平台分类与特性：CPU、GPU、NPU、FPGA、ASIC的架构与特点

做算法适配这些年，我最深的感受就是——选对平台比调优代码更重要。你在CPU上跑得飞快的模型，放到嵌入式设备上可能直接卡死。反过来也一样，GPU上并行度不够的算子，还不如用CPU顺序执行。今天我们来把五个主流计算平台掰开揉碎讲明白。

CPU：通用计算的核心

CPU是“中央处理器”，大家最熟悉。它的设计思路是低延迟、强控制。单核性能强，流水线深，有复杂的乱序执行和分支预测逻辑。我在项目中遇到过一个问题：需要处理大量随机小数据包，用GPU反而更慢，因为数据搬运开销太大。最后乖乖用CPU多线程搞定。

但CPU的并行能力有限。一个服务器CPU也就几十个核心，面对动辄上千的矩阵乘法，力不从心。

GPU：大规模并行计算引擎

GPU原本用来做图形渲染，现在成了深度学习的“香饽饽”。它包含上千个简单计算单元，设计目标是高吞吐。我到腾讯面试时聊过一个案例：把卷积操作映射到GPU上，利用共享内存减少全局内存访问，速度提升了12倍。

说白了，GPU擅长“一个指令对多个数据”（SIMD）。你想想看，做一次矩阵乘法，GPU可以把所有线程同时派到不同的元素上。但它也有短板——控制流复杂时效率暴跌，比如if-else分支会让部分线程空转。

NPU：专为神经网络定制的加速器

NPU（神经处理单元）是AI专用的。和GPU不同，它直接支持卷积、池化、激活函数等算子，硬件层面就搭好了。我记得2017年第一次用华为麒麟970的NPU跑MobileNet，功耗比GPU低一半，帧率反而更高。这就是专用架构的好处：省掉了不必要的通用逻辑。

NPU内部通常有脉动阵列或近存计算结构，数据在片上流动，不频繁访问外部内存。我曾经踩过一个坑：NPU驱动对输入数据对齐要求严格，没做4字节对齐直接导致核心跑飞。所以用NPU一定要看清文档里的数据格式要求。

FPGA：可重构的硬件加速

FPGA（现场可编程门阵列）是介于软件和ASIC之间的存在。它的逻辑单元可以通过配置实现任意数字电路。我参与过一个视频编码项目，CPU软编码太慢，ASIC流片周期又太长。最后用FPGA实现了H.265的熵编码模块，延迟从50ms降到了1ms以内。

FPGA的特点是并行性极细粒度——你可以为每个像素分配一个流水线阶段。而且它可重配置，算法迭代后改一下比特流就行。但代价是开发门槛高，用Verilog/VHDL写逻辑，仿真验证就要花不少时间。我个人习惯用HLS（高层次综合）来降低难度，但生成的电路效率还是不如手写RTL。

ASIC：为特定算法量身定做

ASIC（专用集成电路）是固定功能的芯片，一旦流片就无法更改。它的优势是极致能效和极致性能。比如比特币矿机、人脸识别芯片、5G基带，都是ASIC。我之前做过一次比特币矿机算法适配，用ASIC实现了SHA-256的完整流水线，每个时钟周期出一个哈希结果，功耗只有GPU的十分之一。

但ASIC的缺点也很明显：研发成本高（几百万起步）、周期长（半年到一年），一旦算法标准变了，芯片就成废铁。所以只有算法稳定、量大的场景才值得。

五个平台对比总览

特性	CPU	GPU	NPU	FPGA	ASIC
核心优势	低延迟、通用	高吞吐、并行	AI推理效率	可重构、低延迟	极致能效与性能
并行粒度	粗（多核）	中（千级线程）	中（脉动阵列）	细（逻辑级流水线）	特定算法粒度
开发难度	低	中	中低	高	极高
灵活性	最高	高	低（仅AI）	中（可重配置）	无（固定）
功耗（相对）	中	高	低	中低	极低
典型应用	通用计算、控制	图形、训练、仿真	手机端AI推理	原型验证、信号处理	挖矿、编解码、5G

这里额外提一句：很多初学者以为NPU和GPU差不多，其实内部架构天差地别。GPU依赖线程级并行和缓存层次，NPU则直接设计专用的数据流计算单元。我习惯先画一张数据流分析图，看看算法中有多少可并行的乘加操作，再来选平台。