GPU
GPU ——图形处理单元、图形处理器、
和它的名字一样，GPU最初被用于电脑、游戏机和一些移动设备上执行绘图运算的微处理器。
GPU的结构相对简单，有大量的计算单元和长管线，特别适合处理大量类型的统一数据。
但是，GPU天生就是弟弟的生命，不能单独工作。 CPU必须进行控制调用。
GPU的大部分工作计算量很大，但技术含量不大，而且必须多次重复。
如果CPU需要大量处理类型统一的数据，则可以调用GPU进行并行计算。
但是，虽然GPU被称为图形处理器，但它并不只能处理图像。
虽然GPU是为了图像处理而诞生的，但是在结构上没有图像特有的部件，只优化和调整了CPU的结构。
因此，可以认为GPU是一种比较通用的芯片。
现在，在科学计算、解密、数值分析、大量数据处理等需要大规模并行计算的领域中，都有GPU的身影。
TPU
TPU —— tensor处理单元、张量处理单元、
TPU是谷歌设计的自定义机器学习芯片，用于运行常规机器学习工作负载。
最初，机器学习和图像处理算法大部分都在CPU和GPU上运行。
但是，这两个芯片本质上是通用性芯片，在性能和功耗方面不能密切适合机器学习算法，价格也比较高，
TPU就这样诞生了。
TPU是一种ASIC芯片，是一种APP应用型专用集成电路(application-specificintegrated circuit )，是一种为特定APP应用的需要而定制的芯片。
据说最初的TPU比同期的标准CPU和GPU快15-30倍，效率(性能/瓦特)提高了30-80倍。
目前，谷歌发布了第四代TPU，据说TPU v4能够实现每秒10万兆次的运算，预计将于今年向谷歌云用户提供服务。
DPU
dpu ——数据处理单元、数据处理单元、
DPU是面向数据中心的专用处理器。
CPU用于通用计算，GPU用于加速计算，在数据中心传输数据的DPU进行数据处理。
简单来说，CPU无法顺利进行、GPU无法进行的计算任务，就交给DPU完成了。
有人表示，DPU取代CPU，作为数据中心服务器的中央控制点，构建以数据为中心的计算架构。NVIDIA首席执行官黄仁勋将DPU称为“未来计算的三根支柱之一”。
要说带商品还得服黄先生，DPU的概念提出不久。
来自海外巨头英特尔、博通、NVIDIA、赛登斯、马韦尔
去了国内创业企业中科驱动数、星云智联、芯启源等，陷入了DPU热潮。
XPU家族桶：前途漫漫，挑战不断
随着5G、AI等新技术的发展，计算场景也更加丰富，XPU的发展走向了大势所趋。
很多大型半导体制造商发售多样的芯片产品，充实着自己的XPU“家族桶”。
许多创新公司同样不输，推出专用芯片产品
整个芯片市场迎来了“百家争鸣”的瞬间。
但是，值得注意的是，XPU不仅仅是XPU，
必须考虑互联、体系结构之间的软件协作，而不是硬件的简单物理堆叠。
只有软硬件合作发展，才能更好地发挥产品的价值。
中文
电话咨询
微信咨询
公众号
