中央处理器（CPU）、图形处理器（GPU）与张量处理器（TPU）是AI系统的三类算力硬件：CPU通用、顺序执行，适合数据预处理；GPU以并行架构承担矩阵运算；TPU是谷歌的深度学习专用加速器，能效更高。三者选型解决的是算力功耗难匹配AI负载的问题，并不解决模型精度与数据质量问题。
一、中央处理器（CPU）是什么？
什么是中央处理器（CPU）？中央处理器（CPU）是大多数计算机和电子设备中的通用处理器，擅长执行各种指令并完成复杂计算。虽然 CPU 可用于 AI 任务，但由于其顺序处理架构和有限的并行能力，效率通常不高。不过，CPU 具有高度通用性，适用于数据预处理、特征提取和模型训练等多种 AI 任务。
二、图形处理器（GPU）是什么？
什么是图形处理器（GPU）？图形处理器（GPU）最初为视频游戏等视觉应用中的图形渲染而设计，但因其大规模并行架构和高计算吞吐量，现已成为 AI 工作负载的热门选择。GPU 特别适合深度学习任务——这类任务涉及大规模矩阵运算，需要高度并行处理能力。常见的 AI GPU 包括 NVIDIA 的 GeForce 和 Tesla 系列，以及 AMD 的 Radeon Instinct 系列。
三、张量处理器（TPU）是什么？
什么是张量处理器（TPU）？张量处理器（TPU）是 Google 专为深度学习任务开发的专用 AI 加速器。TPU 专为高速、低功耗地执行张量运算（深度学习模型的基本构建模块）而设计。相比 CPU 和 GPU，TPU 在 AI 工作负载上具有更高能效比和更低延迟。Google 的 Cloud TPU（用于云端）和 Edge TPU（用于边缘设备）就是典型的 TPU 实例。
