人工智能芯片与计算架构术语解析

CPU： Central Processing Unit 的缩写，中文称中央处理器，是个人电脑与服务器中承担核心通用计算或控制工作的芯片。

GPU： Graphic Processing Unit 的缩写，中文叫图形处理器，主要负责图形渲染与并行计算。凭借高效的并行计算架构，它能让复杂图形相关任务更快完成，并广泛用于人工智能训练与推理、科学模拟、数字孪生、游戏等场景。如今，GPU 也已成为人工智能计算的重要硬件支柱。

GPGPU： 指借助 GPU 的并行计算能力，去执行原本由 CPU 处理的通用计算任务的技术，常见于科学计算、人工智能等方向。

NPU： Neural-network Processing Unit 的缩写，中文为神经网络处理器，是为加速神经网络模型而专门设计的处理器。

TPU： Tensor Processing Unit 的缩写，是 Google 针对人工智能与机器学习任务定制的智能芯片。

DSP： Digital Signal Processing 的缩写，中文称数字信号处理。DSP 芯片用于完成数字信号处理相关任务。

MCU： Microcontroller Unit 的缩写，中文为微控制单元。它把 CPU、计数器、数模转换等轻量模块集成到单块芯片中，形成一个小型系统。通常微控制器的计算能力较为有限，只需应对较少的数据处理需求，因此在物联网领域应用较为广泛。

FPGA： Field Programmable Gate Array 的缩写，是一种能够在硬件层面进行编程配置的芯片。

ASIC： Application Specific Integrated Circuit 的缩写，中文称专用集成电路，是为特定应用场景定制并设计、制造的电路。

Core： 指处理器核心。

加速卡、板卡： 加速卡（Accelerator Card）是一类专门用于提升特定计算任务速度的硬件。它通常通过并行处理或采用专用算法来增强性能，并多以扩展卡形式（如 PCIe 卡）接入计算机或服务器，用来分担主处理器（CPU）的负载，从而显著提高目标任务的执行效率。常见类别包括 GPU 加速卡、FPGA 加速卡、网络加速卡、ASIC 加速卡等，业内也常把这类设备统称为板卡。