人工智慧的大語言模型存在數十億到兆次平行的數學負載，需要高記憶體頻寬和低延遲，傳統 CPU 難以高效支撐。因此，AI專用的CPU、GPU、NPU、TPU、DPU應運而生，它們各有側重、各司其職，共同構成異構AI系統，保障 AI 任務高效運行。CPU No.1是什麼？Central Processing Unit，中央處理器，是通用計算核心，電腦的 “大腦” ，用於AI領域主要是控制邏輯、傳統 ML、資料預處理、任務協調。有什麼特點？通用能力強，負責統籌所有任務，核心優勢是控制邏輯和任務協調，但不擅長AI heavy math。誰在做？Intel、AMD、Apple（M 系列）GPU No.2是什麼？Graphics Processing Unit，圖形處理器，是用於AI領域主要負責大規模神經網路訓練、平行矩陣運算、深度學習負載。有什麼特點？平行計算能力突出，是現代 AI 訓練的核心動力，但存在高能耗、高成本的問題。誰在做？NVIDIA、AMDNPU No.3是什麼？Neural Processing Unit， 神經網路處理器，是專用 AI 加速器，負責最佳化神經網路推理，用於擅長端側 AI 計算、移動端 / IoT 裝置推理、低功耗執行 AI 最佳化的矩陣和向量運算流水線。有什麼特點？主打低功耗、高效率，專門適配邊緣裝置（手機、IoT）的 AI 推理需求，讓端側 AI 快速運行。誰在做？Apple（Neural Engine）、Qualcomm（Hexagon DSP）、Huawei（Kirin NPU）TPU No.4是什麼？Tensor Processing Unit，張量處理器，是Google定製晶片，主要最佳化張量運算，用於規模 AI 訓練、雲端推理（側重 TensorFlow）。有什麼特點？深度最佳化張量運算，在超大規模 AI 場景（Google Cloud）中表現強勢，壟斷 hyperscale AI 領域。誰在做？GoogleDPU No.5是什麼？Data Processing Unit，資料處理器，是專注資料中心與網路任務的處理器，用於網路、儲存、資料移動、AI 基礎設施加速。有什麼特點？專注解除安裝資料相關和網路任務，解放 CPU/GPU 的算力，讓其集中處理核心 AI 計算。誰在做？NVIDIA（BlueField）、Intel、Fungible (銳芯聞)