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 | CPU | GPU | VPU |
|---|---|---|---|
| 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 |
| Hailo | Hailo-8 / Hailo-15 | 26 TOPS（H8），结构化数据流 | 以色列创企，2024 年估值约 24 亿美元 |
| Qualcomm | Hexagon DSP/NPU | 集成于骁龙 SoC，异构计算 | 手机端主导，车载扩展中 |
| MediaTek | APU（联发科） | 集成于天玑 SoC | 中端手机市场份额领先 |
| Edge TPU | ASIC 设计，8 TOPS（INT8） | 生态绑定 Coral 平台 | |
| Syntiant | NDP120 | 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 TOPS | 2024 年港股上市（9660.HK），大众战略投资 |
| 爱芯元智 | AX620A/AX650 | NPU+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/RK3576 | NPU 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