技术门槛，都不低。相比之下，越是新出现的芯片种类，其技术门槛就越高。

芯片的门槛要看几个方面，包括算法设计、材料工艺，加工工艺和封装测试。有时设计算法能做好，但是加工环节被卡了脖子也会失败。另外就是应用生态。有了芯片要在实际产品上应用，之后才能验证和改进。这点是国内芯片厂商最困难的。在进口芯片的挤压下，敢于试用国产芯片，需要很大的勇气、魄力。

从国内目前各公司技术水平看，能达到国际前沿水平的，目前可能只有寒武纪，其他公司还在努力，希望能早日突破。

下面把几个概念通俗介绍一下：

CPU，全称是Central Processing Unit，即中央处理器。

这个缩写相信大家最熟悉，它是计算机系统的“大脑”

CPU主要包括运算器、控制单元、若干寄存器、高速缓存器和它们之间通讯的数据、控制及状态的总线。

它的工作思路是：存储程序，按顺序执行。它最擅长于逻辑控制。由于CPU需要大量的空间去放置存储单元和控制逻辑，计算能力就受限制，所以就有了GPU出场。

目前CPU技术上没有革命性的技术变革，只要我们按照科学的程序，一步步努力，不冒进，早晚能赶上。

GPU全称是Graphics Processing Unit, 即图像处理器；

GPU主要解决并行运算问题。举个生活中的例子。超市收银台前，顾客有100人排队。如果只有一个收银员，那么即使他操作速度再快，也要大家排队耗时间。如果有50个收银员同时收款，很快就解决问题。GPU解决的就是这个问题。这个问题在图形图处理时问题最突出，故改变算法规则，由GPU芯片来解决。但GPU不能独立工作，必须由CPU控制。

NPU全称是Neural network Processing Unit, 即神经网络处理器;

NPU，神经网络处理器，在电路层模拟人类神经元和突触，并且用深度学习指令集直接处理，一条指令对应一组神经元的任务。由于实现存储和计算一体化，故计算效率大大提高。

TPU全称是Tensor Processing Unit, 即张量处理器；

是一种为通过基于神经网络运算能力的一种ASIC，即专用集成电路。他把微处理器、模拟IP核、数字IP核和存储器集成在一个芯片上。这是解决运算速度的另外一个思路，就是专项任务，专项解决。它通常根据特定运算任务开发，指向特定用途。比如人机大战中的AlphaGo。

SOC全称是System on a Chip，其本质上就是上面说的ASIC。可以叫作系统级芯片,或者叫片上系统

当然是SOC了。

SOC叫做片上系统，别的都是xx处理器，而只有SOC叫做系统。一块普通的soc能把CPU，GPU，NPU都集成进去。

以骁龙845为例，这块SOC集成了基带，CPU，GPU，DSP，ISP，音频单元，系统内存和安全单元。其内部结构的复杂程度远超桌面CPU或者显卡核心。

除了SOC之外，GPU是最复杂的。第一，GPU规模巨大，英伟达的GV100核心有大概211亿个晶体管，而英特尔6700K则只有17.5亿晶体管。第二，GPU驱动是最复杂的，目前来看世界上能解决GPU驱动问题的厂商只有英伟达。

CPU并不复杂，只要你的指令集和架构能有配套的系统就够了。TPU和NPU是协处理器，他们在专业用途上很强但并不复杂。

在设计和制造上，这些都属于集成电路，难度都很高，相对而言，CPU、GPU、NPU、TPU属于集成电路逻辑的芯片，CPU的逻辑更完整，其他几个在各自领域各有所长，SOC属于集成芯片的芯片，设计更加系统。

CPU，Central Processing Unit，中央处理器。

GPU，Graphics Processing Unit, 图像处理器；

NPU，Neural network Processing Unit, 神经网络处理器;

TPU，Tensor Processing Unit, 张量处理器；

如果CPU、GPU、NPU、TPU比作一栋摩天大楼的话，SOC好比总部基地，所以SOC≥CPU≥GPU、NPU、TPU

先更正你的问题，你列的几个都不属于同一范畴，cpu是中央处理器，gpu是图形处理器，npu和tpu属于ai处理器。soc是系统集成芯片，是一种架构，可以将你说的前面几种几种集成到一块芯片上，这样做可以节省很多空间。

soc的门槛其实是最高的，毕竟soc是个整合架构，涵盖但不限于前面几个的一种。

但是排除了soc，门槛最高的就是tpu和npu。因为这两个涉及到人工智能这个新领域，而目前能做的基本数据就寥寥数十家(包括谷歌和华为)，可见其技术难度。

而CPU与GPU门槛反而是最低的，基本上套个壳都能用，极端点的就像麒麟，mtk，澎湃等基本上拿来就用的。

CPU和GPU门槛是低，但是要做得好做到能赚钱，同时还兼具高性能，那难度比npu和tpu难度更大。目前能做到这些的用四根手指头能数的出来:高通，AMD，nvdia，Intel。(三星苹果因为不外卖，无法知晓在CPU这一块是否有赚钱，因此不在范围之内)

有个问题已经有同学说了，soc与其他四个不在同一个范畴，不参与讨论。前面四个，其实考量的维度也很多。如果一定要排序的话，个人认为在同样的设计制造水平下，应用范围越广频度越高的，需要支持的逻辑单元种类和特性越多，从稳定性上讲难度越大，稳定是商用的极其重要的指标，性能和功耗还能逐步改进。因此大体上是CPU>GPU>NPU≈TPU

{!-- PGC_VIDEO:{\"thumb_height\": 360, \"thumb_url\": \"8dfa00015cf9778cd1c5\

SoC。

别看Intel，NV很牛，说实话，他俩技术真一般。为什么这么说呢？ 其实他俩主要是靠先发优势积累下来的专利来维持自己的优势，技术上，并不是有多么牛。最重要是案例就是，Intel和NV都做过SoC，全都失败了，根本原因没有能力。

Intel当初做移动x86芯片，整合基带，DSP，基带等，做不了，最终实在中国展讯的帮助下，才做成了SoC（不信自己去查新闻），但是后来，Intel一直做不好功耗和SoC的兼容性，后来没有了下文。

NVIDIA，也做过SoC，大家还记得小米3的首发芯片就是NV家的，还是功耗，兼容和基带做不好，NV专门收购了世界唯三的CDMA基带公司（另外两家是高通和威盛），但是基带集成这个问题，NV做了3年，没有任何效果，最后NV放弃移动芯片，专做pad和汽车了（不用基带，不用严格控制功耗）。

所以，不要感觉Intel和MV有多高大上，他们只是做了三四十年，熟悉了，还有老外比较擅长构建专利墙。

这也为中国打击美国半导体产业提供了一个方法: 我不保护你的专利，（x86随便用吧，GPU专利也随便用）。。。有人说，这不很流氓吗？ 那我问你使用君子手段对付流氓管用，还是流氓手段对付流氓好用？ 落后者，不要总想者保护知识产权，或者对内对外俩政策，等自己牛逼了，再严格保护知识产权

此外，还要挖他的人。一个团队一个团队的挖。

问这个问题明显外行，比大小呢？不管是CPU GPU WPU XPU的，都是芯片。简单点说，芯片分设计和工艺两个部分。设计，就是芯片架构嘛，架构服务于功能，什么PU就是这么分出来的嘛。大家知道的架构比如arm,mips,x86等。接下来就是工艺，架构设计了还在纸上，出产品要生产。生产就要靠工艺，比如大家天天看到的几nm，光刻机等。

说起门槛来，设计上，CPU GPU门槛最高，因为架构要服务的功能比较综合，电路，指令设计非常复杂，就算设计出来了，也要有系统软件商用。之前有国芯号称自助知识产权的架构，其实抄了mips。现在国产芯片用的架构也都是国外的arm，mips这些。至于NPU，TPU相对服务功能简单，就深度学习那块功能，相对而言门槛较低。

工艺嘛，就体现工业综合水平了，是一个长期过程。

最后，这里只是通俗的说说，砖家就别看了！

这几个名词代表了地球上最强大的几个芯片公司：华为、苹果、英特尔、高通、英伟达、谷歌、amd。

华山论剑没有最高只有更高！

CPU是PC机的专用处理器，GPU是主要用于图像的处理芯片、NPU、TPU都是专用的人工智能芯片，SOC是用于移动的一揽子系统功能集成芯片。

目前来看，CPU这块英特尔和AMD你追我赶，各不相让，全球除了它们，就没有一家能在这个竞赛中取得好成绩，门槛最高。

SOC是针对移动的集成芯片，华为、苹果、紫光、高通、三星等都有自已的芯片组，目前来看，华为的集成度稍领先，但并不是不可超越的，所以这一块相对来说难度较低一点。

而GPU图像处理芯片这块，主要的竞争对手是AMD和英伟达，各有千秋，我国的科创板公司寒武纪和华为也有解决图像处理的专用芯片，在某些领域超过英伟达的产品，所以这一块的竞争方兴未艾。

而NPU、TPU是不同公司对人工智能深度学习芯片的提法，我就知道不少公司都有自已的芯片和算法。

因为这块的芯片功能并不是很全面，很多都是对自已的独家技术进行优化，使用性和广泛程度，远远小于CPU\GPU和SOC，所以这一块我认为门槛并没有那么大。

CPU摩尔定律，英特尔一路狂奔

说起CPU，它的历史可就老长了，从一开始人们发明计算机就出现了CPU，最初的CPU是用在大型机和工业机器上的，IBM执其牛耳。

后来，由于芯片的集成度下降，开始出现小型PC机，IBM当时并不是很看好CPU的未来，就把相关的CPU制造技术和专利给了英特尔，让英特尔一路前奔。

英特尔也很争气，不仅开发了出了性能赶超小型机的CPU，而且它建设了自已的芯片工厂，不停提高芯片集成度，增加芯片功能。

英特尔的联合创始人戈登·摩尔，就提出了“摩尔定律”，即每过18个月，计算机的集成度就增加一倍，芯片的能力也增加一倍。

经过摩尔定律的熏陶之后，英特尔一路狂奔，把其它的竞争对手都踩在身下，只有一个AMD，紧紧咬住英特尔不放松，到最近才有超越的机会。

所以，通用计算机芯片的高门槛怀，让英特尔保持利润从80年代一直到今天，它的市值至今还有几千个亿美元。

而在通用CPU这方面，我国也有相应的龙芯，用在银河计算机等大型机上，以确保我们的科技不会被卡脖子。

但是由于成本高企，我们生产的芯片还不具备在国际上大规模竞争的能力，主要是自用为主。

随着移动互联网的发展，PC的芯片慢慢不再显得那么重要，人们把眼光投入了移动互联网的芯片。

移动的CPU，相对来说其性能和能力要求就不那么高了，因为在移动端，主力是SOC

低功耗打造麒麟芯，严要求首出SOC

说过了CPU，就讲到SOC芯片组了。

我们知道移动的手机体积小，散热难，不可能象PC那样安装一个大型风扇散热，所以传统的X86技术不太好用，必须打造专门的移动芯片。

现在主流的几家移动芯片厂商采用的都是基于AMR的低功耗芯片信令集和架构，苹果的A14、麒麟9000，以及高通的965 +是流行的几大芯片，当然，还有紫光的虎贲。

但是要做到SOC集，就是在一个芯片中既包括通信基带，又有计算、深度学习，不仅需要极同的集成度，还需要很丰富的通信经验，和设计水平。

这一点，我们的麒麟9000做到了，它也是全球首发的5G SOC芯片。

苹果因为缺乏基带技术，它的A14芯片必须外挂高通基带，因此功耗稍大，带宽也不是很理想。

高通理论上也可以做出5G SOC芯片，但是不知道它是基于成本的考虑，还是好货要留在后面加价，并没有推出。

所以，移动的SOC芯片虽然重要，但并不是组合起来就不能用，苹果的A14也获得了不少好评。

可以说在这个领域苹果、华为、高通、紫光等你追我赶，既有技术水平，也有商业成本的比拼，目前还没有谁敢说自已样样第一。

所以，我认为这个领域的竞争还刚刚开始，门槛还没有那么高！

GPU英伟达一骑绝城、AMD紧随其后

GPU主要用于图像处理，视频编解码和并行计算。

这一块目前英伟达是当然的王者，英伟达的黄老板也是华人，最近正准备收购AMD，让我们先祝他一路好运。

每年很多大型的游戏赛，用得都是通用的GPU卡，好的图像卡，不容易卡顿，杀起LOL来得心应手，是很大的GPU市场。

而这几年兴起的区块链、虚拟币，也消耗了很多GPU卡，因为GPU的并行计算，正好可以对各路挖矿算法优化，是采矿的当然之选。

目前来看，英伟达第一，AMD的GPU卡紧随其后。

我们国内的寒武纪，开发了MU270卡，也有很好的编解码性能，很多方面不亚于人后，只是支持的PC厂商不多，还远不被人们所知。

而华为，据说也准备开发自研的图像通用卡，由于它的达芬奇架构的深度学习芯片组深为人所知，既便宜又低功耗，所以我也很看好华为在GPU的逆袭。

NPU和TPU

NPU和TPU用于人工智能深度学习，是一些较为小众的提法，其中TPU是谷歌提出的芯片组，主要用于它的Tensorflow深度学习框架，看来谷歌也希望免费的开源政策能够帮它卖硬件增加收入。

NPU的全称是神经网络计算芯片，主要用于人工智能计算，但目前主要的人工智能计算还是图像智能分析。

从这个角度来看，NPU和GPU有一定的相似之处，必竟华为的达芬奇ＮＰＵ就用在各种摄像机上，不仅做智能分析，也可以用来编解码。

同样，寒武纪、依图等国内的人工智能公司，也都推出自已的NPU芯片组，用于特殊的领域。

而苹果的A14芯片叫也说有自研的NPU芯片。

所以针对SOC集成芯片来说，NPU或TPU只能算里面的一个组件而已。

最后说了这么多U，都是属于芯片的范畴，哪怕是最简单的NPU，也不是一个普通的厂商所能做出来的。

通过芯片的集成化，可以很好地降低能耗和成本，更好地促进我们的科技进步和创新。

让我们对这些牛B的企业致敬。

最后总结一下相关的企业和水平：

技术门槛第一梯队：

CPU：英特尔，AMD

SOC：华为，高通，

GPU：英伟达，AMD

TPU、NPU：因为通用性不好，各家都说自已不错，很难进行统一比较，门槛相对不明显。

诗云：

摩尔定律三十年，

芯片技术月月新，

你方制造电脑强，

我来创造移动端，

英特尔争CPU，

华为SOC第一，

若问利润谁家高，

英伟黄总笑哈哈。