پردازنده NPU در لپ‌تاپ‌های هوش مصنوعی چه کاربردی دارد؟

چند سالی است که در کنار CPU و GPU، نام سومی هم به مشخصات فنی لپ‌تاپ‌ها اضافه شده است: NPU. این واحد پردازشی تازه، وظیفه‌ای دارد که پیش از این بر عهده سرورهای اینترنتی بود؛ یعنی اجرای مدل‌های هوش مصنوعی.

NPU یک تراشه تخصصی است که فقط برای یک کار طراحی شده: انجام محاسبات شبکه‌های عصبی با کمترین مصرف انرژی. نتیجه‌اش این است که کارهایی مثل حذف نویز میکروفون، محو کردن پس‌زمینه در تماس تصویری یا تولید زیرنویس زنده، روی خود دستگاه و بدون نیاز به اینترنت انجام می‌شوند.

در این مقاله به زبان ساده توضیح می‌دهیم NPU چیست، چطور کار می‌کند، چه تفاوتی با CPU و GPU دارد و در عمل چه کاری برای کاربر انجام می‌دهد.

NPU چیست؟

NPU مخفف عبارت Neural Processing Unit به معنی «واحد پردازش عصبی» است. این واحد معمولاً داخل خود پردازنده اصلی (SoC) قرار می‌گیرد و بخش جدایی از قطعات لپ‌تاپ نیست.

مدل‌های هوش مصنوعی، برخلاف تصور رایج، از محاسبات پیچیده ساخته نشده‌اند. آن‌ها عمدتاً یک عملیات ساده اما بسیار پرتکرار انجام می‌دهند: ضرب و جمع ماتریسی. تفاوت اینجاست که این عملیات ساده باید میلیون‌ها بار در ثانیه تکرار شود و همین تکرار است که پردازنده‌های معمولی را خسته می‌کند.

NPU دقیقاً برای همین یک کار بهینه شده است. به‌جای اینکه مثل CPU انعطاف‌پذیر باشد و هر نوع دستوری را اجرا کند، معماری‌اش را طوری ساده کرده‌اند که فقط همین یک الگوی محاسباتی را با بیشترین راندمان انجام دهد.

برای درک بهتر می‌توان این مقایسه را در نظر گرفت: CPU مثل یک کارمند همه‌فن‌حریف است که هر کاری را انجام می‌دهد اما در هیچ‌کدام فوق‌العاده نیست. GPU مثل یک تیم بزرگ برای کارهای موازی سنگین است. NPU هم مثل متخصصی است که فقط یک کار بلد است، اما آن را با کمترین انرژی و بیشترین سرعت انجام می‌دهد.

اگر با نقش سایر واحدهای پردازشی آشنا نیستید، مطالعه «تفاوت CPU و GPU» به درک بهتر این مقاله کمک می‌کند.

NPU چطور کار می‌کند؟

عملکرد NPU را می‌توان در چهار مرحله ساده خلاصه کرد.

۱. دریافت داده: ورودی مثل صدای میکروفون، تصویر وب‌کم یا یک متن به NPU سپرده می‌شود.

۲. اجرای مدل: مدل هوش مصنوعی از قبل روی دستگاه ذخیره شده و NPU محاسبات آن را انجام می‌دهد.

۳. پردازش موازی: برخلاف CPU که کارها را بیشتر پشت‌سرهم انجام می‌دهد، NPU هزاران عملیات ساده را هم‌زمان اجرا می‌کند.

۴. تحویل خروجی: نتیجه به نرم‌افزار برگردانده می‌شود؛ مثلاً صدای بدون نویز یا زیرنویس تولیدشده.

نکته کلیدی این است که همه این مراحل روی خود لپ‌تاپ انجام می‌شود. به این حالت «پردازش روی دستگاه» یا On-device AI گفته می‌شود.

این موضوع دو مزیت مهم دارد. اول اینکه تأخیر تقریباً به صفر می‌رسد، چون داده‌ای به سرور فرستاده نمی‌شود و منتظر پاسخ نمی‌مانید. دوم اینکه اطلاعات شما از دستگاه خارج نمی‌شود؛ صدای جلسه یا تصویر وب‌کم شما هرگز روی اینترنت نمی‌رود.

تفاوت NPU با CPU و GPU چیست؟

تصور رایجی وجود دارد که NPU جایگزین کارت گرافیک شده است. این تصور درست نیست؛ این سه واحد مکمل یکدیگرند و هرکدام برای بار کاری متفاوتی ساخته شده‌اند.

تفاوت اصلی در «راندمان» است، نه در «قدرت خام». GPU در بسیاری از محاسبات هوش مصنوعی از NPU سریع‌تر عمل می‌کند و برای آموزش مدل‌ها همچنان بهترین انتخاب است.

اما ماجرا وقتی تغییر می‌کند که بخواهیم یک مدل چند ساعت پیوسته در پس‌زمینه اجرا شود. مثلاً حذف نویز میکروفون باید در تمام طول یک جلسه دوساعته فعال بماند. اگر این کار را به GPU بسپاریم، هم باتری خیلی زود خالی می‌شود و هم لپ‌تاپ گرم و پرصدا می‌شود. اینجا دقیقاً جایی است که NPU برنده می‌شود.

برای آشنایی بیشتر با نقش گرافیک در لپ‌تاپ، مقاله «کارت گرافیک لپ‌تاپ» را ببینید.

TOPS یعنی چه؟

واحد سنجش قدرت NPU عبارت TOPS یا Tera Operations Per Second است؛ یعنی «تریلیون عملیات در ثانیه». هرچه این عدد بالاتر باشد، NPU می‌تواند مدل‌های سنگین‌تری را سریع‌تر اجرا کند.

اما TOPS را نباید تنها معیار سنجش دانست. این عدد شبیه «حجم موتور» خودرو است؛ مهم است، ولی کیفیت درایور، پشتیبانی نرم‌افزاری و بهینه‌سازی سازنده هم به همان اندازه اهمیت دارند. یک NPU با عدد بالا که هیچ برنامه‌ای از آن استفاده نکند، در عمل بی‌فایده است.

مایکروسافت برای دستگاه‌هایی که با عنوان Copilot+ PC شناخته می‌شوند، حداقل ۴۰ TOPS قدرت NPU را الزامی کرده است. یعنی سیستم‌هایی با NPU ضعیف‌تر، بخشی از قابلیت‌های هوش مصنوعی ویندوز را دریافت نمی‌کنند، حتی اگر از نظر CPU و رم قوی باشند.

کاربردهای واقعی NPU در لپ‌تاپ

مهم‌ترین سؤال کاربران این است که NPU در عمل چه کاری انجام می‌دهد. در ادامه، ملموس‌ترین کاربردهای آن را مرور می‌کنیم.

جلسات آنلاین و تماس تصویری

شناخته‌شده‌ترین کاربرد NPU همین‌جاست. محو یا تعویض پس‌زمینه، قاب‌بندی خودکار تصویر و اصلاح تماس چشمی، همگی مدل‌های هوش مصنوعی هستند که باید در تمام طول تماس فعال بمانند.

پیش از NPU این پردازش‌ها روی CPU انجام می‌شد و باعث کندی سیستم و داغ شدن لپ‌تاپ می‌شد. حالا این بار روی NPU می‌افتد و بقیه منابع سیستم آزاد می‌ماند.

پردازش صدا

حذف نویز محیط یکی از عملی‌ترین کاربردهای NPU است. مدل هوش مصنوعی صدای گوینده را از صدای پس‌زمینه — مثل صدای کولر، ترافیک یا رفت‌وآمد اطراف — جدا می‌کند.

نتیجه برای کسانی که کلاس آنلاین برگزار می‌کنند یا جلسه کاری دارند، کاملاً محسوس است. کیفیت میکروفون سخت‌افزاری تغییری نکرده، اما آنچه به گوش مخاطب می‌رسد بسیار تمیزتر است.

زیرنویس و ترجمه زنده

NPU می‌تواند گفتار را به‌صورت هم‌زمان به متن تبدیل کند و حتی آن را ترجمه کند. این قابلیت برای تماشای ویدیوهای غیرفارسی یا شرکت در جلسات بین‌المللی کاربرد مستقیم دارد.

مزیت انجام این کار روی دستگاه، نبود تأخیر است. زیرنویس تقریباً هم‌زمان با صحبت ظاهر می‌شود، نه چند ثانیه بعد.

ویرایش عکس و ویدیو

نرم‌افزارهای ویرایش تصویر به‌سرعت در حال افزودن قابلیت‌های هوش مصنوعی هستند: حذف اشیای اضافه از عکس، جداسازی سوژه از پس‌زمینه، افزایش کیفیت تصاویر کم‌کیفیت و حذف خودکار لکه‌ها.

بخشی از این کارها هنوز به کارت گرافیک نیاز دارد، اما کارهای سبک‌تر و تکرارشونده به NPU منتقل شده‌اند تا سریع‌تر و کم‌مصرف‌تر انجام شوند.

دستیار هوشمند آفلاین

مدل‌های زبانی کوچک می‌توانند روی خود دستگاه اجرا شوند. این یعنی خلاصه کردن یک متن، بازنویسی یک ایمیل یا پاسخ به سؤالات ساده، بدون نیاز به اتصال اینترنت.

برای کاربرانی که اینترنت پایدار ندارند یا با اطلاعات محرمانه کار می‌کنند، این قابلیت ارزش زیادی دارد.

جست‌وجوی هوشمند در فایل‌ها

به‌جای اینکه نام دقیق فایل را به خاطر بسپارید، می‌توانید محتوای آن را توصیف کنید. مثلاً «عکسی که سال گذشته کنار دریا گرفتم» یا «فایلی که درباره بودجه بود».

این قابلیت نیازمند تحلیل مداوم فایل‌ها در پس‌زمینه است؛ کاری که بدون NPU عملاً باتری را نابود می‌کرد.

حریم خصوصی و مصرف انرژی

دو مزیتی که کمتر دیده می‌شوند اما شاید از همه مهم‌تر باشند، همین دو مورد هستند.

وقتی پردازش روی دستگاه انجام شود، صدا، تصویر و متن شما به هیچ سروری ارسال نمی‌شود. این برای کاربران سازمانی و هر کسی که با داده حساس کار می‌کند اهمیت زیادی دارد.

از طرف دیگر، انتقال بار هوش مصنوعی از CPU و GPU به NPU باعث می‌شود همان قابلیت‌ها با کسری از انرژی قبلی اجرا شوند و لپ‌تاپ بتواند مدت بیشتری روی باتری کار کند.

نکته مهم این است که بخش زیادی از این قابلیت‌ها به نرم‌افزار وابسته‌اند. وجود NPU به‌تنهایی کافی نیست و سیستم‌عامل و برنامه‌ها هم باید از آن پشتیبانی کنند.

کدام پردازنده‌ها NPU دارند؟

امروز تقریباً همه سازندگان بزرگ، NPU را در پردازنده‌های لپ‌تاپی خود قرار می‌دهند. تفاوت اصلی در قدرت این واحد و نسل معماری آن است.

اعداد بالا بر اساس اطلاعات اعلام‌شده سازندگان است و در نسل‌های جدیدتر تغییر می‌کند.

جهش عددی بین نسل اول و دوم پردازنده‌های اینتل نشان می‌دهد این فناوری هنوز در ابتدای مسیر است. نکته جالب اینکه اپل سال‌ها پیش از رواج اصطلاح NPU، واحدی به نام Neural Engine را در تراشه‌های خود قرار داده بود. توضیح بیشتر در مقاله «تراشه‌های سری M اپل» آمده است.

آیا NPU فقط مخصوص لپ‌تاپ است؟

خیر. NPU سال‌هاست در گوشی‌های هوشمند وجود دارد و بسیاری از قابلیت‌های دوربین موبایل با کمک همین واحد انجام می‌شوند.

حالت شب دوربین، تشخیص چهره برای قفل صفحه، بهبود خودکار رنگ تصویر و حذف پس‌زمینه در عکس‌های پرتره، همگی خروجی پردازش هوش مصنوعی روی گوشی هستند. کاربران سال‌هاست از این امکانات استفاده می‌کنند بدون اینکه اسم NPU را شنیده باشند.

در تبلت‌ها هم ترکیبی از هر دو کاربرد دیده می‌شود؛ از ویرایش تصویر گرفته تا تشخیص دستخط و تبدیل آن به متن تایپی.

حتی در دستگاه‌های اینترنت اشیا مثل دوربین‌های امنیتی هوشمند هم واحدهای مشابهی وجود دارد که تصویر را در همان محل تحلیل می‌کنند و فقط نتیجه را ارسال می‌کنند، نه کل ویدیو را.

بنابراین NPU یک فناوری جدید نیست؛ فقط تازه به دنیای رایانه‌های شخصی وارد شده است و به همین دلیل این‌قدر درباره‌اش صحبت می‌شود.

NPU برای چه کسانی بیشتر به کار می‌آید؟

اهمیت NPU برای همه کاربران یکسان نیست و بستگی مستقیم به نوع استفاده روزمره دارد.

دانشجویان و کاربران اداری: اهمیت آن متوسط است. اگر روزتان با جلسات آنلاین، کلاس مجازی و رونویسی گفت‌وگوها می‌گذرد، قابلیت‌های صوتی و زیرنویس NPU کاملاً به چشم می‌آید. اما برای کار با مرورگر و آفیس، تفاوت محسوسی حس نمی‌کنید.

تولیدکنندگان محتوا: اهمیت آن زیاد است. ابزارهای هوشمند ویرایش تصویر و ویدیو مستقیماً روی سرعت کار اثر می‌گذارند و کارهای تکراری را کوتاه می‌کنند.

برنامه‌نویسان: NPU ارزشمند است، به‌ویژه اگر بخواهند مدل‌های زبانی را به‌صورت محلی اجرا کنند یا از دستیار کدنویسی آفلاین استفاده کنند.

گیمرها: اهمیت آن کم است. در بازی، این کارت گرافیک است که نقش تعیین‌کننده دارد و NPU تأثیر مستقیمی بر نرخ فریم ندارد.

کاربران خانگی: کسانی که بیشتر مرورگر، شبکه‌های اجتماعی و پخش ویدیو استفاده می‌کنند هم به NPU قوی نیاز ندارند.

اما برای کسانی که عمر باتری برایشان اولویت است، NPU یکی از مؤثرترین عوامل است؛ چون بار کاری هوش مصنوعی را از پرمصرف‌ترین بخش‌های سیستم برمی‌دارد. در این زمینه، مطالعه «عوامل مؤثر بر عمر باتری لپ‌تاپ» هم می‌تواند مفید باشد.

محدودیت‌های NPU

برای داشتن تصویری واقع‌بینانه، لازم است به محدودیت‌ها هم توجه کنیم:

• وابستگی به نرم‌افزار: بسیاری از برنامه‌ها هنوز از NPU استفاده نمی‌کنند و عملاً بلااستفاده می‌ماند.
• قدرت کمتر از GPU مجزا: برای آموزش مدل یا پردازش‌های سنگین، کارت گرافیک همچنان انتخاب اصلی است.
• غیرقابل ارتقا بودن: NPU بخشی از پردازنده است و مثل رم لپ‌تاپ قابل تعویض یا ارتقا نیست.
• تبلیغات اغراق‌آمیز: برچسب «AI» روی برخی دستگاه‌ها با NPU بسیار ضعیف هم درج می‌شود.
• وابستگی به حافظه: اجرای مدل‌های محلی به رم کافی نیاز دارد و NPU قوی به‌تنهایی کارساز نیست.

آینده NPU در لپ‌تاپ‌ها

روند فعلی نشان می‌دهد NPU از یک امکان جانبی به بخش استاندارد پردازنده‌ها تبدیل می‌شود، همان مسیری که پیش‌تر گرافیک یکپارچه طی کرد. چند سال پیش وجود گرافیک داخلی یک مزیت بود؛ امروز نبودش عجیب است.

سه تغییر محتمل در سال‌های آینده قابل پیش‌بینی است:

• افزایش TOPS: نسل‌های بعدی به اعداد بسیار بالاتری می‌رسند و اجرای مدل‌های بزرگ‌تر روی دستگاه ممکن می‌شود.
• گسترش پشتیبانی نرم‌افزاری: هرچه برنامه‌های بیشتری از NPU استفاده کنند، ارزش عملی آن بیشتر می‌شود. این مهم‌ترین عامل تعیین‌کننده است.
• تمرکز بر حریم خصوصی: پردازش محلی داده‌ها به یک مزیت رقابتی مهم تبدیل خواهد شد.

سؤالات متداول

NPU چیست؟

NPU یا واحد پردازش عصبی، بخشی از پردازنده است که فقط برای اجرای محاسبات مدل‌های هوش مصنوعی با کمترین مصرف انرژی طراحی شده است.

آیا NPU جای کارت گرافیک را می‌گیرد؟

خیر. NPU برای اجرای کم‌مصرف و پیوسته مدل‌های هوش مصنوعی ساخته شده، اما در بازی، رندر و پردازش‌های گرافیکی سنگین همچنان کارت گرافیک نقش اصلی را دارد.

بدون NPU نمی‌توان از هوش مصنوعی استفاده کرد؟

می‌توان. بیشتر سرویس‌های هوش مصنوعی روی سرور اجرا می‌شوند و فقط به اینترنت نیاز دارند. NPU باعث می‌شود بخشی از این پردازش‌ها آفلاین، سریع‌تر و کم‌مصرف‌تر روی خود دستگاه انجام شود.

آیا می‌توان NPU را بعداً به لپ‌تاپ اضافه کرد؟

خیر. NPU داخل خود پردازنده قرار دارد و مانند رم یا حافظه SSD قابل ارتقا نیست.

تفاوت NPU و TPU چیست؟

هر دو برای پردازش هوش مصنوعی ساخته شده‌اند، اما TPU عمدتاً تراشه‌ای برای مراکز داده و پردازش‌های بسیار سنگین است، در حالی که NPU برای دستگاه‌های شخصی و مصرف انرژی پایین طراحی شده است.

عدد TOPS بالاتر همیشه بهتر است؟

لزوماً نه. TOPS نشان‌دهنده توان نظری است؛ کیفیت درایور و پشتیبانی نرم‌افزاری تعیین می‌کند این توان در عمل چقدر استفاده می‌شود.

آیا NPU باعث گرم شدن لپ‌تاپ می‌شود؟

به‌مراتب کمتر از CPU و GPU. یکی از دلایل اصلی وجود NPU همین است که کارهای هوش مصنوعی بدون افزایش دما و مصرف انرژی انجام شوند.

جمع‌بندی

NPU سومین ضلع پردازش در لپ‌تاپ‌های امروزی است: CPU برای کارهای عمومی، GPU برای بارهای گرافیکی سنگین و NPU برای اجرای کم‌مصرف و پیوسته مدل‌های هوش مصنوعی.

مزیت اصلی این واحد، قدرت خام نیست بلکه راندمان انرژی است؛ یعنی امکان اجرای مداوم قابلیت‌های هوشمند بدون خالی شدن سریع باتری و بدون ارسال داده‌ها به سرورهای بیرونی.

با این حال، NPU تنها زمانی ارزش واقعی خود را نشان می‌دهد که نرم‌افزارها از آن پشتیبانی کنند. بنابراین بیش از تمرکز روی عدد TOPS، به این نگاه کنید که در کارهای روزمره‌تان واقعاً از چه قابلیت‌های هوش مصنوعی استفاده می‌کنید.