随着5G和人工智能技术的不断发展，对于专业领域大数据计算的需求越来越迫切。

SoC片上系统以CPU为核心的设计渐渐难以满足前沿科技领域的要求。

于是，各种专用处理器如同雨后春笋般冒了出来，让人应接不暇。除了CPU和GPU大家可能比较熟悉外，像什么TPU、NPU等恐怕很少接触。

这里我们仅讨论嵌入式计算机（芯片）的处理器，尽管CPU和GPU在通用计算机系统中也非常常见。

CPU

在SoC上，CPU是绝对的中央处理器。除了运算能力之外，它负责与其他处理单元进行“沟通交流”。调动系统中其他模块，协同工作。

处理指令、执行操作、控制时间、处理数据。

随着嵌入式系统的不断发展，CPU处理数据的能力渐渐弱化。它已经逐渐演变成系统的指挥者。

更加注重的是指令处理、信息控制和协调能力。

虽然它本身运算能力也不弱，但芯片设计者并不要求CPU一定要比某方面的专家更强。

GPU

图形处理器，是专业执行图形图像处理、3D视觉、影视加工的。

在个人PC上，GPU存在于显卡内部，但在SoC上，GPU往往与CPU模块集成在了一起。但这不是绝对的。

通用芯片通常会这么处理，但如果是专业图形处理的芯片，GPU一般都会和CPU分开布局。

TPU

张量处理器，是专门为机器学习定制的处理器。内部设计了很多人工智能相关的学习模型，可以让处理器更快的进行海量数据的处理和分析。

与GPU相比，TPU拥有更多更复杂的指令集和软件程序。能够更快的输出机器学习的结果。

NPU

神经网络处理器，专门为物联网人工智能而设计。用于加速神经网络的运算，解决传统芯片在神经网络运算时效率低下的问题。

与TPU类似，NPU内部同样集成了专门用于物联网运算的相应模型和算法。

能够保证在专用领域内更快得到结果。

除了以上几种比较常见的类型外，还有VPU（矢量处理器）、WPU（可穿戴处理器）、HPU（全息图像处理）等等很多不同种类的处理器。

它们通常都是与CPU和GPU组合，嵌入SoC系统。

目前这些面向专业领域的处理器还处于发展初期，名称也完全是由开发这类处理器的公司自行命名。

除了CPU和GPU之外，其他处理器的命名都还没有得到业界的广泛认可。

对于我们普通大众来说，或许根本不会关心这些不同处理器到底有何作用。我们所看到的都是应用这些处理器的最终产品。甚至连承载这些处理器的芯片都很难接触到。

《芯片有话说》系列暂时到此为止，以后会陆续进行补充。