了解 CPU(中央处理器)、GPU(图形处理器)、APU(加速处理器单元)和 NPU(神经网络处理器)之间的区别是购买新电脑时的一项至关重要且极为有益的技能。这种深入的理解不仅能让您在众多配置中做出明智的选择,更能在长期内为您节省不必要的开销。特别是在您计划自己组装电脑时,这种了解更是显得尤为重要,因为它可以帮助您根据自己的需求精确地定制电脑的配置。
尽管 CPU、GPU、APU 和 NPU 这四种技术经常被人们放在一起讨论,但它们各自在电脑的运作中扮演着截然不同的角色。那么,究竟这四种处理器之间有哪些本质的区别呢?
首先,CPU 是电脑的大脑,负责执行各种计算任务;而 GPU 则专注于处理图形渲染等大规模并行计算任务;APU 则是一种融合了 CPU 和 GPU 功能的处理器,旨在提高整体性能;最后,NPU 则是专为深度学习、人工智能等神经网络计算而设计的处理器,具有强大的并行计算能力和学习能力。
掌握这些基础知识,将帮助您在购买新电脑或组装电脑时,更加从容不迫地做出最适合自己的选择。
中央处理器(CPU)
中央处理器是计算机的大脑。在早期的计算机中,中央处理器分布在多个芯片上。不过,为了提高效率和降低制造成本,现在的中央处理器被封装在单个芯片上。这些较小的中央处理器也被称为微处理器。
减少中央处理器的占用空间也使我们能够设计和生产更小、更紧凑的设备。台式电脑可以作为一体机使用,笔记本电脑在不断变薄的同时性能也在不断提高,而一些智能手机的功能也比传统的同类产品更加强大。
CPU 执行计算机的核心计算程序。存储在设备 RAM 中的指令被发送到 CPU 执行。这是一个由三部分组成的系统,包括 “获取”、”解码 “和 “执行 “阶段。概括地说,这意味着接收输入、理解输入和创建所需的输出。
利用这一点,从加载操作系统到打开程序,甚至执行电子表格计算,CPU 都能提供帮助。视频游戏等资源繁重的操作对 CPU 的负荷最大,这也是基准测试通常按照游戏标准进行的原因。
CPU 有多种型号,从高能效的单核芯片到顶级性能的多核芯片,不一而足。英特尔采用超线程技术,使四核 CPU 像八核一样运行。这有助于从 CPU 中榨取最大的能量和效率。
如果您有兴趣了解更多信息,请查看我们的 CPU 及其功能指南。
图形处理器(GPU)
尽管中央处理器取得了巨大进步,但仍有不足之处,那就是图形处理。CPU 接收输入并按线性步骤进行处理。然而,图形处理需要同时处理多个数据。图形处理器(GPU)可以减轻 CPU 的负担,提高视频性能。
大多数电脑和笔记本电脑都配备了 CPU 和 GPU,但情况并非总是如此。有时,尤其是低价位的电脑,会配备集成显卡,而不是专用 GPU。
GPU 和 CPU 执行类似的功能,但执行方式不同。GPU 的并行结构是专门为其目的而设计的。这有助于该单元实现游戏和视频播放所需的每秒数十亿次计算。GPU 通常安装在独立的图形卡上,图形卡也有自己的 RAM。
这使得显卡能够存储其生成的数据。也正是因为有了这个内置 RAM,GPU 才可以生成缓冲区,存储已完成的图像,直到需要显示它们时再取出。例如,这在观看视频时特别有用。
由于这些显卡易于更换,因此通常被视为电脑的最佳升级之一。高性能显卡通常都有相应的价格标签。不过,也有适合廉价游戏的显卡,为各种预算提供了选择。
加速处理单元(APU)
为了缩小物理尺寸和降低制造成本,制造商将电子元件组合成单芯片,即系统级芯片(SoC)。
在这种设计中,所有主要电子元件都被整合到一个芯片中。这促进了低成本计算设备和智能手机的发展。除了这些 SoC 设计,ARM 控股公司还开发了 ARM 处理器,这是一种移动优先的处理单元。
APU 遵循与 SoC 相同的集成电路设计理念,即将多个不同功能的芯片集成到一个芯片中。但与 SoC 不同的是,APU 将 CPU 和 GPU 集成到一个芯片上,形成一个组合处理单元。这不仅降低了成本,还提高了效率。将两者之间的物理距离最小化可加快数据传输并提高性能。
由于 GPU 经过优化,计算速度更快,CPU 可以将部分工作卸载给 GPU。在单独的设置中,由于两者之间的物理距离和数据传输速度,这种负载分担所带来的效率提升会受到影响。然而,APU 确实可以实现这些收益。
尽管如此,APU 并不能提供与专用 CPU 和 GPU 相同的性能。相反,专用 CPU 和 GPU 最好被视为 APU 的升级版。这使得 APU 成为那些希望更新 PC 的用户可以负担得起的升级产品。
处理器制造商 AMD 创造了 APU 这个术语,以帮助区分其集成 GPU 的处理器产品线。然而,并不是只有 AMD 以这种方式将处理器结合在一起。英特尔也开始整合 CPU 和 GPU。尽管如此,英特尔从未使用过 APU 这一术语。他们总是直截了当地称其为集成图形处理器的 CPU。
神经处理单元(NPU)
NPU 是一种特殊的处理器,用于处理语音识别和物体检测等人工智能(AI)和机器学习(ML)工作负载。NPU 可以并行处理大量数据,与 GPU 类似,但更适合人工智能和 ML 处理任务。
与 GPU 改进设备视频处理和渲染任务的方式类似,NPU 也能改进人工智能和 ML 工作负载。除了高处理能力外,NPU 更适合人工智能和 ML 任务,因为与 CPU 和 GPU 不同,NPU 能以更高的效率和更低的功耗完成任务。
GPU 凭借其并行处理能力,也被用于人工智能和 ML 处理任务。然而,NPU 由于其专门的硬件优化,在神经网络运行中效率更高,因此更适合用于人工智能和 ML 处理任务。
虽然 NPU 似乎是一个新名词,但这些芯片已经出现在现代计算机和智能手机上。然而,由于人工智能的蓬勃发展,NPU 正日益受到主流关注。
既然我们已经介绍了主要的处理单元,你就知道电脑有很多选择。如果您选择独立的 CPU 和 GPU,您可能会花费更多,但也会获得更显著的性能提升。
选择 APU 是预算和性能之间的折衷。如果您目前使用的是集成显卡,那么 APU 是一款值得升级的产品,而且不会让您破费。与 CPU 和 GPU 不同,您在选择 NPU 时没有太多选择,因为它通常集成在 CPU 中,如高通公司的 Snapdragon X Elite 处理器或英特尔公司的 Core Ultra 处理器。
网站维护不易,鼓励一下站长,感谢!
文章名称:《APU、CPU、GPU 和 NPU 之间有什么区别?》
文章固定链接:https://www.dayanzai.me/apu-cpu-gpu-and-npu.html
本站资源仅供个人学习交流,请于下载后 24 小时内删除,不允许用于商业用途,否则法律问题自行承担。