صاحب‌خبر - اگر تا همین یکی دو سال پیش موقع خرید لپ‌ تاپ فقط به پردازنده (CPU)، کارت گرافیک (GPU) و رم توجه می‌کردید، حالا یک قطعه جدید هم وارد این معادله شده است NPU یا Neural Processing Unit (واحد پردازش عصبی). تقریبا تمام لپ‌ تاپ‌های مدرن مجهز به پردازنده‌های Intel Core Ultra، AMD Ryzen AI و Qualcomm Snapdragon X Elite، یک NPU اختصاصی دارند. مایکروسافت نیز برای معرفی لپ‌ تاپ‌های Copilot+ PC وجود یک NPU قدرتمند را به مهم‌ترین پیش‌نیاز سخت‌افزاری تبدیل کرده است؛ آن‌قدر که امروز کنار مشخصاتی مانند تعداد هسته CPU یا حافظه گرافیک GPU، عدد TOPS هم روی جعبه لپ‌ تاپ‌ها چاپ می‌شود. اما NPU دقیقا چیست؟ چه تفاوتی با CPU و GPU دارد؟ آیا واقعا به آن نیاز داریم یا صرفا یک ترفند تبلیغاتی شرکت‌های سازنده تراشه است؟ در این راهنمای جامع از ویجیاتو، تمام مفاهیم پایه تا پیشرفته NPU را به زبان ساده توضیح می‌دهیم. فهرست محتوا 1 NPU چیست؟ 2 تاریخچه مختصر NPU؛ از گوشی تا لپ‌ تاپ 3 NPU چگونه کار می‌کند؟ 3.1 معماری NPU در یک نگاه 4 تفاوت CPU ،GPU و NPU 5 TOPS چیست و چگونه محاسبه می‌شود؟ 6 چرا شرکت‌ها به سمت NPU رفتند؟ 6.1 چرا NPU برای لپ‌ تاپ‌ها اهمیت دارد؟ 7 مهم‌ترین کاربردهای NPU در لپ‌تاپ 7.1 ۱. حذف نویز هوشمند صدا (AI Noise Suppression) 7.2 ۲. افکت‌های هوشمند دوربین (Windows Studio Effects) 7.3 ۳. اصلاح جهت نگاه (Eye Contact) 7.4 ۴. زیرنویس زنده (Live Caption) 7.5 ۵. ترجمه زنده (Live Translation) 7.6 ۶. اجرای دستیارهای هوش مصنوعی مانند Microsoft Copilot 7.7 ۷. ویرایش هوشمند عکس و ویدیو 7.8 ۸. تولید تصویر با هوش مصنوعی 7.9 ۹. جست‌ و جوی هوشمند و حافظه دیجیتال سیستم 7.10 ۱۰. اجرای مدل‌های هوش مصنوعی به‌صورت محلی (On-device AI) 8 NPU در ویندوز ۱۱ و استاندارد Copilot+ PC 9 Intel AI Boost چیست؟ 10 AMD Ryzen AI چیست؟ 11 Qualcomm Hexagon NPU چیست؟ 12 NPU در مک‌ بوک اپل (Apple Neural Engine) 13 آیا NPU جای GPU را می‌گیرد؟ 14 راهنمای خرید؛ چند TOPS برای شما کافی است؟ 15 اشتباهات رایج درباره NPU 16 آینده NPU 17 جمع‌بندی NPU چیست؟ NPU مخفف Neural Processing Unit یا «واحد پردازش عصبی» است. این تراشه به‌صورت اختصاصی برای اجرای مدل‌های هوش مصنوعی و یادگیری ماشین (Machine Learning) طراحی شده است. در حالی که CPU برای انجام انواع محاسبات عمومی ساخته شده و GPU برای پردازش‌های گرافیکی و محاسبات موازی عملکرد فوق‌العاده‌ای دارد، NPU فقط یک هدف دارد. اجرای سریع، کم‌مصرف و بهینه الگوریتم‌های هوش مصنوعی، به‌ویژه شبکه‌های عصبی مصنوعی (Neural Networks). به همین دلیل به NPU، AI Accelerator یا AI Engine نیز گفته می‌شود. برخی شرکت‌ها نام‌های اختصاصی خودشان را روی این تراشه می‌گذارند؛ مثلا اپل آن را Neural Engine و کوالکام آن را Hexagon NPU می‌نامد، اما همه این‌ها از نظر کارکرد اصلی مشابه هم هستند. تاریخچه مختصر NPU؛ از گوشی تا لپ‌ تاپ برخلاف تصور رایج، NPU پدیده‌ای کاملا جدید نیست. اولین نسل تراشه‌های شتاب‌دهنده هوش مصنوعی سال‌ها پیش وارد گوشی‌های هوشمند شدند؛ برای مثال اپل از سال ۲۰۱۷ و با تراشه A11 Bionic، Neural Engine را به آیفون اضافه کرد و کوالکام هم مدت‌ها بود در تراشه‌های Snapdragon از بخش Hexagon برای پردازش عکس و صدا استفاده می‌کرد. نقطه عطف ورود NPU به دنیای لپ‌ تاپ و کامپیوترهای شخصی، معرفی پردازنده‌های Intel Core Ultra (Meteor Lake)، AMD Ryzen AI و به‌خصوص Qualcomm Snapdragon X Elite بود که همگی برای اولین بار NPU را به‌صورت جدی و با قدرت پردازشی قابل توجه وارد لپ‌ تاپ‌های ویندوزی کردند. این روند با معرفی استاندارد Copilot+ PC توسط مایکروسافت در سال ۲۰۲۴ رسمی‌تر شد و از آن زمان به بعد، تقریبا تمام لپ‌ تاپ‌های رده‌بالا و میان‌رده جدید به یک NPU اختصاصی مجهز هستند. NPU چگونه کار می‌کند؟ مدل‌های هوش مصنوعی میلیون‌ها یا حتی میلیاردها عملیات ریاضی کوچک انجام می‌دهند. بیشتر این عملیات شامل مواردی مانند موارد زیر است ضرب ماتریس‌ها (Matrix Multiplication) جمع بردارها (Vector Addition) محاسبات تنسور (Tensor Operations) عملیات کانولوشن (Convolution) در شبکه‌های عصبی کانولوشنی CPU می‌تواند این محاسبات را انجام دهد، اما چون برای اجرای متوالی و منعطف دستورات مختلف طراحی شده، سرعت بالایی در این نوع عملیات تکراری و موازی ندارد. GPU بسیار سریع‌تر است، چون از هزاران هسته کوچک برای پردازش موازی استفاده می‌کند، اما مصرف انرژی و تولید حرارت آن بسیار بالاست. NPU دقیقا برای همین نوع محاسبات خاص (عملیات تکراری با دقت پایین‌تر مانند INT8 یا FP16) ساخته شده است؛ بنابراین: انرژی بسیار کمتری مصرف می‌کند. حرارت کمتری تولید می‌کند. عمر باتری را کاهش نمی‌دهد. می‌تواند به‌صورت دائمی و در پس‌زمینه، وظایف هوش مصنوعی را اجرا کند بدون آنکه کاربر متوجه افت عملکرد سیستم شود. معماری NPU در یک نگاه بر خلاف CPU که از تعداد محدودی هسته قدرتمند و همه‌کاره تشکیل شده، NPU از واحدهای محاسباتی بسیار ساده‌تر اما به تعداد زیاد ساخته شده که مخصوص ضرب و جمع ماتریسی (معروف به MAC یا Multiply-Accumulate) هستند. این واحدها معمولا با دقت عددی پایین‌تر (مثل عدد صحیح ۸ بیتی به‌جای اعشاری ۳۲ بیتی) کار می‌کنند که همین موضوع باعث افزایش چشمگیر سرعت و کاهش مصرف برق می‌شود، بدون آنکه دقت مدل‌های هوش مصنوعی به شکل محسوسی افت کند. تفاوت CPU ،GPU و NPU ویژگی CPU GPU NPU هدف اصلی پردازش عمومی گرافیک و پردازش موازی هوش مصنوعی تعداد هسته کم (معمولا ۴ تا ۲۴ هسته) بسیار زیاد (هزاران هسته) معماری اختصاصی AI مصرف برق متوسط زیاد بسیار کم اجرای مدل AI (Inference) خوب عالی بهترین بهره‌وری انرژی مناسب بازی عالی عالی خیر مناسب رندر سه‌بعدی متوسط عالی خیر مناسب آموزش مدل (Training) ضعیف عالی معمولا خیر (بیشتر Inference) گرمای تولیدی متوسط زیاد بسیار کم به زبان ساده CPU مغز اصلی کامپیوتر است که هر کاری را می‌تواند انجام دهد. GPU عضلات قدرتمند سیستم برای کارهای گرافیکی و موازی سنگین است. NPU متخصص هوش مصنوعی است؛ کندتر و ضعیف‌تر از GPU در کارهای عمومی، اما در ازای مصرف انرژی بسیار پایین‌تر، بهینه‌ترین گزینه برای اجرای مداوم وظایف هوشمند است. TOPS چیست و چگونه محاسبه می‌شود؟ وقتی درباره NPU صحبت می‌شود، معمولا عددی مانند ۱۰ TOPS، ۱۶ TOPS، ۴۰ TOPS یا حتی بالاتر از ۸۰ TOPS را مشاهده می‌کنید. TOPS مخفف Tera Operations Per Second است؛ یعنی تراشه در هر ثانیه چند تریلیون عملیات هوش مصنوعی (معمولا عملیات ضرب-جمع با دقت پایین) انجام می‌دهد. هرچه این عدد بیشتر باشد، توان خام پردازش هوش مصنوعی بالاتر است. نکته مهم این است که TOPS تنها معیار عملکرد واقعی نیست. عواملی مانند موارد زیر هم به همان اندازه اهمیت دارند معماری داخلی NPU و نحوه طراحی واحدهای محاسباتی پهنای باند حافظه (Memory Bandwidth) برای انتقال سریع داده به NPU بهینه‌سازی نرم‌افزار و درایورها برای استفاده واقعی از این توان سخت‌افزاری پشتیبانی برنامه‌ها و فریم‌ورک‌های هوش مصنوعی (مانند ONNX، DirectML یا Windows ML) از آن NPU خاص به همین دلیل، دو لپ‌ تاپ با عدد TOPS یکسان می‌توانند در تجربه واقعی کاربری، عملکرد متفاوتی داشته باشند. چرا شرکت‌ها به سمت NPU رفتند؟ تا چند سال قبل تقریبا تمام مدل‌های هوش مصنوعی روی GPU اجرا می‌شدند. اما مشکل اینجا بود که GPU برق زیادی مصرف می‌کند، داغ می‌شود و باتری لپ‌ تاپ را سریع خالی می‌کند. از طرف دیگر، امروزه بسیاری از قابلیت‌های هوش مصنوعی به‌صورت دائمی در پس‌زمینه اجرا می‌شوند؛ مانند حذف نویز میکروفون، تار کردن پس‌زمینه تماس تصویری، ترجمه هم‌زمان، زیرنویس زنده، تشخیص چهره، پردازش تصویر دوربین و دستیارهای هوش مصنوعی. اگر همه این کارها توسط GPU انجام شوند، مصرف باتری به‌شدت افزایش پیدا می‌کند و لپ‌ تاپ سریع‌تر داغ خواهد شد. اینجاست که NPU وارد عمل می‌شود؛ قطعه‌ای که دقیقا برای اجرای همین وظایف سبک اما مداوم بهینه شده است. چرا NPU برای لپ‌ تاپ‌ها اهمیت دارد؟ فرض کنید در یک جلسه آنلاین هستید. هم‌زمان لپ‌ تاپ باید صدای محیط را حذف کند، چهره شما را دنبال کند، نور تصویر را اصلاح کند، پس‌زمینه را محو کند، تماس را ضبط کند و زیرنویس زنده تولید کند. اگر همه این پردازش‌ها روی CPU یا GPU انجام شوند، هم سیستم داغ می‌شود و هم باتری سریع‌تر خالی می‌شود. اما NPU می‌تواند همه این پردازش‌ها را با مصرف انرژی بسیار پایین و بدون فشار به دیگر بخش‌های سیستم انجام دهد. مهم‌ترین کاربردهای NPU در لپ‌تاپ برخلاف CPU و GPU که برای انجام طیف گسترده‌ای از پردازش‌ها طراحی شده‌اند، NPU وظیفه اجرای مدل‌های هوش مصنوعی را با کمترین مصرف انرژی بر عهده دارد. به همین دلیل، بسیاری از قابلیت‌های جدید ویندوز، نرم‌افزارهای ویرایش تصویر و ابزارهای هوش مصنوعی از NPU برای اجرای سریع‌تر و کم‌مصرف‌تر مدل‌های یادگیری ماشین استفاده می‌کنند. البته باید توجه داشت که بسته به نوع لپ‌تاپ، سیستم‌عامل و نرم‌افزار، همه این پردازش‌ها لزوماً به‌طور کامل روی NPU انجام نمی‌شوند و ممکن است CPU یا GPU نیز در آن‌ها مشارکت داشته باشند. ۱. حذف نویز هوشمند صدا (AI Noise Suppression) یکی از رایج‌ترین کاربردهای NPU حذف نویز محیط هنگام تماس‌های صوتی و تصویری است. مدل هوش مصنوعی به‌صورت لحظه‌ای صدای شما را از صداهای مزاحمی مانند صدای کولر، تایپ روی کیبورد، ترافیک، باد یا صحبت افراد اطراف تشخیص می‌دهد و تنها صدای گوینده را برای طرف مقابل ارسال می‌کند. از آنجا که این پردازش روی NPU انجام می‌شود، مصرف باتری بسیار کمتر از زمانی است که همین کار توسط CPU یا GPU انجام شود. به همین دلیل، حتی در تماس‌های طولانی با Microsoft Teams، Zoom، Google Meet یا Discord نیز عملکرد سیستم افت محسوسی نخواهد داشت. ۲. افکت‌های هوشمند دوربین (Windows Studio Effects) ویندوز ۱۱ مجموعه‌ای از قابلیت‌های هوش مصنوعی را با نام Windows Studio Effects ارائه می‌دهد که بسیاری از آن‌ها روی NPU اجرا می‌شوند. این قابلیت‌ها شامل موارد زیر هستند: محو کردن پس‌زمینه (Background Blur) جایگزینی پس‌زمینه تنظیم خودکار کادربندی تصویر (Auto Framing) اصلاح نور و روشنایی تصویر کاهش نویز و بهبود کیفیت وب‌کم از آنجا که این پردازش‌ها به‌صورت لحظه‌ای انجام می‌شوند، استفاده از NPU باعث می‌شود کیفیت تماس تصویری بالا بماند، بدون اینکه فشار زیادی به پردازنده اصلی وارد شود. ۳. اصلاح جهت نگاه (Eye Contact) در تماس‌های ویدیویی، بسیاری از افراد هنگام صحبت به صفحه نمایش نگاه می‌کنند، نه به دوربین. قابلیت Eye Contact با استفاده از مدل‌های هوش مصنوعی، جهت نگاه و حالت چشم‌ها را به‌صورت طبیعی اصلاح می‌کند تا به نظر برسد مستقیماً به دوربین نگاه می‌کنید. این ویژگی در جلسات آنلاین، کلاس‌های آموزشی و تولید محتوا باعث ایجاد ارتباط چشمی طبیعی‌تر می‌شود. ۴. زیرنویس زنده (Live Caption) NPU می‌تواند گفتار را به‌صورت لحظه‌ای به متن تبدیل کند. در ویندوز ۱۱، قابلیت Live Caption امکان تولید زیرنویس زنده برای فایل‌های صوتی، ویدیوها و تماس‌های آنلاین را فراهم می‌کند. از آنجا که این پردازش به‌صورت محلی انجام می‌شود، بسیاری از قابلیت‌ها حتی بدون اتصال اینترنت نیز قابل استفاده هستند و اطلاعات صوتی کاربر به سرورهای ابری ارسال نمی‌شود. ۵. ترجمه زنده (Live Translation) نسل جدید لپ‌تاپ‌های مجهز به NPU می‌توانند مکالمه، ویدیو یا زیرنویس را به‌صورت هم‌زمان ترجمه کنند. اجرای محلی مدل‌های ترجمه علاوه بر کاهش تأخیر، حریم خصوصی بیشتری نیز فراهم می‌کند، زیرا در بسیاری از سناریوها نیازی به ارسال داده‌ها به فضای ابری نیست. انتظار می‌رود این قابلیت در سال‌های آینده به یکی از مهم‌ترین ویژگی‌های لپ‌تاپ‌های مبتنی بر هوش مصنوعی تبدیل شود. ۶. اجرای دستیارهای هوش مصنوعی مانند Microsoft Copilot ویندوز ۱۱ و بسیاری از لپ‌تاپ‌های جدید با تمرکز بر قابلیت‌های هوش مصنوعی طراحی شده‌اند. در دستگاه‌های مجهز به NPU، بخشی از پردازش‌های مرتبط با Microsoft Copilot و سایر دستیارهای هوشمند می‌تواند به‌صورت محلی اجرا شود. این موضوع باعث می‌شود برخی قابلیت‌ها سریع‌تر پاسخ دهند، مصرف انرژی کاهش پیدا کند و در بعضی سناریوها حتی بدون اتصال دائمی به اینترنت نیز قابل استفاده باشند. ۷. ویرایش هوشمند عکس و ویدیو بسیاری از نرم‌افزارهای ویرایش تصویر و ویدیو از مدل‌های هوش مصنوعی برای انجام کارهایی استفاده می‌کنند که قبلاً ساعت‌ها زمان نیاز داشت. NPU می‌تواند بخشی از این پردازش‌ها را با مصرف انرژی پایین‌تر انجام دهد، از جمله: حذف خودکار پس‌زمینه تصاویر حذف اشیای مزاحم (Object Removal) بزرگ‌نمایی هوشمند تصاویر (AI Upscaling) افزایش وضوح عکس‌های قدیمی ترمیم تصاویر آسیب‌دیده پر کردن بخش‌های خالی تصویر (Generative Fill) هرچه توسعه‌دهندگان نرم‌افزارها پشتیبانی بیشتری از NPU اضافه کنند، سرعت انجام این پردازش‌ها نیز افزایش خواهد یافت. ۸. تولید تصویر با هوش مصنوعی مدل‌های مولد تصویر مانند Stable Diffusion برای تولید هر تصویر میلیاردها محاسبه انجام می‌دهند. در حال حاضر GPU همچنان مهم‌ترین پردازنده برای اجرای این مدل‌ها است، اما برخی نرم‌افزارها از NPU برای اجرای بخش‌هایی از مدل یا انجام وظایف کمکی استفاده می‌کنند. در نسل‌های آینده، انتظار می‌رود NPU نقش پررنگ‌تری در اجرای مدل‌های مولد تصویر و حتی مدل‌های زبانی کوچک (SLM) روی خود دستگاه ایفا کند. ۹. جست‌ و جوی هوشمند و حافظه دیجیتال سیستم یکی از جذاب‌ترین کاربردهای NPU، قابلیت‌هایی مانند Windows Recall و جست‌وجوی معنایی (Semantic Search) است. این فناوری با تحلیل محلی اسکرین‌شات‌ها، اسناد و فعالیت‌های کاربر، یک حافظه دیجیتال از کارهای انجام‌شده ایجاد می‌کند. برای مثال، اگر تنها به خاطر داشته باشید که «هفته گذشته یک فایل PDF با نمودار آبی دیده بودم»، سیستم می‌تواند با استفاده از هوش مصنوعی آن فایل را پیدا کند؛ حتی اگر نام فایل یا محل ذخیره آن را به خاطر نداشته باشید. از آنجا که این تحلیل روی خود دستگاه انجام می‌شود، اطلاعات شخصی کاربر در بسیاری از سناریوها نیازی به ارسال به سرورهای ابری نخواهند داشت. ۱۰. اجرای مدل‌های هوش مصنوعی به‌صورت محلی (On-device AI) شاید مهم‌ترین کاربرد آینده NPU اجرای مدل‌های هوش مصنوعی مستقیماً روی لپ‌تاپ باشد. مدل‌های زبانی کوچک (SLM)، دستیارهای شخصی، خلاصه‌سازی متن، بازنویسی محتوا، تحلیل اسناد، دسته‌بندی فایل‌ها و بسیاری از قابلیت‌های هوش مصنوعی می‌توانند بدون اتصال دائمی به اینترنت و بدون ارسال اطلاعات به سرورهای خارجی اجرا شوند. همین ویژگی یکی از مهم‌ترین دلایلی است که امروزه شرکت‌هایی مانند Intel، AMD، Qualcomm، Microsoft و Apple سرمایه‌گذاری گسترده‌ای روی توسعه NPU انجام داده‌اند و آن را به بخش جدایی‌ناپذیر لپ‌تاپ‌های نسل جدید تبدیل کرده‌اند. NPU در ویندوز ۱۱ و استاندارد Copilot+ PC مایکروسافت در سال ۲۰۲۴ استاندارد جدیدی به نام Copilot+ PC معرفی کرد که در سال‌های ۲۰۲۵ و ۲۰۲۶ به یکی از اصلی‌ترین معیارهای دسته‌بندی لپ‌ تاپ‌های جدید تبدیل شده است. برای اینکه یک لپ‌ تاپ عنوان Copilot+ PC را دریافت کند، طبق آخرین مشخصات رسمی مایکروسافت باید حداقل شرایط زیر را داشته باشد NPU با حداقل ۴۰ TOPS قدرت پردازش هوش مصنوعی حداقل ۱۶ گیگابایت رم از نوع DDR5 یا LPDDR5 حداقل ۲۵۶ گیگابایت حافظه SSD پردازنده‌های تأیید شده برای این استاندارد در حال حاضر شامل خانواده‌های Qualcomm Snapdragon X، Intel Core Ultra سری ۲۰۰V و AMD Ryzen AI 300 هستند. نکته قابل‌توجه این است که در سال ۲۰۲۶ بسیاری از لپ‌ تاپ‌های تازه عرضه‌ شده، عملکردی بسیار فراتر از حداقل ۴۰ TOPS دارند و برخی مدل‌ها به ۸۰ تا ۸۵ TOPS رسیده‌اند؛ روندی که نشان می‌دهد کف استاندارد ۴۰ TOPS در آینده‌ای نزدیک احتمالا افزایش خواهد یافت. به همین دلیل، خرید لپ‌ تاپی با TOPS بالاتر از حداقل مورد نیاز، سرمایه‌گذاری بهتری برای چند سال آینده محسوب می‌شود. قابلیت‌های اختصاصی Copilot+ PC که فقط روی این دسته از لپ‌ تاپ‌ها فعال می‌شوند عبارت‌اند از Windows Recall (جست‌وجوی هوشمند در فعالیت‌های گذشته کاربر) Live Captions با ترجمه هم‌زمان به ده‌ها زبان Windows Studio Effects (فریم‌بندی خودکار، محو پس‌زمینه، اصلاح نگاه) Cocreator در برنامه Paint برای تولید تصویر با هوش مصنوعی بهبود کیفیت عکس و ویدیو با پردازش محلی Intel AI Boost چیست؟ اینتل در پردازنده‌های Core Ultra از NPU اختصاصی با نام Intel AI Boost استفاده می‌کند. این بخش وظیفه اجرای مدل‌های هوش مصنوعی با مصرف انرژی پایین را بر عهده دارد و در نسل‌های جدید (مانند Core Ultra سری ۲۰۰V با نام کد Lunar Lake) توان پردازشی آن به‌طور چشمگیری نسبت به نسل اول افزایش یافته است. کاربردهای اصلی Intel AI Boost Windows Studio Effects Copilot و دستیارهای هوش مصنوعی حذف نویز صدا پردازش و ویرایش تصویر شتاب‌دهی ابزارهای هوش مصنوعی در نرم‌افزارهایی مانند Adobe AMD Ryzen AI چیست؟ AMD نیز در پردازنده‌های جدید خود از موتور اختصاصی هوش مصنوعی با نام Ryzen AI بهره می‌برد. این موتور بر پایه فناوری XDNA ساخته شده که اصالتا از شرکت Xilinx (که AMD آن را خریداری کرد) گرفته شده است. کاربردهای Ryzen AI مشابه Intel AI Boost است، اما در برخی مدل‌ها به‌خصوص سری Ryzen AI 300، قدرت TOPS بالاتری نسبت به رقبا ارائه می‌شود که آن را به گزینه‌ای جذاب برای کاربران حرفه‌ای و خلاق تبدیل کرده است. Qualcomm Hexagon NPU چیست؟ کوالکام سال‌هاست در گوشی‌های هوشمند از NPU با نام Hexagon استفاده می‌کند. همین تجربه چندین‌ساله باعث شد تراشه‌های Snapdragon X Elite و Snapdragon X Plus یکی از قوی‌ترین و بهینه‌ترین NPUهای بازار لپ‌ تاپ را داشته باشند. به همین دلیل بسیاری از قابلیت‌های Copilot+ ابتدا روی لپ‌ تاپ‌های مبتنی بر Snapdragon عرضه شدند و این پردازنده‌ها به‌طور خاص در ترکیب عمر باتری بالا و توان هوش مصنوعی قوی شناخته می‌شوند. NPU در مک‌ بوک اپل (Apple Neural Engine) اگرچه محور اصلی این مقاله لپ‌ تاپ‌های ویندوزی است، اما نباید فراموش کرد که اپل سال‌ها زودتر از رقبا مفهوم NPU را با نام Neural Engine وارد تراشه‌های سری M کرد. مک‌بوک‌های مجهز به تراشه‌های M، از Neural Engine برای کارهایی مانند تشخیص چهره در عکس‌ها، ترانویسی صدا، پردازش زبان طبیعی در Siri و شتاب‌دهی ابزارهای خلاقانه استفاده می‌کنند. این موضوع نشان می‌دهد NPU یک روند فراگیر در کل صنعت است، نه فقط اختصاصی اکوسیستم ویندوز. آیا NPU جای GPU را می‌گیرد؟ خیر. GPU همچنان برای موارد زیر ضروری است بازی‌های سه‌بعدی رندر سه‌بعدی و مونتاژ ویدیو حرفه‌ای آموزش مدل‌های هوش مصنوعی (Training) پردازش‌های سنگین گرافیکی و علمی اما NPU برای Inference یا اجرای مدل‌های از‌پیش آموزش‌دیده طراحی شده است؛ مانند اجرای یک دستیار هوش مصنوعی، افکت‌های زنده تماس تصویری یا فیلترهای هوشمند عکس. به بیان دیگر، GPU برای «یاد گرفتن» مدل و کارهای سنگین گرافیکی بهتر است، در حالی که NPU برای «استفاده روزمره و کم‌مصرف» از مدلی که از قبل آموزش دیده، بهینه‌تر عمل می‌کند. راهنمای خرید؛ چند TOPS برای شما کافی است؟ اگر استفاده شما محدود به وب‌گردی، تماشای فیلم، کارهای آفیس و برنامه‌نویسی سبک است، نبود یک NPU قدرتمند مشکل بزرگی برایتان ایجاد نمی‌کند و می‌توانید بدون نگرانی زیاد لپ‌ تاپی بدون Copilot+ PC هم انتخاب کنید. اما اگر از ابزارهای هوش مصنوعی زیر استفاده می‌کنید، وجود یک NPU قوی (ترجیحا بالای ۴۰ TOPS) توصیه می‌شود Microsoft Copilot و دستیارهای مشابه Adobe Photoshop AI و Adobe Premiere Pro DaVinci Resolve Zoom و Google Meet با افکت‌های هوشمند ابزارهای تولید تصویر و ویرایش خلاقانه مدل‌های هوش مصنوعی محلی (Local AI / Local LLM) در این حالت، وجود NPU می‌تواند عملکرد بهتر، مصرف انرژی کمتر و عمر باتری طولانی‌تر را به همراه داشته باشد. به‌عنوان یک قاعده کلی برای خرید در سال ۲۰۲۶ زیر ۴۰ TOPS مناسب کاربری عمومی، بدون قابلیت‌های اختصاصی Copilot+ PC ۴۰ تا ۶۰ TOPS حداقل استاندارد برای بهره‌مندی کامل از قابلیت‌های هوش مصنوعی ویندوز بالای ۶۰ تا ۸۰ TOPS و بیشتر مناسب کاربران خلاق، توسعه‌دهندگان و کسانی که به دنبال ماندگاری بیشتر لپ‌ تاپ در برابر نیازهای آینده هستند در کنار TOPS، به مقدار رم (ترجیحا حداقل ۱۶ گیگابایت و برای کاربری سنگین‌تر ۳۲ گیگابایت) و نوع حافظه ذخیره‌سازی هم توجه کنید، چون مدل‌های هوش مصنوعی محلی به حافظه زیادی برای بارگذاری نیاز دارند. اشتباهات رایج درباره NPU اشتباه اول «هرچه TOPS بیشتر، همیشه بهتر است.» عدد TOPS به‌تنهایی تضمین‌کننده تجربه کاربری بهتر نیست؛ بهینه‌سازی نرم‌افزار و پشتیبانی برنامه‌ها از آن NPU خاص به همان اندازه مهم است. اشتباه دوم «NPU جایگزین کامل GPU می‌شود.» همان‌طور که توضیح داده شد، NPU برای Inference بهینه شده و برای بازی، رندر یا آموزش مدل‌های سنگین جایگزین GPU نمی‌شود. اشتباه سوم «بدون NPU اصلا نمی‌توان از هوش مصنوعی استفاده کرد.» بسیاری از سرویس‌های هوش مصنوعی مانند نسخه ابری ChatGPT روی سرورهای راه‌دور اجرا می‌شوند و به NPU محلی نیازی ندارند. NPU بیشتر برای اجرای هوش مصنوعی به‌صورت محلی و آفلاین اهمیت پیدا می‌کند. آینده NPU تقریبا تمام شرکت‌های بزرگ صنعت سخت‌افزار معتقدند که طی چند سال آینده، NPU به اندازه CPU اهمیت پیدا خواهد کرد. در آینده نزدیک احتمالا شاهد موارد زیر خواهیم بود اجرای مدل‌های زبانی بزرگ (LLM) روی لپ‌ تاپ بدون نیاز به اینترنت دستیارهای شخصی کاملا آفلاین با حفظ حریم خصوصی بیشتر ترجمه هم‌زمان بلادرنگ با کیفیت بالاتر تولید تصویر و ویدیو مستقیما روی دستگاه افزایش امنیت از طریق پردازش محلی داده‌ها به‌جای ارسال به سرورهای ابری کاهش وابستگی کاربران به سرویس‌های ابری پرهزینه همچنین با توجه به روند فعلی، انتظار می‌رود استاندارد حداقلی ۴۰ TOPS برای Copilot+ PC در آینده نزدیک افزایش یابد، چون اینتل هدف‌گذاری بالاتری برای نسل‌های بعدی پردازنده‌های دسکتاپ و لپ‌ تاپ خود اعلام کرده است. به همین دلیل، هنگام خرید لپ‌ تاپ‌های جدید، توجه به توان NPU و پشتیبانی نرم‌افزاری آن به یکی از معیارهای مهم تبدیل شده است؛ درست مثل زمانی که برای اولین بار تعداد هسته‌های CPU یا میزان حافظه GPU به معیار اصلی انتخاب کاربران تبدیل شد. جمع‌بندی NPU دیگر یک قابلیت جانبی نیست؛ بلکه به یکی از ارکان اصلی لپ‌ تاپ‌های نسل جدید تبدیل شده است. این واحد پردازش اختصاصی با انجام وظایف مرتبط با هوش مصنوعی، بار کاری CPU و GPU را کاهش می‌دهد، مصرف انرژی را پایین نگه می‌دارد و اجرای قابلیت‌های هوشمند را سریع‌تر و روان‌تر می‌کند. اگرچه هنوز برای بازی، رندرینگ یا آموزش مدل‌های سنگین هوش مصنوعی به GPU نیاز دارید، اما برای تجربه روزمره ابزارهای مبتنی بر هوش مصنوعی، وجود یک NPU قدرتمند می‌تواند تفاوت محسوسی در سرعت، عمر باتری و تجربه کاربری ایجاد کند. به همین دلیل انتظار می‌رود در سال‌های آینده، همان‌طور که امروز تعداد هسته‌های CPU یا قدرت GPU را بررسی می‌کنیم، توان NPU و مقدار TOPS نیز به یکی از مهم‌ترین معیارهای انتخاب لپ‌ تاپ تبدیل شود.∎​