優勢，能夠以較低功耗實現高性能AI運算，這種特性使其特別適配於散熱條件有限、能耗管控嚴格或空間緊湊的邊緣裝置，包括無風扇電腦、嵌入式物聯網系統以及工業自動化控製器等。此外，NPU讓裝置端本地AI處理成為可能，有效降低了對雲端算力的依賴，大幅減少資料傳輸延遲，同時強化了資料隱私保護。憑藉平行計算架構與小型化設計，NPU得以靈活部署於智慧城市、智能監控、移動機器人、自動駕駛等多樣化場景，為邊緣智能的規模化落地與持續拓展提供核心驅動力。NPU的核心優勢在於能效比與任務專一性。例如，NXP的i.MX 95系列處理器整合eIQ Neutron NPU，算力2 TOPS，在圖像識別任務中較前代速度提升四倍，同時功耗降低30%16。這種特性使其在智能安防、醫療裝置等對即時性要求苛刻的場景中佔據主導地位。03. FPGAFPGA以其可重構特性，在邊緣AI中扮演了獨特角色。2025年4月，英特爾旗下Altera獨立後，宣佈將重點佈局邊緣AI推理市場。FPGA的平行處理能力與低延遲特性，使其適合需要快速迭代演算法的場景。平行處理是FPGA 與 GPU 的共同優勢，但 FPGA 能在更細粒度邏輯單元等級平行計算。對於 8K 視訊這類資料量巨大的處理任務，CPU 指令序列處理難以勝任，GPU 多核渲染也存在侷限，而 FPGA 可將視訊流程分階段處理，實現像素級平行。如諾亞星雲 MX2000 pro 顯示控製器採用 AMD 的 FPGA，實現單台裝置帶載 88K 超大屏，滿足電影虛擬拍攝中高畫質 LED 顯示控制、倍頻插幀等技術需求。此外，FPGA 能夠通過硬體實現特定演算法，繞過傳統CPU、GPU 的軟體堆疊瓶頸，實現超低延時。以顏色空間轉換為例，FPGA 處理延時僅為 CPU、GPU 的 1/100。此外，FPGA 固定的電路結構保證確定性延遲，而 CPU、GPU 因系統調度存在延遲抖動。在醫療 8K 內鏡視訊處理、高頻交易等對延遲要求嚴苛的場景中，FPGA 優勢顯著。當前FPGA 開發門檻降低，廠商提供專業 IP 模組與完整解決方案，高層綜合等開發方法也適用於音視訊處理。此外，FPGA 生命周期長，滿足專業音視訊裝置長服役需求，實現 “一次開發終身可用”，相比依賴算力持續升級的 GPU，在該領域更具應用價值。04. 廠商佈局各大廠商基於自身技術優勢和市場定位，在不同技術路線上展開佈局。在NPU陣營，意法半導體、瑞薩、華為昇騰等廠商通過“MCU+NPU”的組合策略，全力搶佔IoT市場份額。這種將微控制單元與神經處理單元相結合的方案，既能發揮MCU在控制和管理方面的成熟優勢，又借助NPU強大的AI運算能力，滿足IoT裝置對低功耗、即時性AI處理的需求。全志科技推出的V821晶片已實現量產，並成功搭載於領為創新AI眼鏡，為智能穿戴裝置的AI應用提供了有力支援，展現出NPU在終端裝置上的廣泛應用潛力。GPU陣營中，曾被蘋果棄用的Imagination正憑藉“AI+圖形”的融合架構謀求新突破。其E系列GPU IP具備強大的平行處理能力，支援16個虛擬機器實例平行運行，這一特性使其能夠完美適配車載座艙多屏互動與ADAS監控等複雜場景，為汽車智能化升級提供高效的圖形與AI處理解決方案。而行業巨頭輝達則依託Jetson系列產品，深度滲透機器人視覺領域。Jetson平台以其高性能、低功耗的特點，成為眾多機器人開發者的首選，助力機器人在複雜環境中實現精準的視覺識別與決策。在FPGA陣營，Altera聚焦資料中心與邊緣推理市場，充分發揮FPGA可程式設計、靈活高效的特性，為資料處理和AI推理提供定製化解決方案，滿足資料中心對高並行、低延遲處理的需求，以及邊緣裝置在複雜場景下的即時推理要求。Lattice則憑藉低功耗FPGA產品，成功打入智能攝影機與感測器市場。在這些對功耗和體積要求嚴苛的應用場景中，Lattice的低功耗FPGA既能保證裝置長時間穩定運行，又能滿足即時資料處理和AI分析的需求，為智能安防、環境監測等領域的裝置智能化升級提供了可靠的技術支撐。05. 併購潮起除了憑藉自身研發力量拓展技術版圖外，各大廠商也紛紛通過併購整合資源、強化優勢，以在快速變化的市場中搶佔先機。意法半導體（ST）收購 AI 軟體公司 DeepLite，旨在深化自身在AI 演算法最佳化領域的實力。DeepLite 的核心技術能夠將 AI 模型壓縮至極致，使複雜的 AI 演算法在低功耗裝置上高效運行。此次收購完成後，意法半導體可以將 DeepLite 的技術深度融入其 “MCU+NPU” 產品體系，進一步鞏固在 IoT 市場的優勢地位，為智能家電、可穿戴裝置等終端產品提供更具競爭力的 AI 解決方案。高通宣佈收購邊緣AI 開發平台 Edge Impulse，是其完善邊緣計算生態的重要舉措。Edge Impulse 平台專注於簡化邊緣裝置上的 AI 開發流程，支援開發者快速建立、訓練和部署 AI 模型。高通通過此次收購，能夠將 Edge Impulse 的開發工具與自身的晶片技術相結合，降低邊緣 AI 應用的開發門檻，吸引更多開發者基於高通晶片進行創新，加速 AI 技術在智能家居、工業物聯網等領域的落地應用。恩智浦（NXP）收購 AI 晶片初創公司 Kinara，則聚焦於強化其在高性能AI 推理領域的能力。Kinara 開發的 AI 處理器以高效能和低功耗著稱，尤其適用於智能汽車、工業自動化等對即時性要求極高的場景。此次收購後，恩智浦將 Kinara 的技術整合到自身產品線中，能夠為汽車製造商和工業客戶提供更強大的 AI 處理解決方案，進一步鞏固其在汽車半導體和工業控制領域的領先地位。06. 結尾在這場由邊緣生成式AI掀起的技術浪潮中，半導體產業正經歷著一場深刻而廣泛的變革。從GPU的靈活通用，到NPU的高效專一，再到FPGA的可重構性，不同架構在各自擅長的領域裡開疆拓土，也對應出行業對未來計算形態的多元探索。技術的演進從來不是單一線性的替代過程，而是在不斷適應場景、解決問題的過程中尋找最優解。面對碎片化且快速變化的邊緣AI應用場景，單一架構難以包打天下，真正的競爭力在於如何結合軟硬體優勢，建構更高效、更靈活、更具延展性的系統方案。與此同時，廠商們也在通過併購加速補足短板，強化生態佈局。這種“內生+外延”並重的發展策略，不僅加快了產品迭代的速度，也為整個產業鏈注入了更多協同創新的可能性。站在2025年這個被稱作“邊緣生成式AI元年”的節點回望，我們會發現，這場變革才剛剛開始。 (半導體產業縱橫)
2025，誰是邊緣AI晶片架構之王？
科技#AI晶片#GPU#NPU
•

AI PC：一場浩蕩的革命

AI模式百舸爭流，AIGC 能改變什麼？能帶來什麼？是個被業界反覆拆解、討論、暢想的話題。 人們相信AI 可以改變一切，卻又懷疑AI 是一場科幻的夢。無論是AI 模型參與者，或是一般使用者都在期待AIGC走完落地的最後一公里。 時間來到2024 年，AI PC成為熱門話題。在英特爾舉辦的2024全新英特爾商用客戶端AI PC產品發表會上，關於AI的落地，英特爾和自己的生態夥伴們都給了自己的答案。 AI PC將帶來效率的提升，改變社會、經濟、生活的各個層面。如果要給這一切增加一個期限，那麼2024 年有望成為AI PC 開始的那一年。
AI PC：一場浩蕩的革命
美股#AI PC#英特爾#NPU