近期AI PC概念股持续走强，英力股份20cm三连板，隆扬电子、飞荣达等叠加屏蔽材料概念大涨。
消息面上，微软、联想、戴尔等近期发布搭载骁龙X Elite的全新AI PC。
据高通官方给出的技术参数，在没有云端资源的情况下，骁龙X Elite能够支持130亿参数大模型的终端侧部署与运行，面向70亿参数大模型Meta Llama2-7B时，每秒可生成30个token，比近期发布的竞品AI处理器速度快了4-5倍，是现阶段最快的PC端AI处理速度。
分析认为，骁龙XElite芯片之所以这么强的原因，是因为其为AI引擎系统加入了一个独立的Hexagon NPU以应对AI与神经网络运算需求。
参数显示，Hexagon NPU算力可以达到45 TOPS，而包含CPU、GPU和NPU在内的整个高通AI引擎，可以让骁龙X Elite的AI性能达到75TOPS。
另据高通介绍，Hexagon张量加速器增加了独立的电源传输轨道，让需要不同标量、向量和张量处理规模的A1模型能够实现最高性能和效率。大共享内存的带宽也增加了一倍。基于以上提升和INT4硬件加速，Hexagon NPU成为面向终端侧生成式AI大模型推理的领先处理器。
英伟达、苹果纷纷入局除了高通和微软之外，英伟达、因特尔、苹果也都纷纷加入NPU的潮流之中。
据半导体行业观察报道，Nvidia最近泄露的一份内部演示，解释了该公司显然更喜欢使用独立GPU而非神经处理单元(NPU)来运行本地生成式AI应用程序。这家显卡巨头可能会将其他公司的NPU视为一种威胁，因为自从其处理器成为运行大型语言模型的组成部分以来，该公司的收入猛增。
另外，自去年年底推出Meteor Lake CPU以来，英特尔一直试图将配备该处理器及其嵌入式NPU的笔记本电脑推向新型“AI PC”，旨在执行生成式AI操作，而无需依赖云中的大规模数据中心
NPU，开启端侧生成式AI的关键NPU指的是神经网络处理器，是专为实现以低功耗加速AI推理而全新打造，其架构随着新AI算法、模型和用例的发展不断演进。在高通发布的报告中提到，AI终端面临两大共同的关键挑战。
在功耗和散热受限的终端上使用通用CPU和GPU服务平台的不同需求，难以满足这些AI用例严苛且多样化的计算需求。第二，这些AI用例在不断演进，在功能完全固定的硬件上部署这些用例不切实际。
因此，支持处理多样性的异构计算架构能够发挥每个处理器的优势。每个处理器擅长不同的任务。CPU擅长顺序控制和即时性，GPU适合并行数据流处理，NPU擅长标量、向量和张量数学运算，可用于核心AI工作负载。
天风证券表示，NPU采用数据驱动并行计算的架构，模拟人类神经元和突触，特别擅长处理视频、图像等海量多媒体数据。与遵循冯诺依曼架构的CPU和GPU不同，NPU通过突触权重实现存储计算一体化，运行效率更高，尤其擅长推理。
同时其指出，鉴于终端的功耗和散热限制，通用CPU和GPU难以满足生成式AI应用严苛且多样化的计算需求。这些应用不断演进和多样化，单一硬件部署并不合理。因此，NPU和异构计算成为硬件厂商应对终端侧生成式AI挑战的关键。
用于多个潜在爆发AI端侧除了电脑端外，手机端则更早开始搭载NPU，华为最早在Mate10采用寒武纪NPU，后在990系列上采用自研的达芬奇NPU。
另外，在5月7日苹果据悉的春季发布会上，苹果频繁地提到iPad Pro的AI属性，包括NPU（神经网络引擎）和混合架构下AI性能的领先，也包括在音频、图像创作中的AI体验，并直接对标AI PC。
不仅如此，在汽车、边缘侧如XR及各类物联网智能终端中，NPU也有应用。尤其是自动驾驶，特斯拉FSD的芯片就是以NPU为主。
据悉，特斯拉自研的FSD芯片采用14nm工艺制造，包含一个中央处理器、1个图像处理单元、2个神经网络处理器，其中中央处理器和图像处理器都采用了第三方设计授权，以保证其性能和稳定性，并易于开发，关键的神经网络处理器设计是特斯拉自主研发，是现阶段用于汽车自动驾驶领域最强大的芯片。
安谋科技产品总监杨磊表示，随着汽车中摄像头、毫米波雷达、激光雷达，以及超声波雷达等环境感知传感器的增多，自动驾驶系统收集的传感器数据将会更多，对自动驾驶计算芯片的算力要求将显著提升，这对NPU是一个大市场。
*免责声明：文章内容仅供参考，不构成投资建议
*风险提示：股市有风险，入市需谨慎