| CPU | 通用处理器，负责核心计算与逻辑控制。 | 多核架构，擅长串行任务和复杂逻辑。 | 操作系统、通用计算、应用程序。 | 高灵活性，但并行计算效率较低。 | 计算机核心，协调其他处理器工作。 | Intel Core、AMD Ryzen。 |
| GPU | 图形处理器，专为并行计算优化，处理大规模数据。 | 众核架构（数千核心），高吞吐量。 | 图形渲染、AI训练、科学计算。 | 并行性能强，通用性较弱。 | 作为协处理器加速CPU的并行任务。 | NVIDIA GeForce、AMD Radeon。 |
| NPU | 神经网络处理器，专为AI任务设计，加速深度学习。 | 针对矩阵运算优化，内置专用AI单元。 | AI推理、图像/语音识别、物联网。 | 高能效比，但专用性强。 | 与CPU/GPU协同，专攻AI负载。 | 华为昇腾、寒武纪MLU。 |
| TPU | 张量处理器，谷歌定制的ASIC芯片，专为TensorFlow优化。 | 高度定制化，针对矩阵乘法和卷积优化。 | 大规模AI训练、云端推理（如AlphaGo）。 | 超高AI效率，但灵活性最低。 | 作为专用加速器，与CPU配合。 | 谷歌TPU v4。 |
| DPU | 数据处理器，加速基础设施层任务。 | 集成网络、存储、安全加速模块，可编程。 | 网络协议处理、数据压缩、存储管理。 | 高吞吐、低延迟，卸载CPU任务。 | 分担CPU的底层任务，提升系统效率。 | NVIDIA BlueField、英特尔IPU。 |
| HPU | 超异构处理器，集成CPU、GPU、NPU等架构。 | 异构集成，硬件与软件解耦，支持灵活配置。 | 数据中心、边缘计算等复杂异构场景。 | 综合性能强，但设计复杂。 | 统一调度多处理器，适应多样化负载。 | 亚马逊Nitro、华为鲲鹏+昇腾组合。 |
| IPU | 智能处理器，协调多处理器通信与数据传输。 | 专为高性能计算设计，支持高速互联。 | 分布式计算、服务器间通信。 | 低延迟通信，但专用性高。 | 连接CPU/GPU等，优化多处理器协作。 | Graphcore IPU。 |
| BPU | 百度定制AI芯片，优化特定算法。 | 针对特定AI模型（如自动驾驶）定制。 | 自动驾驶、语音识别。 | 高算法适配性，通用性弱。 | 作为专用AI加速器，补充CPU/GPU。 | 百度昆仑芯。 |
| VPU | 视频处理单元，专为图像/视频编解码优化。 | 集成专用视频编解码硬件，低功耗。 | 视频分析、安防监控、嵌入式设备。 | 高效视频处理，但功能单一。 | 协同CPU/GPU处理多媒体任务。 | Intel Movidius Myriad。 |
| APU | CPU与GPU融合的异构处理器。 | 集成CPU核心与GPU核心，共享内存。 | 轻量级图形处理、嵌入式设备。 | 平衡CPU通用性与GPU并行能力。 | 减少CPU-GPU通信延迟，提升能效。 | AMD Ryzen 5 5600G。 |
| MCU | 微控制器，用于嵌入式系统控制。 | 集成CPU、内存、外设，精简指令集。 | 物联网设备、智能家居、传感器控制。 | 低功耗、低成本，但性能有限。 | 独立运行基础任务，无需外部协处理器。 | STM32系列、ESP32。 |
| MPU | 微处理器单元，专为嵌入式应用设计。 | 高性能CPU核心，支持复杂操作系统。 | 工业控制、汽车电子、高端嵌入式系统。 | 高性能，但功耗较高。 | 运行嵌入式操作系统，管理复杂任务。 | ARM Cortex-A系列、NXP i.MX。 |
| FPGA | 可编程逻辑器件，通过硬件重构实现定制化功能。 | 可编程逻辑单元，支持动态配置。 | 原型验证、通信加速、低延迟场景。 | 灵活但成本高，适合小批量定制。 | 作为补充协处理器，满足特定需求。 | Xilinx Virtex、Intel Stratix。 |
| ASIC | 完全定制化芯片，针对固定算法优化。 | 固定功能电路，不可修改。 | 比特币挖矿、加密解密、专用AI推理。 | 高能效比，但功能不可扩展。 | 替代通用芯片实现特定功能，如TPU、NPU等。 | 比特大陆矿机芯片、谷歌TPU。 |
| DSP | 数字信号处理器，专为信号处理优化。 | 专用指令集，擅长实时数据流处理。 | 通信、音频/视频编解码、传感器数据处理。 | 高实时性，低功耗。 | 协同CPU处理信号类任务，如音频降噪。 | TI C6000系列、Qualcomm Hexagon。 |
