PC 行业的 NPU，起步其实比大家知道的更早

早在 2023 年 9 月 21 日，微软方面就发布了一款名为 Surface Laptop Studio 2 的可变形笔记本电脑。从产品定位来说，它显然并不 " 大众 "，但这款产品在整个 PC 史上注定会有一个特殊的地位，因为这是首款量产发布、带有 NPU 的 "AI PC"。

当然大家都知道，直到三个月后，英特尔才会推出第一代内置 NPU 的 Meteor Lake 家族处理器。所以 Surface Laptop Studio 2 的 NPU 并非内置在处理器中，而是使用了一颗基于 PCIE 通道的 " 外挂 "Movidius 3700VC 方案，可提供大约 7TOPs 的 AI 算力。

我们手头也有一款使用 Movidius 方案的产品，只不过是更早的型号

不仅如此，"Movidius 3700VC" 实际完全可以视为英特尔自家 "NPU" 的 12nm 雏形。因为之后 Meteor Lake 以及 Arrow Lake 里集成的 "NPU3"，其内部型号正是 "Movidius 3720"，基本就是前者的制程提升 + 超频版本。

为什么英特尔要这么做？很显然，他们应该是希望实现旗下 NPU 的延续性，从而避免开发者面对这个 " 新玩意 " 一开始就被频繁更新、且互不兼容的架构给吓跑。但追求架构上的延续性，客观上却又制约了 "NPU3" 的算力上限。

于是乎，英特尔在 Lunar Lake 上推出了 48TOPs 的 "NPU4"，在 Panther Lake 上则会将其更新到具有 50TOPs 算力的 "NPU5"。根据目前的爆料信息，我们最快明年就会看到搭载 74TOPs 算力 "NPU6" 的 NovaLake 处理器面世。

NPU 为什么不能普及？目前有两种主流观点

很显然，NPU 的算力正在快速膨胀，但它是否已经实现了普及，并被普通消费者所接受了呢？

答案其实是否定的。一方面可以看到，在如今主流的桌面 PC 市场里，" 不带 NPU" 的处理器依然占据了多数市场份额，譬如锐龙 9 9950X3D、锐龙线程撕裂者、酷睿 7 251E，以及至强 W9、至强 6 这些或家用或专业向的高端处理器，它们甚至都并未内置 NPU。

大家不喜欢 Windows Recall，本质上其实是 " 人性问题 "

另一方面，即便是在那些内置高算力 NPU 的设备上，目前用户能够感受到的 " 好处 " 似乎也非常有限。比如在我们自己常用的一台 " 骁龙本 " 上，虽然 NPU 确实能用于摄像头虚化、实现麦克风降噪、辅助系统实时记录操作历史（Windows Recall）。但除此之外，对于日常大量使用的第三方软件，NPU 并不能起到什么 " 加速 " 作用。

为什么 NPU 从出现至今已经有两年多时间了，但始终没能真正普及、没能真正在大多数用户的 " 日常使用 " 中扮演重要角色呢？

其实前面举的这两个例子，就反映了目前行业中对于 "NPU 难以普及 " 的两种不同方向的观点。其中有一部分人认为，NPU 的优势纯粹在于 " 高能效 "，也就是说在处理 AI 任务时，NPU 的速度本就不如高性能显卡，它们的优势仅仅在于低功耗，所以 NPU 就只适合笔记本电脑这类供电、散热条件有限的设备，不应该出现在台式机上（即认为台式机有强大的 CPU 和独显，它的 AI 生态应该基于这两者去建设）。

而另一种观点则认为，NPU" 现在不受宠 " 纯粹是因为算力还不够高，只要再迭代几次、算力高起来了，" 大家就会愿意用它了 "。

一款不常见的设备，扯下了 NPU 的 " 遮羞布 "

事实上，此前我们三易生活也基本同意上面的两种想法，但直到近日我们看到了一款足以颠覆这些的产品。

这是一款笔记本电脑，它的型号是戴尔 Pro Max 16 Plus。那么它有什么特别的呢？简单来说，这款笔记本电脑可以选配一块来自高通，型号为 "AI-100 Ultra" 的独立 NPU 卡。

根据产品信息显示，这个 NPU 卡会占用笔记本电脑里的显卡安装位，它的功耗高达 150W、自带 128GB 的 LPDDR5X" 显存 "，并可在 INT8 格式下提供 870TOPs 的 AI 算力水平。

很显然，这并不是一个为 " 大众消费者 " 准备的配置。有相关报道显示，它更多瞄准的是 AI 开发者，以及那些需要在工厂之类非联网场景获得足够高端侧算力的用户。

但即便如此，这款 " 独立 NPU" 还是刷新了我们的认知。一方面它似乎表明，现阶段的常见 NPU 方案，比如那些处理器里集成、15 到 50TOPs 算力的 NPU，性能确实是太低，所以才没法在真正的专业级软件里得到支持。

但另一方面，其实深入这款 " 独立 NPU" 的参数就会发现，150W 的功耗却 " 只能 " 提供 870TOPs 的算力，似乎也并没有特别大的优势。

打个比方来说，笔记本电脑上的 RTX5090 同样是 150W 功耗，但 AI 算力可以达到 912TOPs；而台式机上的 RTX PRO6000 显卡更是可以用 600W 功耗，实现最高 4000TOPs 的 AI 算力。也就是说如果我们真的要去计算 " 能效比 "，那高性能独显的 AI 能效比，还真的不见得比大家现在看到的、各种集成在处理器里的 "NPU" 来得低。

当然，我们并不是说现代 PC 里的 NPU 就一定比独显更耗电，毕竟大多数集成式 NPU 本来就规模小、算力低，所以真去比较 " 绝对功耗 "，当然就会得出集成式 NPU 较独立显卡省电的结论。

可相比于普通用户，开发者显然就没那么好糊弄。所以当一颗高功耗、能效也并不出色的 " 大 NPU"，出现在专供开发者使用的电脑上时，实际上就已经构成了对当前 " 家用 NPU" 的嘲讽。它既让我们意识到目前的绝大多数 NPU 存在着绝对性能不足，所以无法真正被第三方软件所采纳。同时它的存在还表明，所谓 "NPU 效率高、NPU 比显卡更省电 " 的说法，似乎也值得去重新审视。

【本文部分图片来自网络】