Wszystkie aplikacje AI do lądowania wymagają wsparcia mocy obliczeniowej sprzętu, w tym autonomicznej jazdy, która jest obecnie gorąca na rynku. Wraz ze wzrostem liczby czujników percepcji środowiska, takich jak kamery, radary milimetrowe, lidary i radary ultradźwiękowe w samochodach, autonomiczny system jazdy będzie zbierać więcej danych z czujników. Chip obliczeniowy autonomicznej jazdy musi przetwarzać i uzgadniać te dane za pomocą algorytmów, aby osiągnąć fuzję informacji o pojazdach, drogach, ludziach itp., która podejmuje decyzje dotyczące sterowania jazdą. Wzrost liczby czujników znacząco zwiększy zapotrzebowanie na moc obliczeniową dla chipów obliczeniowych do autonomicznej jazdy.
Poprawa mocy obliczeniowej jest nierozerwalnie związana ze wsparciem NPU (Neural-network Processing Unit, procesor sieci neuronowej). Jest to rodzaj mikroprocesora przeznaczonego do sprzętowej akceleracji sztucznej inteligencji (zwłaszcza sztucznej sieci neuronowej, widzenia maszynowego, uczenia maszynowego itp.) w oparciu o technologię architektury specyficznej dla domeny DSA (Domain Specific Architecture). W porównaniu z CPU i GPU, NPU jest przeznaczony do sztucznej inteligencji w architekturze sprzętowej i jest bardzo odpowiedni do operacji w sieciach neuronowych.
Jednostki NPU są zaprojektowane inaczej niż procesory ogólnego przeznaczenia, takie jak CPU i GPU. Biorąc pod uwagę wszechstronność obliczeń, większość zwiększonej mocy obliczeniowej procesorów ogólnego przeznaczenia nie może być bezpośrednio przekształcona w poprawę możliwości przetwarzania sieci neuronowych. Na przykład nie ma specjalnych ulepszeń dla operacji MAC, podczas gdy NPU jest zaprojektowany dla sieci neuronowych, nie biorąc pod uwagę, że sieci neuronowe nie są wymagane Niektóre jednostki obliczeniowe są wymagane. W porównaniu z procesorem, który jest dobry w przetwarzaniu zadań i wydawaniu zamówień, GPU jest dobry w przetwarzaniu obrazu i obliczeniach równoległych, a NPU jest lepszy w przetwarzaniu zadań sztucznej inteligencji. NPU realizuje integrację pamięci masowej i przetwarzania za pomocą wag synaptycznych, poprawiając w ten sposób wydajność operacyjną.
Dlatego możemy znaleźć NPU w wielu procesorach lub układach SoC obsługujących aplikacje AI, takich jak A15 firmy Apple, układ FSD Tesli, układy serii Horizon Journey, układ Mariana X firmy OPPO i tak dalej. Oprócz tych wielkoskalowych i wysokowydajnych układów SoC, niektóre produkty MCU zaczęły integrować moduły NPU, aby zaspokoić potrzeby niektórych inteligentnych aplikacji brzegowych.
W rzeczywistości wiele układów SoC obsługujących sztuczną inteligencję jest implementowanych poprzez integrację IP sieci neuronowej. Mówiąc ogólnie, adres IP sieci neuronowej będzie rozwijał się synchronicznie z algorytmami sieci neuronowej i może być dalej rozszerzany, aby sprostać rosnącemu zapotrzebowaniu na wydajność sieci neuronowej.