CPU中央处理器
通用计算核心，负责系统指令的逻辑控制与复杂任务调度。其设计侧重低延迟和串行执行能力，适用于单线程复杂运算，如操作系统管理、程序逻辑判断等。典型特点包括少量高性能核心4-32核、多级缓存架构L1/L2/L3及复杂指令集CISC。GPU图形处理器
并行计算单元，专高吞吐量数据处理。通过数千个轻量级核心CUDA核心/流处理器实现并行计算，擅长处理图像渲染、科学计算等大规模重复任务。其架构特点为多线程并发、高带宽显存GDDR/HBM及单指令多数据SIMD执行模式。NPU神经网络处理器
专用AI计算单元，针对深度学习模型优化。通过专用指令集如TPU的Systolic Array和矩阵运算加速引擎，高效执行神经网络中的卷积、池化等操作。核心优势在于低功耗下的高AI推理效率，常见于手机端侧AI、边缘计算设备。 二、核心差异对比 | 维度 | CPU | GPU | NPU | |----------------|-----------------------|-----------------------|-----------------------| | 设计目标 | 通用计算与系统控制 | 高并发数据处理 | 端侧AI推理 | | 架构特点 | 强单核性能+逻辑控制 | 弱单核+高并行吞吐量 | 专用计算单元+低功耗 | | 典型应用 | 操作系统、办公软件 | 3D游戏、视频渲染、科学计算 | 人脸识别、语音助手、自动驾驶 | 三、协同工作模式 现代计算系统通过异构计算架构实现xPU协同：CPU作为系统中枢调度任务，GPU承担并行数据处理如图像预处理，NPU则负责AI推理如实时目标检测。例如，智能手机拍摄场景中，CPU控制流程，GPU处理图像降噪，NPU成人像分割与美颜算法。三者并非替代关系，而是通过任务分工提升整体效率，共同推动终端设备与数据中心的计算能力进化。