VPU（Vision Processing Unit）视觉处理单元
⚡ 3 秒 · 快速认知
VPU = Vision Processing Unit，视觉处理单元
专为图像识别、视频分析、计算机视觉任务设计的边缘 AI 芯片，主打 低功耗 + 高能效，常见于摄像头、无人机、机器人等端侧设备。
关键词：边缘推理 · 视觉专用 · 瓦级功耗 · TOPS/W 高效
📖 3 分钟 · 理解全景
为什么需要 VPU？
对比维度CPUGPUVPU设计目标通用计算并行计算视觉/推理专用功耗中-高高（数十瓦）极低（0.5-5W）推理效率低高（云端）高（边缘）典型场景通用任务训练/服务器摄像头/无人机/机器人
核心价值：在功耗严格受限的端侧设备上，实现实时视觉推理。
主要应用场景
┌─────────────────────────────────────────────────────────────┐
│ 安防监控 无人机 智能驾驶（端侧） │
│ 边缘人脸/物体检测 实时避障 车载感知前端 │
│ │
│ 机器人 AR/VR IoT 设备 │
│ SLAM/导航 空间计算 本地智能分析 │
└─────────────────────────────────────────────────────────────┘
市场速览（2024 年口径）
全球边缘 AI 芯片市场：约 80-100 亿美元（含 VPU、NPU、边缘 GPU 等，Frost & Sullivan 2024 报告估算）
VPU 细分占比：公开资料未见权威拆分数据，行业估算约占边缘 AI 芯片 8-15%
核心驱动力：边缘 AI 需求爆发、隐私合规（数据本地化）、端侧大模型趋势
🔬 15 分钟 · 专家深入
一、技术原理
1.1 架构核心设计思想
VPU 与通用处理器的本质区别在于 “为视觉而生” 的架构优化：
┌────────────────────────────────────────────────────────────────┐
│ VPU 架构示意 │
├────────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────┐ ┌──────────────────────────────────────┐ │
│ │ 视觉前端 │ │ 神经网络加速阵列 │ │
│ │ ISP 单元 │──▶│ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ │ │
│ │ 图像预处理│ │ │ MAC │ │ MAC │ │ MAC │ │ MAC │ │ │
│ └──────────┘ │ │ 阵列│ │ 阵列│ │ 阵列│ │ 阵列│ │ │
│ │ └─────┘ └─────┘ └─────┘ └─────┘ │ │
│ ┌──────────┐ └──────────────────────────────────────┘ │
│ │ 专用 │ │
│ │ 存储层级 │ ┌──────────────────────────────────────┐ │
│ │ SRAM池 │──▶│ 可编程控制逻辑 │ │
│ └──────────┘ │ 任务调度 / 数据流编排 │ │
│ └──────────────────────────────────────┘ │
└────────────────────────────────────────────────────────────────┘
1.2 关键技术特性
技术维度说明MAC 阵列大规模乘累加单元，专为卷积/矩阵运算优化，INT8/INT4 量化支持片上 SRAM大容量片上存储（数百 KB - 数 MB），减少外部 DRAM 访问，降低延迟和功耗数据流架构区别于冯·诺依曼架构，数据在处理单元间流动，减少数据搬运开销视觉 ISP 集成部分 VPU 集成图像信号处理器，支持 RAW 图像直接输入推理可编程性支持主流框架（TensorFlow、ONNX、PyTorch）模型部署，具备一定灵活性
1.3 性能指标体系
核心评估指标：
TOPS（Tera Operations Per Second）：算力峰值，VPU 通常在 1-30 TOPS 区间
TOPS/W（能效比）：每瓦算力，VPU 的核心竞争力，通常 2-15 TOPS/W
推理延迟（ms）：端侧实时性要求，典型目标 <50ms
支持模型规模：参数量上限，VPU 通常支持 1M-500M 参数模型
注：以上数据为行业典型区间，具体因厂商和型号而异（2024 年口径）
1.4 与 NPU 的边界模糊化
当前产业趋势下，VPU 与 NPU（神经网络处理器）的边界日趋模糊：
纯 VPU：更强调视觉前端集成（ISP + 推理一体）
NPU：更通用的神经网络加速器，不限于视觉任务
融合趋势：主流厂商多将两者融合，如高通 Hexagon、联发科 APU
严格意义上的”纯 VPU”厂商正在减少，更多是 “视觉增强型 NPU” 形态。
二、产业链全景
2.1 产业链图谱
┌─────────────────────────────────────────────────────────────────────────┐
│ VPU 产业链全景 │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ 【上游：设计与制造】 │
│ ├── EDA 工具：Synopsys / Cadence / 华大九天 │
│ ├── IP 核：ARM / Synopsys / Imagination │
│ ├── 芯片设计：Intel / Hailo / 地平线 / 爱芯元智 │
│ └── 晶圆代工：台积电 / 三星 / 中芯国际 │
│ └── 制程：主流 7nm/12nm/16nm，部分高端 5nm │
│ │
│ 【中游：产品与集成】 │
│ ├── 模组厂商：算法 + 芯片封装集成 │
│ ├── 开发平台：SDK / 工具链 / 模型优化器 │
│ └── 系统集成：嵌入式方案商 │
│ │
│ 【下游：终端应用】 │
│ ├── 安防监控：海康威视 / 大华 / 宇视 │
│ ├── 智能驾驶：Mobileye / 蔚来 / 理想 │
│ ├── 无人机：DJI / 道通 │
│ ├── 机器人：科沃斯 / 优必选 / 特斯拉 Optimus │
│ ├── 消费电子：手机 / AR 眼镜 / 智能摄像头 │
│ └── 工业视觉：缺陷检测 / 读码器 │
│ │
└─────────────────────────────────────────────────────────────────────────┘
2.2 产业链关键环节分析
环节壁垒竞争格局中国自主化程度EDA 工具极高Synopsys/Cadence 寡头华大九天部分覆盖，约 10-15%IP 核高ARM 主导部分国产替代进行中芯片设计中-高碎片化，场景驱动较强，多家企业布局晶圆代工极高台积电主导中芯国际 14nm/28nm 可用模组集成中分散强，产业链完整
三、代表公司
3.1 国际公司
公司代表产品技术特点市场地位Intel (Movidius)Myriad X / Myriad 2数据流架构，1 TOPS（X），超低功耗先驱者，2016 年收购，应用广泛HailoHailo-8 / Hailo-1526 TOPS（H8），结构化数据流以色列创企，2024 年估值约 24 亿美元QualcommHexagon DSP/NPU集成于骁龙 SoC，异构计算手机端主导，车载扩展中MediaTekAPU（联发科）集成于天玑 SoC中端手机市场份额领先GoogleEdge TPUASIC 设计，8 TOPS（INT8）生态绑定 Coral 平台SyntiantNDP120毫瓦级功耗，听觉+视觉融合超低功耗细分赛道
注：Google Edge TPU 严格分类为 ASIC，非传统 VPU；此处列为视觉边缘 AI 芯片参考
3.2 中国公司
公司代表产品技术特点最新进展（截至 2024）地平线征程 5/6自研 BPU 架构，征程 5 达 128 TOPS2024 年港股上市（9660.HK），大众战略投资爱芯元智AX620A/AX650NPU+ISP 集成，能效比优异安防市场快速增长海思（华为）Hi3559A 等鸿蒙生态，高端制程受限受制裁影响，库存芯片为主瑞芯微RK3588/RK3576NPU 集成，性价比路线消费电子/教育平板市场份额领先寒武纪MLU220/MLU270通用 AI 芯片，部分视觉场景2024 年持续亏损，安防/边缘市场拓展云天励飞DeepEdge 系列算法+芯片协同设计2023 年科创板上市亿智电子SV826/SV938低功耗视觉 SoC安防、车载后装市场肇观电子NE 系列视觉+雷达融合机器人/工业视觉
地平线征程 5 的 128 TOPS 为 INT8 算力，2023 年发布口径
四、中国进展深度分析
4.1 整体格局
中国 VPU/边缘 AI 芯片产业现状（2024 年）
强 ─────────────────────────────────────── 弱
设计能力 ████████████████░░░░░ 中强（多家可设计 7nm+）
制造能力 ████████████░░░░░░░░░ 中弱（先进制程受限）
生态构建 ██████████████░░░░░░░ 中等（场景驱动增长）
市场份额 ████████████░░░░░░░░░ 中等（国内安防主导，海外待突破）
4.2 核心进展
设计能力提升
地平线征程 5 已量产上车，搭载于理想 L 系列、比亚迪等（2023-2024 口径）
爱芯元智在安防市场份额快速提升，2023 年出货量公开资料未见确切数字
国产芯片在 安防监控、智能家居、教育平板 三大场景已有规模化应用
产业链协同
华为海思受制裁影响倒逼国产 EDA/材料/设备协同攻关
地平线开放 BPU 架构授权，探索 IP 授权模式
政策支持
国家大基金二期投资 AI 芯片领域（2021 年起）
各地智能网联汽车政策推动车载 AI 芯片需求
4.3 中国公司全球竞争力评估
维度评分（5 分制）说明技术能力⭐⭐⭐⭐接近国际一线，部分领域领先（如地平线车载）生态完善度⭐⭐⭐工具链/文档/社区仍待加强国际市场⭐⭐主要集中在国内，海外拓展初期成本优势⭐⭐⭐⭐⭐性价比突出，安防等领域优势明显
五、风险与争议
5.1 技术风险
风险类型具体表现影响评估制程瓶颈先进制程（5nm 及以下）获取受限高 - 影响高端芯片竞争力架构迭代Transformer 等新架构对传统 CNN 优化的 VPU 形成挑战中高 - 需适配大模型趋势端云协同替代5G/边缘计算发展可能减少端侧推理需求中 - 部分场景被云替代
5.2 产业风险
风险类型具体表现影响评估市场碎片化VPU 应用场景高度分散，难以形成规模效应中 - 增加研发分摊成本生态锁定CUDA 生态优势使 GPU 方案在部分场景仍是首选中 - VPU 需差异化竞争价格战中国市场竞争激烈，利润空间压缩中高 - 影响研发投入可持续性
5.3 争议焦点
争议一：VPU 是否会被 SoC 集成 NPU 取代？
支持独立 VPU 观点：高算力场景（如自动驾驶 L3+）仍需独立芯片
反对观点：中低端场景（摄像头、IoT）将被 SoC 内置 NPU 覆盖
产业现状：纯独立 VPU 市场正在收窄，“SoC+NPU” 成为主流形态
争议二：端侧大模型是否需要 VPU 架构重构？
大模型（>1B 参数）对内存带宽、计算密度提出新要求
传统 VPU 针对 CNN 优化，Transformer 适配是技术难题
公开资料未见明确的”大模型专用 VPU”产品发布（2024 年口径）
争议三：中国 VPU 芯片的自主可控真实水平
设计工具（EDA）仍高度依赖国外，“设计自主 ≠ 全链自主”
高端制程受限导致部分产品性能天花板
行业需警惕”概念炒作”与”实质突破”的区分
六、关键数据汇总
指标数据口径全球边缘 AI 芯片市场~80-100 亿美元Frost & Sullivan, 2024 估算Intel Movidius Myriad X 算力1 TOPS (INT8)Intel 官方数据, 2018 发布Hailo-8 算力26 TOPS (INT8)Hailo 官方, 2021 发布地平线征程 5 算力128 TOPS (INT8)地平线官方, 2023典型 VPU 功耗范围0.5W - 10W行业典型区间中国安防监控全球份额>60%（出货量）公开资料未见 2024 确切数据，行业估算地平线 2023 年营收约 15-18 亿元人民币招股书/公开报道估算，未经审计确认
标注”估算”或”未见”的数据请以官方披露为准
七、延伸思考
端侧大模型落地：VPU 如何适配 LLM 推理需求？是否需要 HBM/大 SRAM 重新设计？
存算一体趋势：传统”存算分离”架构是否是功耗瓶颈？存算一体 VPU 可行性？
中国路径选择：在制程受限背景下，架构创新（如 Chiplet、先进封装）能否突围？
本页信息仅供研究参考，不构成投资建议。数据来源标注年份口径，未标注者为作者综合判断。
最后更新：2024 年
相关推荐同产业链：chip-core同产业链 · 相关公司阿斯麦ASML北方华创002371.SZ超微半导体AMD泛林集团LRCX海光信息688041.SH寒武纪688256.SH科磊KLAC拓荆科技688072相关概念FP4 四位浮点高级接口总线（Advanced Interface Bus）AOT 提前编译AI For Electronic Design Automation空气间隙（Air Gap）量测标记模拟存算 (Analog In-Memory Computing)模拟混合信号验证 source: 公开披露与公开资料整理
本页仅用于产业链学习、信息检索和研究辅助；不构成投资建议，不预测涨跌，不提供买卖、仓位或目标价建议。