最近，自研芯片的新闻铺天盖地。
本文引用地址：http://www.eepw.com.cn/article/202206/434744.htm
无论是才刚刚发布的OPPO Find N所搭载的“马里亚纳海沟X”，还是小米既澎湃之后再次准备提升日程的自研，亦或是华为一直在用的协处理器，都似乎在为我们传递一个信息：自研芯片的门槛越来越低，自研芯片变得越来越廉价。
但事实，真是如此吗？
在回答这个问题之前，先让我们看看这篇当年麒麟970芯片发布时的分解宣传图。我们知道，麒麟970确实是华为自研芯片，它是由CPU、GPU、NPU、基带组合而成，也就是说，这一个芯片实际上内含了多个处理单元。
那么，自研NPU是否就意味着自研了整个芯片架构呢？
换一个例子我们就会发现，NPU也可以作为单独板载芯片而存在，甚至还有TPU、VPU这样的芯片存在。
所以，到底什么是NPU，这一点就非常关键。
在我们的映像里，CPU中央处理器这个名字，就让我们直观了解到这个芯片的作用是整个系统连接的“大脑中枢”，也就是说，它负责处理一切信息。
后来我们对显示效果的需要越来越明确，从OpenGL的需求上来看，只有CPU处理的情况下，热功耗会非常大，所以当年的电脑曾经有过一板双CPU的情况（见过这种板式插入CPU的人估计会很少，其实昂贵的iMAC主机也采用了板式插入）。
实际上从这时候开始，CPU的工作被多个芯片分担，那时候我们常见的声卡、网卡就是分化的一种表现，而这些分担芯片就成了“专职”芯片，虽然他们综合能力并不强，但在某一领域的处理运算能力甚至会有加成。
最为突出的就是GPU——图形处理器，早期安卓需要打开“强制开启GPU渲染”才能提升性能的原因，就是当时图形处理器还太过孱弱，很多软件仍然利用CPU绕过GPU直接渲染，这种情况一直持续到Android 5.0才有所改善。
然而，CPU依旧是管理中枢，依旧是南北桥、存储IO的交换中枢，这就意味着，如果你用四代i5+RTX 3060，实际体验可能还不如GTX950，而移动端的GPU由于直接集成在CPU里，所以似乎并不存在这一问题。
直到，移动端本应集成在CPU里的5G基带，也可以外挂。
基带芯片独立，是因为早期5G功耗实在太大，既影响芯片的性能表现，又会疯狂抢夺系统资源，造成严重耗电，外挂后，只要你不使用5G，系统就可以把它关闭，自然也就不影响性能。
既然CPU活生生被拆的分崩离析，再加上谷歌推出的被称为张量处理器（tensor processing unit）TPU的存在，（关于TPU没有太多好讲的，是谷歌专门为加速深层神经网络运算能力而研发的一款芯片，与我们没有太大的意义），再加几个专职处理器是不是能让系统的性能变得更强呢？
就像很多企业依靠事业部制，各司其职，提升工作效率一样。
这个时候，中央处理器架构也终于想要向着人类大脑进一步模拟复杂计算的处理能力，NPU（神经网络处理器）就应运而生了。
神经网络处理器（NPU）采用“数据驱动并行计算”的架构，特别擅长处理视频、图像类的海量多媒体数据。NPU处理器专门为物联网人工智能而设计，用于加速神经网络的运算，解决传统芯片在神经网络运算时效率低下的问题。
最经常的应用，就是我们看到的各家为了自己的摄像能力，创造出的各类NPU芯片了，当然OPPO前期也利用NPU实现了“画质增强引擎”，包括视频超清增强、视频色彩增强、视频动态插帧，都属于严重的复杂计算，而NPU经过长期与大量的学习后，就可以帮你做任何复杂的决定，帮你创造不存在的那些视频帧。
那么，这是否意味着NPU作为自研芯片来说，没有什么讲头呢？
恰恰相反，相对于更为重要常见的基础芯片，NPU这一新兴芯片，反而是目前自研芯片最有发展空间和发展潜力的方向。
人工智能，是当今时代新的发展着力点，也是科技的新原点。
相对于构成系统最基本，经过N年固化下来的基础构成部件，NPU拥有更大的前景，甚至可以说，如果NPU进一步发展，获得进一步强大的力量，就能创造出比如今的CPU、GPU更强大的处理终端。
实际上，NPU现在更像一个呀呀学语的幼儿，相比于CPU只能在固定模式下机械的重复，NPU已经具备了一定的创造力，在现在大数据的时代下，它学习的力量或许能让它的创造力呈几何数增长，跳出固有的数据模式，不仅能够完美替代被技术卡脖子的CPU、GPU，甚至还能创造出更多的未来。