最近 AI 芯片的各種架構又被廣泛討論，CPU/GPU/TPU/NPU/LPU 各種技術路徑又被大家拿出來廣泛討論

先説大背景：現在的 AI 已經從 “大規模訓練” 轉向 “大規模推理（inference）+ 智能體（agentic AI）+ 邊緣計算（包括手機、汽車、工廠傳感器、IoT 設備這些終端）”

訓練階段仍由 GPU/TPU 主導，但推理場景對低延遲、低功耗和成本更敏感；因此，邊緣設備催生單瓦級功耗的 NPU，雲端推理需要極致吞吐與確定性延遲，讓 CPU、NPU 和 LPU 在各自細分領域重獲優勢

CPU 通用但慢；GPU 千核並行；TPU 脈動陣列專用；NPU 邊緣低功耗（手機級）；LPU 全 on-chip SRAM，零緩存延遲（但需多芯片互聯）

整體市場仍處於爆炸式增長：AI 硬件市場 2024 年就接近 600 億美元，2026 年仍在高速擴張，

核心是大家都在找 “比 GPU 更高效” 的替代路徑

所以只要 AI 的 infra 還在大規模的建設：CPU/GPU/TPU/NPU/LPU 各種技術路徑的龍頭，大概率也還是有很大的增長空間的

#Google #Intel #Nvdia 都可以買點