GPU 和 NPU 差在哪？
GPU 是通用的平行運算晶片，效能強但耗電高，是資料中心訓練 AI 模型的主力；NPU 是專為神經網路運算設計的晶片，省電、適合在手機與筆電上即時執行 AI 功能。一個重效能，一個重能源效率。
比較表
| 比較項目 | GPU（圖形處理器） | NPU（神經網路處理器） |
|---|---|---|
| 設計目的 | 原為圖形運算，現廣泛用於通用平行運算 | 專為 AI 神經網路運算設計 |
| 耗電 | 高 | 低，適合電池供電裝置 |
| 常見用途 | 模型訓練、大型模型推論、遊戲繪圖 | 裝置端 AI 功能，如語音、影像處理 |
| 常見裝置 | 資料中心伺服器、電競電腦 | 手機、AI PC、穿戴裝置 |
| 彈性 | 高，支援多種運算框架 | 較專一，需軟體支援才能用上 |
這些情況選AI 晶片：GPU、TPU、NPU
- 要訓練模型或在本機跑較大型的模型
- 同時有遊戲、影像剪輯等繪圖需求
這些情況選AI PC 與邊緣 AI
- 重視筆電續航力，同時想用系統內建 AI 功能
- 需要在裝置上長時間執行低功耗的 AI 任務
常見問題
買 AI PC 一定要有 NPU 嗎？
不一定，要看需求。微軟的 Copilot+ PC 規格要求 NPU 達 40 TOPS 以上才能使用部分專屬功能；若主要在本機跑較大的模型，GPU 與記憶體容量通常更關鍵。
NPU 可以取代 GPU 訓練 AI 模型嗎？
目前不行。裝置上的 NPU 主要負責推論，也就是執行已訓練好的模型；大規模模型訓練仍以資料中心的 GPU 或其他專用加速器為主。
名詞解釋
AI 晶片：GPU、TPU、NPU：專門加速 AI 運算的晶片，常見有 GPU、Google 的 TPU 與電腦手機裡的 NPU。
AI PC 與邊緣 AI：在電腦、手機等裝置本機直接執行 AI，而不是把資料都送到雲端處理。
參考來源
查核日期：2026-09-26。API：/api/compare?id=gpu-vs-npu