NPU یا واحد پردازش عصبی چیست؟ ویژگی‌ها، نحوه کار، معماری و کاربردها

تا به حال فکر کرده‌اید گوشی هوشمند شما چطور چهره‌تان را در کسری از ثانیه (حتی در تاریکی) تشخیص می‌دهد؟ یا چگونه هنگام تماس تصویری، پس‌زمینه اتاق شما به‌طور هوشمند تار می‌شود اما تصویر خودتان شفاف باقی می‌ماند؟ شاید تصور کنید این کار پردازنده اصلی (CPU) است، اما در واقع یک قهرمان پنهان در تراشه‌های مدرن وجود دارد که مسئولیت این کارها را بر عهده دارد؛ NPU یا واحد پردازش عصبی. اما NPU دقیقا چیست؟

این قطعه سخت‌افزاری، در واقع مغز متفکر هوش مصنوعی در دستگاه‌های شماست. در این مقاله، NPU را تعریف می‌کنیم، می‌گوییم چه تفاوتی با کارت گرافیک دارد و چرا در خرید لپ‌تاپ یا گوشی بعدی‌تان، باید به آن توجه داشته باشید.

واحد پردازش عصبی یا NPU چیست؟

NPU مخفف عبارت Neural Processing Unit به معنای «واحد پردازش عصبی» است. به زبان ساده، این پردازنده یک مدار یا تراشه تخصصی است که منحصرا برای شتاب‌دهی به محاسبات یادگیری ماشین (Machine Learning) و الگوریتم‌های هوش مصنوعی (AI) طراحی شده است.

برای درک بهتر، بیایید یک تشبیه اداری را تصور کنیم:

• CPU (پردازنده مرکزی): سی پی یو مثل “مدیر کل” یک شرکت است. او می‌تواند هر کاری را انجام دهد (از حسابداری تا مدیریت پرسنل)، اما چون باید به همه چیز نظارت کند، در کارهای تخصصی خیلی سریع نیست.
• NPU (واحد پردازش عصبی): مثل یک “متخصص ریاضیات و آمار” است که استخدام شده تا فقط روی حل مسائل پیچیده آماری تمرکز کند. او نمی‌تواند مدیریت شرکت را انجام دهد، اما محاسبات ریاضی را هزاران برابر سریع‌تر و بهینه‌تر از مدیر کل انجام می‌دهد.

این واحد پردازشگر به گونه‌ای طراحی شده که عملکرد مغز انسان را تقلید کند (شبکه‌های عصبی) تا بتواند داده‌های حجیم را پردازش کرده و تصمیمات هوشمندانه بگیرد، بدون اینکه فشار زیادی به باتری یا پردازنده اصلی وارد شود.

چرا به NPU نیاز داریم؟ (مزایا و ویژگی‌ها)

شاید بپرسید “مگر کارت‌های گرافیک (GPU) نمی‌توانستند کارهای هوش مصنوعی را انجام دهند؟” پاسخ مثبت است، اما NPU‌ها سه ویژگی کلیدی دارند که آن‌ها را بی‌رقیب می‌کند:

1. راندمان بالا: مهم‌ترین دلیل تولد NPU، مصرف انرژی بود. انجام پردازش‌های هوش مصنوعی با GPU، مثل کشتن پشه با توپ جنگی است! قدرت زیاد است اما انرژی وحشتناکی هدر می‌رود. واحد پردازش عصبی همان کار را با کسری از مصرف باتری انجام می‌دهد. این یعنی گوشی شما هنگام استفاده از فیلترهای هوش مصنوعی اینستاگرام داغ نمی‌کند و باتری خالی نمی‌شود.
2. سرعت بالا در عملیات موازی: ساختار NPU برای انجام هزاران محاسبه کوچک به صورت همزمان طراحی شده است. این دقیقاً چیزی است که شبکه‌های عصبی به آن نیاز دارند.
3. پردازش محلی و امنیت: تا قبل از NPU، برای صحبت با سیری یا گوگل، صدای شما باید به سرورهای ابری فرستاده می‌شد. اما با NPU قدرتمند، پردازش‌ها روی خود دستگاه انجام می‌شود. این یعنی:
   • امنیت بیشتر: اطلاعات بیومتریک (چهره، اثر انگشت) و داده‌های شخصی از گوشی خارج نمی‌شوند.
   • سرعت پاسخگویی: نیازی به اینترنت پرسرعت برای پردازش نیست.

واحد پردازش عصبی (NPU) چطور کار می‌کند؟

اساس کار هوش مصنوعی و شبکه‌های عصبی، عملیاتی ریاضی به نام ضرب و جمع (Multiply-Accumulate) است. NPU ها در واقع آرایه‌های عظیمی از مدارهایی هستند که فقط برای انجام همین عمل ضرب و جمع بهینه‌سازی شده‌اند.

راز سرعت NPU در چیست؟

NPU ها از تکنیکی به نام “Quantization” (کوانتیزاسیون) استفاده می‌کنند.

• یک CPU معمولا اعداد را با دقت بسیار بالا (مثلاً ۳۲ یا ۶۴ بیت) محاسبه می‌کند تا دقیق‌ترین نتیجه را بدهد.
• اما در دنیای هوش مصنوعی (مثلا تشخیص اینکه تصویر روبرو “گربه” است یا “سگ”)، ما نیاز به دقت اعشاری خیلی ریزی نداریم. NPU دقت را کمی کاهش می‌دهد (مثلاً به ۸ بیت) اما در عوض حجم عظیمی از داده را با سرعتی باورنکردنی پردازش می‌کند.

واحد سنجش قدرت NPU چیست؟

برخلاف CPU که قدرت آن با گیگاهرتز (GHz) سنجیده می‌شود، قدرت NPU با واحدی به نام TOPS (Trillion Operations Per Second) یا “تریلیون عملیات در ثانیه” اندازه‌گیری می‌شود.
هرچه عدد TOPS بالاتر باشد، NPU قدرتمندتر است. برای مثال، لپ‌تاپ‌های نسل جدید برای اجرای روان هوش مصنوعی ویندوز، به حداقل ۴۰ TOPS قدرت نیاز دارند.

نکته فنی: این “کاهش دقت” برای انسان محسوس نیست، اما باعث می‌شود محاسبات میلیون‌ها بار سریع‌تر انجام شوند.

کاربردهای NPU در زندگی روزمره

شاید فکر کنید NPU یک تکنولوژی مربوط به آینده است، اما احتمالا همین الان در حال استفاده از آن هستید. ببینیم این قطعه در دستگاه‌های مختلف چه می‌کند:

۱. گوشی‌های هوشمند (Mobile AI)

• عکاسی محاسباتی: وقتی در شب عکس می‌گیرید و گوشی به‌طور جادویی نور را زیاد می‌کند (Night Mode)، یا وقتی لرزش دستتان را در ویدیو حذف می‌کند، NPU در حال فعالیت است.
• تشخیص چهره: باز شدن قفل گوشی با FaceID.
• ترجمه آفلاین: ترجمه متن‌ها با دوربین گوگل (Google Lens) بدون نیاز به اینترنت.

۲. در لپ‌تاپ‌های نسل جدید (AI PC)

با معرفی پردازنده‌هایی مثل Intel Core Ultra و سری M اپل، NPU به لپ‌تاپ‌ها هم آمده است:

• تماس‌های ویدیویی: قابلیت‌هایی مثل Eye Contact (که باعث می‌شود حتی وقتی به صفحه نگاه می‌کنید، چشمانتان به دوربین دوخته شده به نظر برسد) کار NPU است.
• تولید محتوا: حذف نویز صدای محیط در جلسات آنلاین یا تولید تصویر با ابزارهایی مثل Stable Diffusion روی خود لپ‌تاپ.

۳. خودروهای هوشمند

• سیستم‌های رانندگی خودکار برای تشخیص خطوط جاده، عابران پیاده و تابلوهای راهنمایی در کسری از ثانیه به NPUهای بسیار قدرتمند نیاز دارند.

تفاوت NPU با CPU و GPU چیست؟

این سوال بسیاری از کاربران است. برای درک تفاوت، باید بدانید هر کدام برای چه نوع “باری” طراحی شده‌اند. جدول زیر مقایسه دقیقی بین این سه پردازنده ارائه می‌دهد:

همانطور که می‌بینید، NPU جایگزین CPU یا GPU نمی‌شود؛ بلکه مکمل آن‌هاست. در یک سیستم ایده‌آل (مثل تراشه‌های Apple Silicon یا Snapdragon X Elite)، این سه واحد در کنار هم کار می‌کنند تا بهترین تجربه را ارائه دهند.

جمع‌بندی: آیا هنگام خرید کامپیوتر و موبایل باید به NPU توجه کنیم؟

تکنولوژی به سرعت در حال تغییر است. با ورود ویندوز ۱۲ (که شایعه شده تمرکز زیادی روی AI دارد) و قابلیت‌های هوش مصنوعی در اندروید و iOS، نرم‌افزارها بیش از پیش به سخت‌افزار شتاب‌دهنده نیاز خواهند داشت.

معیار قدرت NPU با واحدی به نام TOPS (تریلیون عملیات در ثانیه) سنجیده می‌شود. مایکروسافت برای استاندارد جدید لپ‌تاپ‌های خود حداقل ۴۰ تا ۴۵ TOPS قدرت NPU را الزامی کرده است. بنابراین، اگر امروز لپ‌تاپی می‌خرید که قرار است ۴ تا ۵ سال برایتان کار کند، حتما به داشتن یک NPU قدرتمند در پردازنده آن توجه کنید تا در آینده با کندی سیستم مواجه نشوید.

سوالات متداول