AI
应用是否接入
AI取决于其自身需求，而是否使用NPU则是另一个层面的问题。无论是PC还是
手机，NPU目前面临的主要挑战之一是缺乏统一且通用的API。相比之下，GPU领域已经有DirectX、OpenGL以及Vulkan等成熟的标准，甚至还有OpenCL来支持更广泛的加速器。然而，NPU在这一方面的发展还远未成熟，大多数厂商提供的API都是私有的，这给开发者带来了很大的困扰。对于软件开发者来说，为每家硬件厂商单独开发适配版本是一项耗时耗力的工作，除非某一家厂商的市场份额足够大，或者愿意投入大量资金进行推广。
微软显然意识到了这一市场空白，并试图通过推动DirectX成为NPU领域的首选统一API来占据主导地位。这也是为什么
微软积极倡导
AI PC的重要原因之一。但如果忽略
微软的战略意图，从技术角度来看，许多应用接入
AI实际上更倾向于依赖GPU，因为GPU的生态更加完善，支持也更为广泛。现阶段，许多应用开发者可能仍处于观望状态，等待API标准的稳定和实际效果的验证。因此，在短期内，只有第一方（如硬件制造商）或第二方（如与OEM合作的ISV）可能会率先尝试NPU的支持。另一个关键问题是，NPU在追求通用性和性能之间往往难以兼顾。尽管一些NPU在能耗比上表现出色，但其绝对性能仍然无法匹敌大规模集成显卡。这就引出了一个值得深思的问题：笔记本
电脑究竟应该在哪些场景下优先考虑能耗比？以M系列MacBook为例，其能够在不插电的情况下保持高性能运行，确实展现了卓越的能耗比优势。但进一步思考，为何需要在不插电的情况下执行高负载任务则是一个更深层次的问题。这也正是NPU目前所面临的困境。最终，只有当NPU能够在相同功耗下提供优于GPU的性能时，其吸引力才会真正显现出来。届时，NPU的优势不仅体现在能耗比上，还将成为一种更具竞争力的选择。
