Todo laptop, telefone e placa gráfica vendido em 2026 agora anuncia um número «AI». Alguns citam TOPS, outros citam TFLOPS, e o marketing raramente explica que essas são unidades diferentes medindo chips diferentes fazendo trabalhos diferentes. O NPU no seu novo laptop e a GPU no seu desktop são ambas tecnicamente «aceleradores de AI», mas foram projetadas para vencer em extremos opostos do mesmo problema.
Este artigo esclarece o que um NPU realmente é, como ele difere de uma GPU no nível de arquitetura, e qual importa para o que você está tentando fazer. Usamos números reais e verificados do silício que está sendo vendido agora: Apple Neural Engine, Qualcomm Hexagon, os NPUs Intel e AMD dentro de Copilot+ PCs, e as peças de data center RTX e Blackwell da NVIDIA. Nenhum chip teórico, sem hype.
Principais conclusões
- Trabalhos diferentes, não melhor-ou-pior. NPUs são construídos para inferência de baixo consumo, sempre ativa em um dispositivo; GPUs são construídas para throughput paralelo bruto e para treinamento.
- TOPS e TFLOPS não são a mesma unidade. NPUs são classificados em INT8 TOPS; GPUs geralmente são cotadas em TFLOPS de ponto flutuante. Você não pode comparar os dois números diretamente.
- A diferença de escala é enorme. Um NPU de laptop 2026 fica entre 45-80 TOPS. Uma NVIDIA RTX 5090 é classificada em 3.352 AI TOPS, e uma B200 de data center atinge aproximadamente 4.500 TFLOPS em FP8.
- NPUs vencem em eficiência, não em velocidade. Eles executam AI em segundo plano (câmera, transcrição, recursos Copilot) com uma fração do consumo de energia de uma GPU, e é por isso que todo Copilot+ PC precisa de 40+ TOPS de NPU.
- Para LLMs locais hoje, a GPU (e largura de banda de memória) ainda vence. O suporte de software NPU é imaturo; um modelo 7B em um NPU Snapdragon executa cerca de 9-12 tokens/segundo em meados de 2026, enquanto uma GPU discreta é muito mais rápida.
- A linha está se apagando. O M5 da Apple coloca aceleradores neurais dentro de cada núcleo de GPU, e o Strix Halo da AMD emparelha um NPU de 50-TOPS com 128GB de memória unificada para executar modelos de 120B parâmetros localmente.
O que um NPU realmente é
Um NPU, ou Neural Processing Unit, é um bloco de chip construído para fazer uma coisa estreita extremamente eficientemente: a matemática de multiplicação-acumulação no coração das redes neurais. Não é um processador de propósito geral. Não consegue executar seu sistema operacional ou um jogo. O que pode fazer é empurrar volumes enormes de matemática inteira de baixa precisão (tipicamente INT8 ou INT4) através de hardware dedicado em consumo de energia muito baixo.
Essa eficiência é todo o ponto. Um NPU existe para que seu telefone possa desfocar um fundo de vídeo, transcrever um memorando de voz, ou executar um pequeno modelo de linguagem sem drenar a bateria ou ligar um ventilador. No Windows, Microsoft fez isso uma classe de hardware explícita: um Copilot+ PC requer um NPU capaz de mais de 40 trilhões de operações por segundo (40+ TOPS), especificamente para que recursos em dispositivo como legendas ao vivo e geração de imagens sejam executados no NPU em vez da CPU ou GPU. Windows 11 agora agenda trabalho de AI entre CPU, GPU e NPU e até mostra utilização de NPU no Gerenciador de Tarefas.
A palavra-chave é inferência. NPUs executam modelos já treinados. Eles quase nunca são usados para treinar modelos do zero, que é uma carga de trabalho fundamentalmente diferente e muito mais pesada.
Como uma GPU difere em arquitetura
Uma GPU começou a vida renderizando triângulos, e esse legado a moldou em um mecanismo de ponto flutuante massivamente paralelo com milhares de núcleos. GPUs modernas adicionaram Tensor Cores (termo da NVIDIA) dedicados à matemática matricial, o que as torna a ferramenta padrão para AI. Uma RTX 5090 tem 21.760 núcleos CUDA mais Tensor Cores de quinta geração em cima.
Três diferenças arquiteturais importam:
- Precisão. GPUs são felizes fazendo ponto flutuante de alta precisão (FP16, FP32) necessário para treinamento, e as recentes adicionam camadas de menor precisão. GPUs Blackwell são os primeiros cartões para consumidor que suportam FP4. NPUs dependem quase inteiramente de matemática inteira de baixa precisão, que é ótima para inferência mas inadequada para treinamento.
- Memória. Este é o diferenciador silencioso. Uma GPU tem sua própria VRAM rápida e dedicada (a RTX 5090 vem com 32GB de GDDR7 em aproximadamente 1,79 TB/s). Um NPU compartilha a memória principal do sistema com tudo mais, o que limita quão grande um modelo pode manter e com que rapidez pode alimentá-lo.
- Energia. Uma RTX 5090 consome até 575W. Um NPU de laptop executa a mesma classe de inferência dentro de alguns watts. Esse fato único explica por que ambos os chips existem.
Se você quer executar modelos grandes localmente, memória e largura de banda geralmente importam mais que computação bruta, e é exatamente por isso que compradores de GPU se obsessionam com VRAM. Nosso guia para o melhores GPUs para LLMs locais aprofunda esse trade-off.
TOPS versus TFLOPS: por que os números não se alinham
É aqui que a maioria dos datasheets engana. TOPS conta trilhões de operações por segundo, e em NPUs quase sempre significa operações inteiras INT8. TFLOPS conta trilhões de operações de ponto flutuante por segundo, a unidade usada para GPUs e para treinamento. Eles não são intercambiáveis.
INT8 aproximadamente dobra o throughput versus FP16 no mesmo hardware, então um fabricante pode publicar um número de manchete maior simplesmente citando o formato de menor precisão. É por isso que classificações TOPS tendem a ser INT8: parece melhor. Ambas as figuras também são números teóricos de pico medidos em condições ideais, não throughput de mundo real sustentado.
Há uma segunda armadilha: TOPS de plataforma versus TOPS apenas NPU. Intel Lunar Lake, por exemplo, é comercializado como 120 TOPS «de plataforma», mas isso agrupa 67 TOPS da GPU, 48 do NPU e 5 da CPU. O NPU por si só é 48 TOPS. Quando você compara chips, certifique-se de que está comparando o mesmo bloco.
Onde cada um vence
NPU é a ferramenta certa quando…
- A carga de trabalho é sempre ativa ou em segundo plano (efeitos de câmera, supressão de ruído, legendas ao vivo, Windows Studio Effects).
- Vida da bateria e térmicas são a prioridade, em um telefone ou laptop fino.
- Você está executando modelos pequenos e quantizados construídos para o dispositivo.
- Você quer recursos de AI sem um ventilador nunca ligando.
GPU é a ferramenta certa quando…
- Você está treinando ou ajustando um modelo.
- Você quer executar LLMs locais grandes (13B, 30B, 70B+) em velocidades utilizáveis.
- Você precisa de throughput bruto para geração de imagem, vídeo ou 3D.
- Você está servindo modelos para muitos usuários ao mesmo tempo em um data center.
Um modelo mental limpo: o NPU lidar com a AI que você não pensa, e a GPU lida com a AI que você deliberadamente senta para executar. A maioria dos laptops 2026 vem com ambos, e Windows decide qual usar por tarefa.
Os chips 2026, pelos números
É aqui que o silício real se coloca. Todas as figuras abaixo são verificadas contra fontes de fornecedor e primárias a partir de meados de 2026. Observe as unidades cuidadosamente: o primeiro grupo é NPU INT8 TOPS, o segundo é computação de AI de GPU.
| Chip | Classe | Classificação de acelerador de AI | Onde ele fica |
|---|---|---|---|
| Apple A18 / A18 Pro Neural Engine | NPU de telefone | 35 TOPS (16 núcleos) | série iPhone 16 |
| Apple M4 Neural Engine | NPU de laptop | 38 TOPS | MacBook Air/Pro |
| Qualcomm Snapdragon X Elite (Hexagon) | NPU de laptop | 45 TOPS | Copilot+ PCs (onda 1) |
| Intel Core Ultra 200V (Lunar Lake) | NPU de laptop | 48 TOPS | Copilot+ PCs |
| AMD Ryzen AI 300 (XDNA 2) | NPU de laptop | 50 TOPS | Copilot+ PCs |
| Qualcomm Snapdragon X2 Elite (Hexagon) | NPU de laptop | 80 TOPS (até 85 nos SKUs topo de linha) | Copilot+ PCs (onda 2026) |
| NVIDIA RTX 5080 | GPU de consumidor | 1.801 AI TOPS | Desktop/workstation |
| NVIDIA RTX 5090 | GPU de consumidor | 3.352 AI TOPS | Desktop/workstation |
| NVIDIA H100 | GPU de data-center | 1.979 TFLOPS (FP8 denso) | Nuvem/servidores |
| NVIDIA B200 (Blackwell) | GPU de data-center | ~4.500 TFLOPS FP8 denso (9.000 FP4) | Nuvem/servidores |
O salto das linhas de NPU para as linhas de GPU não é um erro de digitação. Uma NPU de laptop topo de linha com 80 TOPS e uma RTX 5090 com 3.352 AI TOPS estão aproximadamente duas ordens de magnitude separadas, antes mesmo de levar em conta a memória dedicada de alto desempenho de 32GB da GPU. Essa lacuna é toda a história: as NPUs nunca tentaram vencer em desempenho absoluto. Elas vencem em desempenho por watt.
A abordagem da Apple está mudando
A Apple merece uma nota à parte porque parou de brincar no jogo de TOPS. A Apple M4 Neural Engine foi avaliada em 38 TOPS, mas para a M5 (que foi lançada no MacBook Pro de 14 polegadas no final de 2025, com M5 Pro e M5 Max seguindo em março de 2026), a Apple não publicou uma figura de TOPS da Neural Engine. Em vez disso, redesenhou a GPU para colocar um Neural Accelerator dentro de cada um dos 10 núcleos da GPU, e afirma até 3,5x mais rápido em desempenho de IA do que a M4. Essa é uma aposta deliberada de que a IA integrada à GPU importa mais do que um número de NPU autônomo, e turva a divisão arrumada NPU versus GPU. Se você está pesando Mac contra Windows para IA, a comparação Snapdragon X Elite versus Apple M4 detalha como os dois ecossistemas realmente se sentem no uso.
O que isso significa para executar AI localmente
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.
Então, se seu objetivo hoje é realmente executar um modelo considerável em casa, uma GPU discreta com bastante VRAM permanece a resposta prática, e a pilha de software da AMD amadureceu o suficiente para ser uma alternativa genuína digna de consideração no nosso Análise comparativa entre ROCm e CUDA. O meio termo interessante são os projetos de memória unificada: o Ryzen AI Max da AMD («Strix Halo») combina uma NPU XDNA 2 de 50 TOPS com até 128GB de memória unificada e pode alocar até 96GB como VRAM, o suficiente para carregar modelos de parâmetros 120B localmente. Esse é muito mais modelo do que qualquer GPU de 32GB consegue reter, e está reformulando o mercado de mini-PC para IA local.
Para telefones, o cálculo é diferente e a NPU claramente vence: não há alternativa de GPU bebendo miliwatts, e recursos no dispositivo são ajustados para a NPU. Se IA móvel é sua prioridade, veja o melhores telefones para IA no dispositivo.
Uma palavra rápida sobre CPUs e TPUs
Dois outros acrônimos completam o quadro. A CPU consegue executar IA, mas é a opção mais lenta para isso; na Lunar Lake a CPU contribui apenas 5 dos TOPS da plataforma. Principalmente orquestra e lida com as partes que NPUs e GPUs não conseguem.
TPUs (Tensor Processing Units) são ASICs customizados do Google, conceitualmente mais próximos a uma NPU de data-center gigante do que a uma GPU. Vivem na nuvem, não em seus dispositivos. A TPU «Ironwood» de sétima geração do Google entrega 4.614 TFLOPS FP8 por chip com 192GB de HBM3e, e um pod completo é escalado para milhares de chips para treinamento e execução de modelos frontais. Você nunca terá um na sua mesa, mas muito da IA que você usa é servido deles.
Perguntas frequentes
Uma NPU é mais rápida que uma GPU?
Não, em termos absolutos. Uma GPU de alto desempenho como a RTX 5090 (3.352 AI TOPS) computa muito mais do que qualquer NPU de consumidor (45-80 TOPS). A vantagem da NPU é eficiência: ela faz trabalho de IA em alguns watts em vez de centenas, o que importa para vida da bateria e recursos sempre ligados, não para velocidade de pico.
Posso executar modelos no estilo ChatGPT em minha NPU?
Você pode executar pequenos modelos locais quantizados em uma NPU de 40+ TOPS, mas em meados de 2026 a experiência é limitada. Um modelo de 7B executa cerca de 9-12 tokens por segundo em uma NPU Snapdragon, e muitos runtimes ainda não conseguem atingir a NPU. Para uma experiência suave de modelo grande, uma GPU com VRAM abundante ainda é a ferramenta melhor.
Por que laptops precisam de uma NPU de 40 TOPS para Copilot+?
A Microsoft estabeleceu 40+ TOPS como o piso para que recursos de IA no dispositivo (legendas ao vivo, Studio Effects, Recall, geração de imagem) funcionem na NPU em vez da CPU ou GPU. Isso impede que esses recursos sempre ligados prejudiquem a vida da bateria, e garante uma capacidade de linha de base que desenvolvedores podem atingir.
Qual é a diferença entre TOPS e TFLOPS?
TOPS mede trilhões de operações inteiras por segundo (geralmente INT8) e é usado para NPUs. TFLOPS mede trilhões de operações de ponto flutuante por segundo e é usado para GPUs e treinamento. Como usam precisões e unidades diferentes, você não pode comparar diretamente um número de TOPS com um número de TFLOPS.
A M5 da Apple tem uma NPU?
Sim. A M5 tem uma Neural Engine de 16 núcleos, mas a Apple não publica mais uma figura de TOPS para ela. A Apple adicionou Neural Accelerators a cada núcleo de GPU e afirma até 3,5x mais rápido em IA do que a M4, sinalizando uma mudança em direção à IA integrada à GPU em vez de uma especificação de NPU autônoma.
Uma TPU é melhor que uma GPU para IA?
Para treinamento e inferência em larga escala do Google, as TPUs são altamente competitivas e econômicas em escala de pod. Mas as TPUs são ASICs apenas em nuvem que você não consegue comprar para um PC, enquanto GPUs são de propósito geral e funcionam em qualquer lugar. Para a maioria das pessoas a escolha prática é NPU versus GPU, não TPU.
As NPUs substituirão GPUs para IA?
Não para cargas pesadas. As NPUs estão assumindo inferência eficiente no dispositivo, e esse escopo continuará crescendo. Mas treinamento, grandes modelos locais e geração de alto throughput ainda precisam de GPUs (ou TPUs). O quadro realista de 2026 é convergência, com NPUs, GPUs e projetos de memória unificada cada um possuindo uma fatia.
Conclusão
NPU versus GPU é o framing errado se você o tratar como um concurso. Elas são duas respostas para duas perguntas diferentes. Se você quer IA eficiente e sempre ativa que não toca em sua bateria, a NPU está fazendo seu trabalho invisível dentro de seu telefone e laptop, e a geração de 2026 (80 TOPS no Snapdragon X2, 48-50 TOPS no Intel e AMD) é genuinamente capaz. Se você quer treinar modelos, executar grandes LLMs locais ou gerar mídia em velocidade, a GPU ainda é a única opção séria, e nada no mundo das NPUs se aproxima de uma RTX 5090 ou uma B200 em throughput bruto.
O desenvolvimento mais interessante é que a fronteira está se dissolvendo. A Apple está dobrando aceleração neural na GPU, a AMD está dando às NPUs memória de classe GPU, e o software está lentamente acompanhando. Por enquanto, compre para a carga de trabalho: NPU para eficiência e IA ambiente, GPU para potência e tamanho de modelo local. Não deixe um único número de TOPS em um adesivo fazer a decisão para você.