L'une des exigences de Copliot+ PC est la présence d'une unité NPU. En quoi un processeur neuronal est-il différent d'un GPU ?
En 2024, les premiers ordinateurs capables d’effectuer des calculs d’intelligence artificielle directement sur l’appareil grâce à un système dédié conçu à cet effet sont apparus sur le marché. NPU – Unité de traitement neuronaldonc processeur neuronal est un élément supplémentaire à côté du processeur classique Processeur et système graphique GPUprésent dans les derniers ordinateurs conçus pour être utilisés avec l’IA.
Les processeurs Apple Silicon de 2020 et les derniers systèmes Intel, AMD et Qualcomm introduits sur le marché à partir de 2024, en plus du CPU et du GPU classiques, disposent également d'unités NPU.
Voir aussi :HP présente les premiers PC AIO AI
Vulnérabilités critiques du GPU Adreno de Qualcomm
A quoi sert le NPU ?
NPU est un circuit intégré spécialisé utilisé pour effectuer des opérations neuronales – principalement des calculs liés à l'intelligence artificielle et au machine learning. Les processeurs de ce type ont une architecture différente adaptée à ces tâches spécifiques, et se caractérisent également par une efficacité énergétique élevée, qui réduit la consommation d'énergie du CPU et du GPU, déchargeant ces systèmes de tâches supplémentaires.
Les NPU ont des capacités de traitement parallèle (ils sont capables d'effectuer de nombreuses opérations simultanément), et grâce à l'optimisation de l'architecture matérielle peut effectuer efficacement des tâches d'IA et de ML telles que l'inférence et la formation. Les NPU peuvent être utilisés pour effectuer diverses tâches d’IA telles que la reconnaissance faciale et même la formation de systèmes d’IA.
GPU pour les tâches d'IA et de ML
Jusqu'au lancement des premiers ordinateurs équipés de NPU, toutes les opérations d'IA et de ML incombaient en grande partie au GPU.
Un GPU est un processeur spécial utilisé pour accélérer les tâches graphiques telles que le traitement et le rendu des images/vidéos. Comme les NPU, les GPU prennent en charge le traitement parallèle et peuvent effectuer des milliards d'opérations par seconde.
Les ordinateurs personnels sans NPU utilisent des puces graphiques pour les activités d'IA et de ML. Le GPU de la plupart des ordinateurs portables n'a pas assez de puissance de traitement pour bien gérer les traitements spécifiques de l'intelligence artificielle. Cela a un effet augmentation de la consommation d'énergie et réduire les performances globales du système.
NPU contre GPU
La différence fondamentale entre un NPU et un GPU est que le premier accélère les charges de travail d'IA et d'apprentissage automatique, tandis que le second accélère les tâches de traitement graphique et de rendu. En d’autres termes, chacun d’eux est un processeur spécialisé pour une fonction spécifique de l’appareil.
En plus de leurs fonctions spécialisées, les GPU sont également de plus en plus utilisés pour d’autres tâches informatiques générales, notamment la formation des systèmes d’intelligence artificielle et l’apprentissage profond.
Les NPU sont utilisés pour augmenter les performances globales du système et réduire la consommation d'énergie grâce à l'accélération matérielle native..
En conséquence, l’accélération matérielle est standard sur les PC modernes. Des exemples de base sont un processeur graphique pour le traitement graphique et une carte son pour la lecture audio.
Unité de performance NPU
Les performances du GPU et du NPU sont mesurées en termes de nombre de milliards d’opérations que le CPU peut effectuer par seconde. Ceci est généralement désigné par Tera (ou billions) d'opérations par seconde (TOPS). Par exemple, les systèmes Qualcomm Snapdragon X Elite offrent jusqu'à 45 TOPS (à partir du seul NPU), tandis que le système graphique de bureau phare NVIDIA GeForce RTX 4090 a des performances de plus de 1 300 TOPS.
À titre de comparaison, le processeur Apple M1 dispose d'un NPU avec une efficacité de 11 TOPS, et le dernier Apple M4 de l'iPad Pro a 38 TOPS.
NPU est un nouvel élément de la spécification technique des ordinateurs, tablettes et smartphones
Pour résumer, Le NPU est un processeur qui accélère le traitement neuronal, tandis que le GPU est un processeur spécialisé pour le traitement graphique.. Grâce à leur architecture de traitement parallèle, les deux peuvent effectuer des milliards d’opérations par seconde.
Alors que les NPU sont spécialisés uniquement pour les tâches d’IA et de ML, les cas d’utilisation des GPU se sont étendus au-delà des graphiques ces dernières années. Ils sont également utilisés dans d’autres applications à usage général, en particulier dans les opérations gourmandes en données telles que la formation de modèles d’intelligence artificielle et l’extraction de cryptomonnaies.
Dans les mois à venir, de plus en plus d'ordinateurs, de smartphones et de tablettes équipés d'unités NPU dédiées apparaîtront sur le marché, augmentant ainsi l'efficacité des calculs pour l'intelligence artificielle et l'apprentissage automatique.
Enfin, nous présentons des exemples de scénarios d'utilisation de l'unité NPU pour soulager le CPU et le GPU – identification d'objets à partir de photos, ajout de filtres et découpe de l'arrière-plan en temps réel lors de vidéoconférences, prise en charge des assistants vocaux, transcription vocale, reconnaissance de données biométriques ou lancer de rayons.
