CPU、GPU、NPU 架构对比与适用场景
哪些公司问过
答案要点
- CPU:控制逻辑和缓存占比大,分支预测、乱序执行,单线程性能强,适合复杂逻辑和串行任务
- GPU:大量简单核心按 SIMT 执行,靠海量线程隐藏延迟,吞吐高,适合训练和通用并行计算
- NPU:以矩阵乘阵列(如 TPU 的脉动阵列)为核心,数据在单元间复用,片上缓冲减少访存
- 矩阵运算本质差别:CPU 靠少量核+SIMD,GPU 靠大量线程并行,NPU 用专用硬件阵列固化乘加数据流
- 取舍:通用性 CPU 最好,GPU 居中,NPU 能效最高但灵活性和生态最弱
易错点
- 只说“CPU 核少、GPU 核多”,不讲控制逻辑、缓存和访存延迟隐藏的设计差异
- 认为 NPU 在所有场景都比 GPU 快,忽略算子支持和灵活性问题
- 把 TPU 的 Unified Buffer 当成所有 NPU 的通用术语,不同厂商架构名称不同
面试官常见追问
- 为什么 NPU 做 AI 计算效率更高?
- GPU 的 Tensor Core 和 NPU 有什么关系?
- NPU 的主要局限是什么?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。