随着人工智能的迅猛发展，NPU这一概念在科技界再度焕发新生。去年年底，Intel与AMD两大PC芯片巨头不约而同地发布了集成了NPU的新型处理器，其中Intel预示到2028年，AI PC将占据市场的主导地位，其处理器在实现人工智能规模和速度上展现出前所未有的实力；紧随其后，英伟达在今年二月推出的笔记本电脑GPU也内置了NPU，旨在高效处理轻型AI任务；更早之前，高通在其骁龙8gen3平台中嵌入性能强大的Hexagon NPU，再次证明几乎所有顶尖处理器制造商已全面布局NPU领域。
这股NPU热潮的背后，实质是人工智能产业发展大势所趋。尤其是面对以ChatGPT和大型模型为代表的AI应用激增，市场对终端AI的需求日益显著。据Gartner预测，至2026年，全球边缘AI芯片市场规模将达到688亿美元，复合年增长率高达16.9%，揭示出边缘端的巨大潜力。然而，边缘端AI因其应用场景受限，在成本和功耗上面临严格挑战。
在此背景下，高通提出的“混合AI”理念被视为AI未来发展的重要方向。所谓混合AI，即终端与云端协同工作，根据实际场景和时间需求智能分配AI计算负载，从而提供卓越体验并高效利用资源。高通强调，生成式AI的爆炸性增长及计算需求的不断提升，使得AI处理必须分布于云端与终端，才能实现规模化扩展并释放最大潜能。
为了满足混合AI的要求，高通倡导研发专为边缘端AI设计的全新计算架构，关键在于打造一款面向生成式AI优化设计的神经网络处理器（NPU），并结合异构处理器（如CPU和GPU）实现最佳应用性能、能效及电池续航。NPU凭借其在标量、向量和张量数学运算上的优势，成为处理核心AI工作负载的理想选择。
NPU在AI推理中的角色至关重要，尤其是在终端推理方面。随着大语言模型和视觉模型驱动的生成式AI崛起，模型尺寸呈数量级增长，内存和系统设计优化成为新的焦点。一个定制化设计的专用NPU能够平衡性能、功耗、效率、可编程性和面积等多重要素，适应快速演进发展的AI技术要求。
至于为何选择集成NPU而非单独设计推理芯片，答案在于AI负载多样性的现实需求。集成NPU的SoC提供了峰值性能、能效、单位面积、芯片尺寸和成本的最佳平衡。高通通过多年的技术积累，在SoC内部整合包括CPU、GPU和NPU在内的多种处理器，使其能够针对不同负载发挥各自优势，并协同运作，实现了业界领先水平。此外，高通在5G+AI融合领域的独特优势进一步赋能未来。自2007年首款Hexagon DSP在骁龙平台上亮相以来，高通在NPU技术上持续创新迭代。第三代骁龙8中的Hexagon NPU在生成式AI处理上实现了性能提升98%、能效提升40%，并支持运行超过100亿参数的模型，展现出了业界领先的LLM处理能力。
高通不仅拥有先进的计算能力，还凭借其深厚的连接技术底蕴，在推动AI规模化扩展时独具优势。在近期的MWC大会上，高通发布了一系列搭载AI创新的产品和技术，如第三代AI赋能的5G调制解调器骁龙X80和首个支持AI优化的Wi-Fi 7系统FastConnect 7900，同时推出了全新的高通AI Hub，内含丰富的预优化AI模型库，助力开发者无缝部署各类主流AI和生成式AI模型。
综上所述，高通正以其独特的混合AI策略、尖端的NPU技术以及跨平台的计算与连接能力，引领着从智能手机、PC到物联网终端、汽车等多个领域的AI变革，赋予用户强大、快速、个性化且高效的AI体验，塑造未来的工作、娱乐生活方式，为各行各业带来无限可能。
