神經處理單元（NPU）：讓你的手機像大腦一樣思考的晶片革命

近年來，智慧型手機和筆電開始搭載一種名為「神經處理單元」（NPU）的神秘晶片。這種晶片究竟有何特別之處？它如何改變我們的數位生活？讓我們一探究竟。

自電腦科學誕生之初，科學家就熱衷於將機器與人腦相提並論。電腦科學奠基者約翰·馮·諾伊曼曾撰寫《電腦與大腦》一書；而艾倫·圖靈更在1949年預言：「終有一天，電腦將在多數領域與人類智慧平起平坐。」

然而，傳統的中央處理器（CPU）運作方式與人腦大相逕庭。CPU過於依賴數學邏輯運算，而NPU則採用了截然不同的設計理念——直接模擬人腦神經網路結構。這種構想其實源遠流長，最早可追溯至1940年代神經生理學家沃倫·麥卡洛克與邏輯學家沃爾特·皮茨共同設計的「神經網路」電路。

儘管這項技術在1950-60年代曾掀起研究熱潮，卻因傳統電腦運算能力的快速提升而逐漸式微。AI教父之一楊立昆回憶道：「1980年代初，只有日本和德國的少數學者在研究神經網路。直到1986年，這個領域才真正復興。」有趣的是，為避免「神經網路」一詞的負面印象，研究人員後來改稱其為「深度學習」。

NPU的商業化轉捩點出現在2017年，華為Mate 10和iPhone X（搭載A11仿生晶片）率先將這項技術帶入消費市場。當時的NPU運算能力尚不足1 TOPS（每秒萬億次運算），遠不如如今高通Snapdragon X晶片組的45 TOPS。但正是蘋果、IBM和谷歌等科技巨頭的巨額投資，才讓NPU從實驗室走向大眾。

現代NPU的核心優勢在於其「平行運算架構」。與CPU的序列運算不同，NPU能同時執行數百萬甚至數萬億次微型運算。這種設計特別適合處理影像邊緣偵測等任務——透過「卷積神經網路」（CNN），NPU會對影象每個區域執行過濾器（稱為「核」），逐步建立特徵圖，最終精準識別邊緣輪廓。

在效能表現上，NPU不僅運算速度驚人，功耗也遠低於CPU。雖然圖形處理器（GPU）同樣採用平行架構，但對深度學習任務的最佳化程度不及NPU，這直接影響到行動裝置的電池續航表現。

時至今日，NPU已深度融入日常生活。從手機相簿的「人物消除」功能，到Google的「圈選搜尋」和「合照模式」，背後都是NPU驅動的增強現實（AR）技術。微軟更在去年推出「Copilot+ PC」新類別，要求NPU至少具備40 TOPS運算能力，這讓高通Snapdragon X系列（45 TOPS）一時風頭無兩。

搭載NPU的筆電能提供哪些獨特體驗？微軟最具爭議性的「Recall」功能堪稱代表作。這項「照相式記憶」服務會透過NPU分析螢幕截圖，結合光學字元辨識（OCR）和情緒分析建立可搜尋索引，讓使用者能回溯任何曾出現在Windows 11中的內容。此外，「Image Creator」可將文字轉為影象，「Live Captions」則能即時翻譯影片字幕。

展望未來，專家預測NPU將重演CPU的發展軌跡——遵循摩爾定律，每1-2年運算能力翻倍。這意味著不久的將來，使用者可直接在本地端電腦生成媲美Midjourney的AI藝術作品。隨著軟硬體日趨成熟，個人AI助理將更深入理解使用者習慣，甚至代為執行各項任務。

NPU的應用範疇也將持續擴充套件：電視能根據喜好提供個人化新聞播報；健身追蹤器可依心情和行程推薦訓練方案；或許有一天，最懂你心事的將是搭載NPU的人形機器人。這場晶片革命，才剛剛開始。