1、NPU能提高AI算法运行效率
根据观研报告网发布的《中国NPU行业现状深度分析与投资前景研究报告（2025-2032）》显示，NPU即神经网络处理单元，采用专门优化的神经网络计算架构，来处理特定的任务，主要被用于加速计算。通过对NPU硬件层面优化，能高效处理神经网络算法中矩阵乘法、卷积等数学运算。相较于GPU和CPU，NPU在AI计算上性能和能效有了明显提升，用来提高AI算法运行效率。
NPU与GPU区别
特性 | NPU | GPU |
设计初衷 | 专用于神经网络计算 | 最初用于图形渲染，现广泛用于通用计算 |
计算能力 | 高效的神经网络推理 | 强大的并行计算能力，主要用于云端 |
灵活性 | 专用硬件，较低的灵活性 | 通用性高，可以编程实现各种计算任务 |
能效比 | 高 | 相对较低 |
典型应用 | 深度学习推理，边缘计算，实时处理 | 图形渲染，深度学习训练和推理，科学计算 |
资料来源：观研天下整理
2、AI算力提升带来NPU行业需求端爆发
NPU专用于AI运算，核心是矩阵乘法运算，CNN是主要算法之一，本质上由大量的乘法累加计算组成。随新AI应用、模型与需求的发展，NPU有望快速上量。根据数据，2020-2024年我国AI算力规模由134.2 EFLOPS增长至725.3 EFLOPS，CAGR为52.5%。
数据来源：观研天下整理
同时，在智能手机上运行端侧生成式AI的AI算力门槛约为30TOPS，旗舰智能机在2021-2022年逐步达到这一标准、且仍在进步，预计2025年将达到60TOPS以上。而生成式AI应用的繁荣，将驱动所需算力的实质性增长。根据相关资料，每天基于生成式AI的搜索查询超过100亿次，其中移动端占比超过60%；智能手机基于精准的端侧用户画像，与大模型结合，伴随对话功能的不断改进，将逐步成为真正的个人助手。
手机厂商内嵌AI大模型概况
手机厂商 | 大模型研发 | 应用进展 | |
苹果 | 与中国多厂商测试大模型 | iOS18发布Apple Intelligence大模型（端侧30亿），并积极与OPENAI和谷歌接触 | 宣布年内国行机引入通义大模型 |
华为 | HarmonyOS4接入盘古大模型 | HarmonyOSNEXT搭载盘古大模型5.0（端侧15-70亿） | 小艺接入DeepSeek |
三星 | 自研大模型Gauss | GalaxyZ系列首次引入谷歌GeminiNano大模型（端侧约30亿） | 推出自有生成式多模态AI模型Gauss2；Bixby接入智谱智能AI |
OPPO | ColorOS14搭载AndesGPT大模型 | 大模型升级为AndesGPT-2.0（端侧70亿） | 宣布折叠旗舰OPPO Find N5接入DeepSeek-R1 |
vivo | OriginOS4搭载蓝心大模型 | OriginOS5搭载全新蓝心大模型矩阵（最高端侧跑通130亿参数） | OriginOS官宣将深度融合满血版DeepSeek |
荣耀 | 逐步开始引入 | MagicOS9.0支持30亿参数的端侧大语言模型 | YOYO智能体商店上线DeepSeek-R1尝鲜版 |
资料来源：观研天下整理
3、智驾渗透率提升，驱动更高算力需求，我国NPU行业需求将持续释放
而在智能驾驶方面，以高通智驾系统为例，其感知软件栈和驾驶策略软件栈需始终于本地运行，所以智驾对时延的要求极其严苛，云端无法针对此类工作负载发挥任何作用。高通在2024年末发布的座舱与智驾芯片，应用增强的Hexagon NPU，较此前一代AI算力有大幅提升，且后期可继续通过外挂NPU的方式继续扩展算力。
高通车载NPU芯片参数
类别 | 型号 | 发布年份 | 制程 | 核心数 | 场景 |
座舱 | 骁龙Cockpit Elite（8397） | 2024 | 4nm | - | 配对Ride Elite |
骁龙SA8295 | 2023 | 5nm | 8 | / | |
骁龙SA8155 | 2021 | 7nm | 8 | / | |
智驾 | 骁龙RideElite（8797）（舱驾一体） | 2024 | 4nm | - | 针对L2+L3 |
骁龙8650 | 2023 | 4nm | 8 | 已应用于零跑、大疆车载“成行平台”，本田、通用、大众、宝马等预计25-26年逐步搭载。 | |
骁龙8540 | 2023 | 5nm | 16 | 未量产 |
资料来源：观研天下整理
由此可见，随着智驾解决方案支持GenAI模型，汽车对端侧算力的要求将进一步提升，并且伴随越来越多车企布局智能驾驶市场，我国NPU行业在该领域的需求将持续释放。
各车企智能驾驶布局情况一览
车企 | 产品 | 是否依赖高精地图 | 感知算法/大模型 | 端到端规划 | 城市NOA开城进展(需陆续OTA) |
特斯拉 | FSD12 | 无需高精地图 | 首个端到端自动驾驶系统 | (已推送北美所有内部员工)FSDV12可用于北美全地区道路 | / |
蔚来 | NAD | 不依赖高精地图 | BEV Transformer大模型:0ccupany占用网络 | 实现数据驱动(端到端前置能力)的规划网络 | 覆盖726城 |
理想 | ADMax3.0 | 不依赖高精地图 | BEV大模型:0ccupancy占用网络 | 规划算法逐步切换为时空联合规划算法;模块化架构提升为大模型为主的端到端架构 | 覆盖全国 |
小鹏 | XNGP | 不依赖高精地图 | 基于BEV Transformer的Xnet(24年Xnet2.0具备0ccupancy) | 2024年XNGP+有望实现端到端 | 覆盖全国 |
华为 | ADS2.0 | 不依赖高精地图 | Bev Transformer大模型:基于0ccupancy的GOD2.0 | - | 覆盖全国 |
资料来源：观研天下整理
4、机器人产业进入快速发展期，市场需求驱动NPU行业爆发
NPU在机器人使用广泛，有加速计算、降低系统功耗、实现实时交互和决策等优势。在机器人进行深度学习任务，如语音识别、图像分类、目标跟踪时，NPU能显著加快计算速度，比传统CPU和GPU更高效地处理大量数据。进入2025年，国内多家人形机器人企业相继宣布各自的量产消息，市场需求驱动NPU行业爆发。2025年1月17日，乐聚（深圳）机器人技术有限公司在北汽越野车公司举行了乐聚第100台全尺寸人形机器人交付仪式。该公司表示，乐聚人形机器人已迈入批量交付新阶段。未来如果技术加速突破、成本快速下降，我国人形机器人规模展望千亿元甚至万亿元市场，预计2030年有望达约8700亿元。
数据来源：观研天下整理（WYD）
