最近，自研芯片的新聞鋪天蓋地。

　　無論是才剛剛發布的OPPO Find N所搭載的“馬里亞納海溝X”，還是小米既澎湃之后再次準備提升日程的自研，亦或是華為一直在用的協處理器，都似乎在為我們傳遞一個信息：自研芯片的門檻越來越低，自研芯片變得越來越廉價。

　　但事實，真是如此嗎？

　　在回答這個問題之前，先讓我們看看這篇當年麒麟970芯片發布時的分解宣傳圖。我們知道，麒麟970確實是華為自研芯片，它是由CPU、GPU、NPU、基帶組合而成，也就是說，這一個芯片實際上內含了多個處理單元。

　　那么，自研NPU是否就意味著自研了整個芯片架構呢？

　　換一個例子我們就會發現，NPU也可以作為單獨板載芯片而存在，甚至還有TPU、VPU這樣的芯片存在。

　　所以，到底什么是NPU，這一點就非常關鍵。

　　在我們的映像里，CPU中央處理器這個名字，就讓我們直觀了解到這個芯片的作用是整個系統連接的“大腦中樞”，也就是說，它負責處理一切信息。

　　后來我們對顯示效果的需要越來越明確，從OpenGL的需求上來看，只有CPU處理的情況下，熱功耗會非常大，所以當年的電腦曾經有過一板雙CPU的情況（見過這種板式插入CPU的人估計會很少，其實昂貴的iMAC主機也采用了板式插入）。

　　實際上從這時候開始，CPU的工作被多個芯片分擔，那時候我們常見的聲卡、網卡就是分化的一種表現，而這些分擔芯片就成了“專職”芯片，雖然他們綜合能力并不強，但在某一領域的處理運算能力甚至會有加成。

　　最為突出的就是GPU——圖形處理器，早期安卓需要打開“強制開啟GPU渲染”才能提升性能的原因，就是當時圖形處理器還太過孱弱，很多軟件仍然利用CPU繞過GPU直接渲染，這種情況一直持續到Android 5.0才有所改善。

　　然而，CPU依舊是管理中樞，依舊是南北橋、存儲IO的交換中樞，這就意味著，如果你用四代i5+RTX 3060，實際體驗可能還不如GTX950，而移動端的GPU由于直接集成在CPU里，所以似乎并不存在這一問題。

　　直到，移動端本應集成在CPU里的5G基帶，也可以外掛。

　　基帶芯片獨立，是因為早期5G功耗實在太大，既影響芯片的性能表現，又會瘋狂搶奪系統資源，造成嚴重耗電，外掛后，只要你不使用5G，系統就可以把它關閉，自然也就不影響性能。

　　既然CPU活生生被拆的分崩離析，再加上谷歌推出的被稱為張量處理器（tensor processing unit）TPU的存在，（關于TPU沒有太多好講的，是谷歌專門為加速深層神經網絡運算能力而研發的一款芯片，與我們沒有太大的意義），再加幾個專職處理器是不是能讓系統的性能變得更強呢？

　　就像很多企業依靠事業部制，各司其職，提升工作效率一樣。

　　這個時候，中央處理器架構也終于想要向著人類大腦進一步模擬復雜計算的處理能力，NPU（神經網絡處理器）就應運而生了。

　　神經網絡處理器（NPU）采用“數據驅動并行計算”的架構，特別擅長處理視頻、圖像類的海量多媒體數據。NPU處理器專門為物聯網人工智能而設計，用于加速神經網絡的運算，解決傳統芯片在神經網絡運算時效率低下的問題。

　　最經常的應用，就是我們看到的各家為了自己的攝像能力，創造出的各類NPU芯片了，當然OPPO前期也利用NPU實現了“畫質增強引擎”，包括視頻超清增強、視頻色彩增強、視頻動態插幀，都屬于嚴重的復雜計算，而NPU經過長期與大量的學習后，就可以幫你做任何復雜的決定，幫你創造不存在的那些視頻幀。

　　那么，這是否意味著NPU作為自研芯片來說，沒有什么講頭呢？

　　恰恰相反，相對于更為重要常見的基礎芯片，NPU這一新興芯片，反而是目前自研芯片最有發展空間和發展潛力的方向。

　　人工智能，是當今時代新的發展著力點，也是科技的新原點。

　　相對于構成系統最基本，經過N年固化下來的基礎構成部件，NPU擁有更大的前景，甚至可以說，如果NPU進一步發展，獲得進一步強大的力量，就能創造出比如今的CPU、GPU更強大的處理終端。

　　實際上，NPU現在更像一個呀呀學語的幼兒，相比于CPU只能在固定模式下機械的重復，NPU已經具備了一定的創造力，在現在大數據的時代下，它學習的力量或許能讓它的創造力呈幾何數增長，跳出固有的數據模式，不僅能夠完美替代被技術卡脖子的CPU、GPU，甚至還能創造出更多的未來。