كل جهاز كمبيوتر محمول وهاتف ذكي وبطاقة رسومات يُباع في عام 2026 يُعلن الآن عن رقم "ذكاء اصطناعي". يقتبس البعض TOPS، والبعض الآخر يقتبس TFLOPS، والتسويق نادراً ما يشرح أن هذه وحدات مختلفة تقيس رقائق مختلفة تؤدي عملاً مختلفاً. NPU في جهاز الكمبيوتر المحمول الجديد وحدة GPU في سطح المكتب كلاهما من الناحية الفنية "معجلات ذكاء اصطناعي"، لكن تم تصميمها للفوز في أطراف متقابلة من نفس المشكلة.
يرتب هذا المقال ما هو NPU بالفعل، وكيف يختلف عن GPU على مستوى البنية المعمارية، وأي منهما يهم لما تحاول القيام به. نستخدم أرقام حقيقية موثوقة من الرقائق المتداولة الآن: Apple Neural Engine و Qualcomm Hexagon و NPUs الخاصة بـ Intel و AMD داخل Copilot+ PCs و NVIDIA RTX و Blackwell أجزاء مراكز البيانات. لا رقائق نظرية، لا ضجيج إعلامي.
أبرز النقاط المستخلصة
- وظائف مختلفة، وليس أفضل أو أسوأ. تم بناء NPUs للاستدلال منخفض الطاقة والمستمر على الجهاز؛ تم بناء GPUs للإنتاجية المتوازية الخام والتدريب.
- TOPS و TFLOPS ليستا نفس الوحدة. يتم تقييم NPUs بـ INT8 TOPS؛ عادة ما يتم اقتباس GPUs بـ floating-point TFLOPS. لا يمكنك مقارنة الرقمين مباشرة.
- فجوة المقياس ضخمة جداً. يبلغ NPU جهاز الكمبيوتر المحمول لعام 2026 حوالي 45-80 TOPS. NVIDIA RTX 5090 مصنفة بـ 3,352 AI TOPS، و B200 في مراكز البيانات تصل إلى حوالي 4,500 TFLOPS في FP8.
- تفوز NPUs بالكفاءة، وليس السرعة. تقوم بتشغيل ذكاء اصطناعي في الخلفية (الكاميرا، النسخ، ميزات Copilot) بجزء بسيط من استهلاك طاقة GPU، وهذا هو السبب في أن كل Copilot+ PC يحتاج إلى 40+ TOPS من NPU.
- بالنسبة إلى LLMs المحلية اليوم، فإن GPU (وعرض نطاق الذاكرة) لا يزال الفائز. دعم برامج NPU غير ناضج؛ نموذج 7B على Snapdragon NPU يعمل حوالي 9-12 رموز / ثانية في منتصف عام 2026، بينما GPU منفصل أسرع بكثير.
- الخط يتلاشى. تضع Apple M5 معجلات عصبية داخل كل نواة GPU، و AMD Strix Halo تقرن NPU بقوة 50-TOPS مع 128GB من الذاكرة الموحدة لتشغيل نماذج 120B-parameter محلياً.
ما هو NPU بالفعل
NPU، أو Neural Processing Unit، هي كتلة رقاقة مدمجة لفعل شيء ضيق واحد بكفاءة عالية جداً: الرياضيات متعددة التراكم في قلب الشبكات العصبية. إنه ليس معالجاً للأغراض العامة. لا يمكنه تشغيل نظام التشغيل أو لعبة. ما يمكنه فعله هو دفع أحجام ضخمة من رياضيات الأعداد الصحيحة منخفضة الدقة (عادة INT8 أو INT4) من خلال أجهزة مخصصة بقوة منخفضة جداً.
هذه الكفاءة هي النقطة برمتها. NPU موجود حتى يتمكن هاتفك من تمويه خلفية الفيديو، أو نسخ ملاحظة صوتية، أو تشغيل نموذج لغة صغير دون استنزاف البطارية أو تشغيل مروحة. على Windows، جعلت Microsoft هذا فئة أجهزة صريحة: أ Copilot+ PC يتطلب NPU قادر على أكثر من 40 تريليون عملية في الثانية (40+ TOPS)، خصيصاً حتى تعمل الميزات الموجودة على الجهاز مثل التعليقات المباشرة وإنشاء الصور على NPU بدلاً من CPU أو GPU. Windows 11 الآن يجدول عمل الذكاء الاصطناعي عبر CPU و GPU و NPU وحتى يعرض استخدام NPU في Task Manager.
الكلمة المفتاحية هي الاستنتاج. تشغل NPUs نماذج مدربة بالفعل. نادراً ما تُستخدم لتدريب نماذج من الصفر، وهي عملية مختلفة جذرياً وأثقل بكثير.
كيف يختلف GPU معمارياً
بدأ GPU حياته برسم المثلثات، وهذا الإرث شكله إلى محرك floating-point متوازي بضخامة مع آلاف النوى. أضافت GPUs الحديثة Tensor Cores (مصطلح NVIDIA) المخصصة لرياضيات المصفوفات، وهذا ما يجعلها الأداة الافتراضية للذكاء الاصطناعي. يحتوي RTX 5090 على 21,760 نوى CUDA بالإضافة إلى Tensor Cores من الجيل الخامس في الأعلى.
ثلاثة اختلافات معمارية مهمة:
- الدقة. GPUs سعيد بفعل high-precision floating point (FP16 و FP32) المطلوبة للتدريب، والأخيرة تضيف مستويات دقة منخفضة. Blackwell GPUs هي أول بطاقات المستهلك التي تدعم FP4. NPUs تعتمد تقريباً بالكامل على رياضيات الأعداد الصحيحة منخفضة الدقة، وهو ممتاز للاستدلال لكن غير مناسب للتدريب.
- الذاكرة. هذا هو الفارق الهادئ. GPU لديها VRAM سريعة ومخصصة خاصة بها (RTX 5090 تأتي مع 32GB من GDDR7 بحوالي 1.79 TB / s). NPU يشاركة ذاكرة النظام الرئيسية مع كل شيء آخر، وهو ما يحد من حجم النموذج الذي يمكنه الاحتفاظ به وسرعة تغذيته.
- الطاقة. RTX 5090 تستهلك ما يصل إلى 575W. NPU جهاز كمبيوتر محمول يشغل نفس فئة الاستدلال داخل بضع وات. هذا الحقيقة الوحيدة تشرح لماذا توجد كلا الرقاقتان.
إذا كنت تريد تشغيل نماذج كبيرة محلياً، فغالباً ما تكون الذاكرة وعرض النطاق أهم من الحوسبة الخام، وهذا بالضبط لماذا يهتم مشترو GPU بـ VRAM. دليلنا إلى أفضل GPUs للنماذج اللغوية المحلية يتعمق في هذا المقابل.
TOPS مقابل TFLOPS: لماذا الأرقام لا تتطابق
هنا هو المكان الذي تضلل معظم جداول المواصفات. TOPS يحسب تريليونات من العمليات في الثانية، وعلى NPUs يعني تقريباً دائماً عمليات INT8 الصحيحة. TFLOPS يحسب تريليونات من floating-point العمليات في الثانية، الوحدة المستخدمة لـ GPUs والتدريب. لا يمكن تبديلهما.
INT8 يقريباً يضاعف الإنتاجية مقابل FP16 على نفس الأجهزة، لذا يمكن للبائع نشر رقم عنوان أكبر بمجرد اقتباس تنسيق الدقة المنخفضة. هذا هو السبب في أن تصنيفات TOPS تميل إلى كونها INT8: يبدو أفضل. كلا الرقمين أيضاً أرقام ذروة نظرية تقاس في ظروف مثالية، وليس الإنتاجية الفعلية المستدامة في العالم الحقيقي.
هناك فخ ثانٍ: منصة TOPS مقابل NPU-only TOPS. Intel Lunar Lake، على سبيل المثال، يتم تسويقها كـ 120 "منصة" TOPS، لكن هذا يجمع 67 TOPS من GPU و 48 من NPU و 5 من CPU. NPU في حد ذاته هو 48 TOPS. عند مقارنة الرقائق، تأكد من أنك تقارن نفس الكتلة.
حيث يفوز كل واحد
NPU هي الأداة الصحيحة عندما...
- العملية مستمرة أو في الخلفية (تأثيرات الكاميرا، قمع الضوضاء، التعليقات المباشرة، Windows Studio Effects).
- عمر البطارية والحرارة هما الأولويات، على هاتف ذكي أو جهاز كمبيوتر محمول رقيق.
- أنت تشغل نماذج صغيرة محددة الكمية مدمجة للجهاز.
- تريد ميزات ذكاء اصطناعي دون أن تتحول المروحة أبداً.
GPU هي الأداة الصحيحة عندما...
- أنت تدرب أو تضبط نموذج.
- تريد تشغيل LLMs محلية كبيرة (13B و 30B و 70B+) بسرعات قابلة للاستخدام.
- تحتاج إلى إنتاجية خام لإنشاء صور وفيديو و 3D.
- أنت تخدم نماذج لعدد كبير من المستخدمين في نفس الوقت في مركز بيانات.
نموذج عقلي نظيف: يتعامل NPU مع الذكاء الاصطناعي الذي لا تفكر فيه، و GPU يتعامل مع الذكاء الاصطناعي الذي تقرر عن قصد الجلوس لتشغيله. معظم أجهزة الكمبيوتر المحمول لعام 2026 تأتي مع كلاهما، وتقرر Windows أي واحد تستخدم لكل مهمة.
رقائق 2026، حسب الأرقام
إليك حيث تهبط الرقاقة الحقيقية. جميع الأرقام أدناه موثوقة ضد مصادر البائع والمصادر الأولية اعتباراً من منتصف 2026. لاحظ الوحدات بعناية: المجموعة الأولى هي NPU INT8 TOPS، والثانية هي GPU AI compute.
| الشريحة | الفئة | تصنيف معجل الذكاء الاصطناعي | أين تعيش |
|---|---|---|---|
| Apple A18 / A18 Pro Neural Engine | معالج ذكاء اصطناعي للهاتف | 35 TOPS (16-core) | سلسلة iPhone 16 |
| Apple M4 Neural Engine | معالج ذكاء اصطناعي للكمبيوتر المحمول | 38 TOPS | MacBook Air/Pro |
| Qualcomm Snapdragon X Elite (Hexagon) | معالج ذكاء اصطناعي للكمبيوتر المحمول | 45 TOPS | أجهزة Copilot+ (الموجة الأولى) |
| Intel Core Ultra 200V (Lunar Lake) | معالج ذكاء اصطناعي للكمبيوتر المحمول | 48 TOPS | أجهزة Copilot+ |
| AMD Ryzen AI 300 (XDNA 2) | معالج ذكاء اصطناعي للكمبيوتر المحمول | 50 TOPS | أجهزة Copilot+ |
| Qualcomm Snapdragon X2 Elite (Hexagon) | معالج ذكاء اصطناعي للكمبيوتر المحمول | 80 TOPS (يصل إلى 85 في وحدات SKU الأعلى) | أجهزة Copilot+ (موجة 2026) |
| NVIDIA RTX 5080 | وحدة معالجة رسومات للمستهلك | 1,801 AI TOPS | سطح مكتب/محطة عمل |
| NVIDIA RTX 5090 | وحدة معالجة رسومات للمستهلك | 3,352 AI TOPS | سطح مكتب/محطة عمل |
| NVIDIA H100 | وحدة معالجة رسومات لمركز البيانات | 1,979 TFLOPS (FP8 dense) | السحابة/الخوادم |
| NVIDIA B200 (Blackwell) | وحدة معالجة رسومات لمركز البيانات | ~4,500 TFLOPS FP8 dense (9,000 FP4) | السحابة/الخوادم |
القفزة من صفوف NPU إلى صفوف GPU ليست خطأ مطبعياً. معالج ذكاء اصطناعي عالي الأداء في كمبيوتر محمول بقوة 80 TOPS و RTX 5090 بقوة 3,352 AI TOPS يفصل بينهما حوالي رتبتان من حيث الحجم، قبل أن نأخذ في الاعتبار ذاكرة 32GB عالية النطاق الترددي المخصصة لوحدة معالجة الرسومات. هذا الفجوة هي القصة كاملة: لم تكن معالجات NPU تحاول أبداً الفوز في الأداء المطلقة. إنها تفوز في الأداء لكل واط.
يتغير نهج Apple
تستحق Apple ملاحظة منفصلة لأنها توقفت عن لعبة TOPS. تم تقييم Apple M4 Neural Engine بـ 38 TOPS، لكن بالنسبة لـ M5 (الذي تم طرحه في MacBook Pro بحجم 14 بوصة في أواخر عام 2025، مع M5 Pro و M5 Max تاليين في مارس 2026) لم تنشر Apple رقم TOPS لـ Neural Engine على الإطلاق. بدلاً من ذلك أعادت تصميم وحدة معالجة الرسومات لوضع Neural Accelerator داخل كل من 10 أنوية GPU، وتدّعي أداء AI أسرع بـ 3.5x من M4. هذا رهان متعمد على أن AI المدمج في GPU أهم من رقم NPU مستقل، وهو يعقد الانقسام النظيف بين NPU و GPU. إذا كنت تقارن Mac مقابل Windows للذكاء الاصطناعي، فإن مقارنة Snapdragon X Elite مقابل Apple M4 يوضح كيف يشعر النظامان بالفعل عند الاستخدام.
ماذا يعني هذا لتشغيل الذكاء الاصطناعي محلياً
Here is the honest part the spec sheets skip. In mid-2026, the NPU is still the weakest link for running local LLMs, not because the silicon is slow but because the software stack is immature. Independent testing of a Snapdragon X Elite running a quantized 7B model through Qualcomm’s QNN path lands around 9-12 tokens per second. Smooth, tool-like interaction starts closer to 30 tokens per second. Worse, popular runtimes like Ollama still have no NPU compute backend, so on many machines that powerful NPU sits idle while the CPU does the work.
لذا إذا كان هدفك اليوم هو تشغيل نموذج بحجم معقول في المنزل، فإن وحدة معالجة رسومات منفصلة بـ VRAM وفير تبقى الإجابة العملية، وقد نضج مكدس برامج AMD بدرجة كافية لتكون بديلاً حقيقياً تستحق الدراسة في مقارنة ROCm مقابل CUDAالأرضية المثيرة للاهتمام في المنتصف هي تصميمات الذاكرة الموحدة: يجمع AMD Ryzen AI Max ("Strix Halo") بين NPU XDNA 2 بقوة 50-TOPS وما يصل إلى 128GB من الذاكرة الموحدة ويمكنه تخصيص ما يصل إلى 96GB كـ VRAM، وهو ما يكفي لتحميل نماذج ذات 120B معاملات محلياً. هذا أكثر بكثير من النماذج التي يمكن لأي GPU بـ 32GB الاحتفاظ بها، وهو يعيد تشكيل سوق الكمبيوتر الصغير للذكاء الاصطناعي المحلي.
بالنسبة للهواتف، فإن الحساب مختلف و NPU يفوز بوضوح: لا توجد بديل GPU يحتاج إلى عدد قليل من الملي واط، والميزات المدمجة في الجهاز مضبوطة على NPU. إذا كان الذكاء الاصطناعي المحمول أولويتك، انظر إلى أفضل الهواتف للذكاء الاصطناعي المدمج في الجهاز.
كلمة سريعة عن CPUs و TPUs
اختصاران آخران يكملان الصورة. يمكن للمعالج المركزي تشغيل AI لكنه الخيار الأبطأ له؛ في Lunar Lake يساهم CPU بـ 5 فقط من TOPS الخاص بالمنصة. في الأساس ينظم ويتعامل مع الأجزاء التي لا يمكن لـ NPUs و GPUs القيام بها.
TPUs (Tensor Processing Units) هي ASICs مخصصة من Google، من الناحية المفاهيمية أقرب إلى NPU عملاق لمركز البيانات أكثر من كونها وحدة معالجة رسومات. تعيش في السحابة، وليس في أجهزتك. يحقق TPU "Ironwood" من الجيل السابع من Google 4,614 FP8 TFLOPS لكل شريحة مع 192GB من HBM3e، وتتسع pod كاملة إلى آلاف الشرائح للتدريب وخدمة النماذج الحدودية. لن تملك واحدة على مكتبك أبداً، لكن الكثير من الذكاء الاصطناعي الذي تستخدمه يُقدم من منصات هذه.
الأسئلة الشائعة
هل NPU أسرع من GPU؟
لا، ليس من حيث الحد المطلق. وحدة معالجة رسومات عالية الأداء مثل RTX 5090 (3,352 AI TOPS) تحسب بشكل كبير أي NPU للمستهلك (45-80 TOPS). ميزة NPU هي الكفاءة: تقوم بعمل AI بقوة بضعة واط بدلاً من مئات، مما يهم لعمر البطارية والميزات التي تعمل طوال الوقت، وليس للسرعة القصوى.
هل يمكنني تشغيل نماذج بأسلوب ChatGPT على NPU الخاص بي؟
يمكنك تشغيل نماذج محلية صغيرة مُكمّمة على NPU بـ 40+ TOPS، لكن في منتصف عام 2026 التجربة محدودة. يعمل نموذج 7B بحوالي 9-12 رموز في الثانية على Snapdragon NPU، والعديد من البيئات لا تستطيع استهداف NPU على الإطلاق حتى الآن. للحصول على تجربة نموذج كبير سلسة، وحدة معالجة رسومات بـ VRAM وفير لا تزال الأداة الأفضل.
لماذا تحتاج أجهزة الكمبيوتر المحمولة إلى NPU بقوة 40 TOPS لـ Copilot+؟
حددت Microsoft 40+ TOPS كحد أدنى بحيث تعمل ميزات AI المدمجة في الجهاز (الترجمة المباشرة للعناوين، Studio Effects، Recall، توليد الصور) على NPU بدلاً من CPU أو GPU. هذا يحافظ على هذه الميزات التي تعمل طوال الوقت من استنزاف عمر البطارية، وهو يضمن قدرة أساسية يمكن للمطورين استهدافها.
ما الفرق بين TOPS و TFLOPS؟
TOPS تقيس تريليونات العمليات الحسابية الصحيحة في الثانية (عادة INT8) وتُستخدم لـ NPUs. TFLOPS تقيس تريليونات العمليات الحسابية ذات النقاط العائمة في الثانية وتُستخدم لـ GPUs والتدريب. لأنها تستخدم دقة ووحدات مختلفة، لا يمكنك مقارنة رقم TOPS مباشرة برقم TFLOPS.
هل لدى Apple M5 NPU؟
نعم. M5 يحتوي على 16-core Neural Engine، لكن Apple لا تنشر بعد الآن رقم TOPS له. بدلاً من ذلك أضافت Apple Neural Accelerators إلى كل نواة GPU وتدّعي أداء AI أسرع بـ 3.5x من M4، مشيرة إلى تحول نحو AI المدمج في GPU بدلاً من مواصفات NPU مستقلة.
هل TPU أفضل من GPU للذكاء الاصطناعي؟
بالنسبة لتدريب Google الخاص على نطاق واسع والاستدلال، فإن TPUs تنافسية للغاية وفعالة من حيث التكلفة على نطاق pod. لكن TPUs هي ASICs قائمة على السحابة فقط لا يمكنك شراؤها لـ PC، بينما GPUs الأغراض العامة وتعمل في أي مكان. بالنسبة لمعظم الناس الخيار العملي هو NPU مقابل GPU، وليس TPU.
هل ستحل NPUs محل وحدات معالجة الرسومات (GPUs) المُستخدمة في تطبيقات الذكاء الاصطناعي?
ليس لأحمال العمل الثقيلة. تستحوذ NPUs على الاستدلال الفعال والمدمج في الجهاز، وهذا المجال سيستمر في النمو. لكن التدريب والنماذج المحلية الكبيرة والتوليد عالي الإنتاجية لا تزال تحتاج GPUs (أو TPUs). الصورة الواقعية لعام 2026 هي التقارب، مع امتلاك NPUs و GPUs وتصاميم الذاكرة الموحدة لكل منها حصة.
الخلاصة
NPU مقابل GPU هو الإطار الخاطئ إذا اعتبرته منافسة. إنهما إجابتان على سؤالين مختلفين. إذا كنت تريد AI فعّال وعاملاً طوال الوقت لا يلمس بطاريتك، فإن NPU يقوم بعمله بشكل غير مرئي داخل هاتفك وكمبيوتر محمولك، والجيل 2026 (80 TOPS على Snapdragon X2، 48-50 TOPS على Intel و AMD) قادر بصراحة. إذا كنت تريد تدريب نماذج أو تشغيل نماذج لغة محلية كبيرة أو توليد وسائط بسرعة، فإن GPU لا يزال الخيار الوحيد الجاد، ولا شيء في عالم NPU قريب من RTX 5090 أو B200 من حيث الإنتاجية الخام.
التطور الأكثر إثارة للاهتمام هو أن الحدود تذوب. Apple تطوي التسريع العصبي في GPU، AMD تعطي NPUs ذاكرة من فئة GPU، والبرامج تتحرك ببطء. في الوقت الحالي، اشترِ بناءً على عبء العمل: NPU للكفاءة و AI المحيط، GPU للقوة وحجم النموذج المحلي. لا تدع رقم TOPS واحد على ملصق يقرر لك.