快科技 9 月 21 日消息，随着酷睿 Ultra 200S 系列的推出，英特尔首次将 NPU 集成到面向发烧友的传统桌面处理器中。

这一举措标志着传统桌面 PC 正式进入了具备底层 AI 硬件加速的时代，旗舰型号酷睿 Ultra 9 285K 成为了首批搭载该技术的代表性产品。

在具体规格上，酷睿 Ultra 9 285K 除了拥有 8 个性能核和 16 个能效核外，还额外集成了两个神经网络计算引擎模块，这两个模块包含 4096 个乘加单元以及 4MB 的本地内存，支持 INT8 和 FP16 推理。

根据官方数据，该 NPU 的单体算力为 13 TOPS，如果结合 CPU 和核显的算力，整机平台的 AI 总算力最高可达 36 TOPS。

NPU 的定位是高能效推理：它可以承担较小的 AI 工作负载，同时让 CPU 和 GPU 腾出手来处理其他任务。这也是它与大尺寸显卡的本质区别，一块配备 Tensor 核心的 GeForce 显卡在多数情况下能更快地处理合适的模型，但功耗也高得多。

所以说 NPU 的目标不是击败 GPU，而是接手那些可以并行执行、且需要尽可能高效完成的任务。

技术实现层面，英特尔为 NPU 配备了独立的驱动栈，将其作为深度学习加速器，以独立计算设备的身份呈现给操作系统。

NPU 内部的调度器会把任务分配到两个 NCE Tile 上，OpenVINO 则可通过专属插件将 NPU 设为推理目标，例如让 NPU 承担模型的本体计算，而 CPU 或 GPU 继续服务其他工作负载。

不过 13 TOPS 的算力放在当下确实偏低，要知道微软对 Copilot+ PC 的定义之一就是 NPU 性能超过 40 TOPS，而 Core Ultra 9 285K 的 NPU 只有 13 TOPS。这意味着 Arrow Lake-S 虽拥有专用 AI 单元，却够不到微软众多重点宣传的本地 AI 功能所要求的性能门槛。

这也解释了桌面 NPU 至今存在感稀薄的原因：它确实存在、系统能识别、技术上也可以调用，但实际利用完全取决于软件，开发者必须显支持相应的后端或运行时环境，例如通过 OpenVINO 及英特尔提供的 NPU 插件完成模型的编译与执行。

那么 NPU 在桌面端何时真正有用？主要是那些经常发生、或与其他工作负载并行的小型推理任务，典型场景包括视频会议中的降噪与背景特效、语音与图像识别，以及图像、音频软件中的本地滤镜。

此类任务通常由相对较小的模型反复执行矩阵运算，非常适合卸载到专用 NPU 上，在优化得当的程序中，不同任务可以同时分发到各自最合适的计算单元。

但对一台游戏 PC 而言，目前能从中受益的场景仍然寥寥，更何况应用程序必须显式支持 NPU，缺少相应后端时，工作负载依然会落在 CPU 和 GPU 上。

【本文结束】如需转载请务必注明出处：快科技

责任编辑：青山