CPU、GPU、NPU、TPU 有什麼不同？一張表看懂 AI 時代的四大運算核心
在購買最新的 AI 手機或 AI PC 時，你可能常聽到廠商強調「NPU 算力達 40 TOPS」或是「最強 AI GPU」。在過去，我們只需要關心 CPU 快不快，但現在這堆縮寫讓人眼花繚亂。
如果電腦是一個廚房，CPU 是大廚，GPU 是負責切菜的助理小組，NPU 是專門做包子的自動化機器，而 TPU 則是專門生產某種特定點心的工廠生產線。
一句話重點
CPU 負責「控制與決策」，GPU 負責「大規模平行運算」，NPU 負責「裝置端 AI 加速」，而 TPU 則是 Google 專為「雲端大型 AI 訓練」設計的特種部隊。
它解決什麼問題？
傳統的 CPU 雖然萬能，但面對 AI 需要的「海量、重複、簡單」的數學運算時，效率非常低且極度耗電。為了讓 AI 跑得更快、手機更省電，科學家研發出專才專用的晶片（如 NPU、TPU），讓各類運算各司其職。
核心特色
1. CPU (中央處理器)：全能的大腦
CPU 擅長邏輯判斷與複雜指令。它什麼都能做（開啟網頁、執行 Office、管理系統），但一次只能處理少數幾項任務。
- 特點：反應快、擅長處理複雜邏輯。
2. GPU (圖形處理器)：平行運算的專家
原本是為了跑 3D 遊戲設計的。它擁有成千上萬個核心，雖然每個核心都不強，但可以「同時處理」大量簡單任務。這剛好非常適合 AI 的矩陣運算。
- 特點：人多好辦事，擅長大規模影像與 AI 計算。
3. NPU (神經網路處理器)：AI 專用的微型機器
這是近年來出現在手機與筆電中的新成員。它專門針對 AI 任務最佳化，最大的優點是「極度省電」。
- 特點：在裝置端（手機、筆電）執行 AI 功能時，能讓電力續航更久。
4. TPU (張量處理器)：雲端 AI 的超跑
由 Google 開發，專門為了「張量（Tensor）」運算設計。它不放在你的手機裡，而是存在於 Google 的雲端中心，用來訓練像 Gemini 這樣巨大的模型。
- 特點：極致的 AI 效能，專為訓練大型模型設計。
它們有什麼不同？
| 處理器 | 比較像什麼 | 擅長領域 | 應用場景 |
|---|---|---|---|
| CPU | 萬能大廚 | 複雜邏輯、系統管理 | 開軟體、文書處理 |
| GPU | 千人切菜組 | 平行運算、影像處理 | 玩遊戲、AI 繪圖、深度學習 |
| NPU | 自動化包子機 | 省電 AI 加速 | 手機美顏、即時翻譯、筆電背景模糊 |
| TPU | 專用生產線 | 極速張量運算 | 訓練超大型 AI 模型 (雲端) |
非工程背景的人需要知道什麼？
現在買筆電，如果你看到「AI PC」的標籤，通常代表這台電腦多了一顆 NPU。
- 好處：當你在用 AI 降噪、視訊自動對焦或是跑本地端小模型時，電腦不會發燙，風扇也不會狂轉，因為這些工作被丟給了超省電的 NPU，而不是耗電的 CPU 或 GPU。
適合誰使用？
- 一般消費者：關注 CPU + NPU。CPU 確保系統流暢，NPU 確保 AI 功能省電。
- 遊戲玩家/影音創作者：關注 GPU。這是畫質與渲染速度的關鍵。
- AI 開發者/企業：關注 GPU 與 TPU。這是訓練模型與雲端推論的主力。
目前可以怎麼開始？
如果你想體驗這幾種運算能力的差異：
- 體驗 NPU：使用支援 Windows Studio Effects 的最新 AI PC。
- 體驗 GPU：在電腦安裝 Stable Diffusion 進行 AI 繪圖。
- 體驗 TPU：透過 Google Colab 租用免費的 TPU 進行模型訓練。
我們的觀察
晶片的發展正從「通用」走向「專用」。未來我們不會再問「這顆 CPU 幾核心」，而是問「這台裝置的總算力（TOPS）是多少」。隨著 NPU 成為標配，未來即便沒有網路，我們的設備也能像人類直覺一樣，在毫秒內處理複雜的感知任務。
來源
- Intel 技術指南：https://www.intel.com.tw/content/www/tw/zh/products/docs/processors/cpu-vs-gpu-vs-npu.html
- Google Cloud TPU 文件：https://cloud.google.com/tpu/docs/tpus
- 查閱日期：2026-06-14