Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

NPU

Uma NPU (neural processing unit, unidade de processamento neural) é um chip, ou um bloco dentro de um chip maior, feito para rodar os cálculos de redes neurais com rapidez e pouco consumo de energia. Celulares e notebooks usam NPUs para rodar pequenos modelos de IA no próprio aparelho.

Também chamado: neural processing unit, AI accelerator

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Uma NPU é um processador especializado nas operações de matrizes e vetores em que as redes neurais passam a maior parte do tempo. Ela pode ficar sozinha, dentro de uma CPU ou dentro de uma GPU. A maioria das pessoas encontra uma em um celular ou em um notebook recente, onde ela cuida de tarefas como processamento de fotos, reconhecimento de fala, desfoque de fundo em videochamadas e pequenos modelos de linguagem no aparelho.

Por que importa para quem desenvolve

Em aparelhos de consumo, a NPU é projetada para ser pequena e eficiente em energia, não rápida em tudo. Isso a torna adequada para modelos de linguagem pequenos e tarefas curtas e frequentes que não devem drenar a bateria. Ela não serve bem para modelos grandes: a NPU de um notebook não tem a memória nem o throughput de uma GPU de data center.

As NPUs geralmente trabalham com formatos numéricos de baixa precisão, como INT8 ou INT4, então os modelos normalmente são quantizados antes de rodar em uma. Veja precisão numérica para o significado desses formatos.

Como programar uma

Não existe um padrão único. Cada fabricante de chip oferece seu próprio kit de ferramentas, por exemplo Apple Core ML, Intel OpenVINO, AMD Ryzen AI e o SDK da Qualcomm, e muitas vezes o modelo precisa primeiro ser convertido para um formato como o ONNX. Os fabricantes informam a velocidade da NPU em TOPS (trilhões de operações por segundo), um número que geralmente se refere a operações INT8 e é difícil de comparar entre chips.

NPU, GPU ou TPU

Uma GPU é um processador paralelo de uso geral que também é bom em IA. Uma NPU é mais restrita e voltada para inferência eficiente no aparelho. Uma TPU é o design de acelerador próprio do Google; as versões de data center são alugadas pelo Google Cloud.

Termos relacionados

GPU
Uma GPU (graphics processing unit, unidade de processamento gráfico) é um processador com muitos núcleos pequenos, feito para executar muitos cálculos em paralelo. Sua velocidade em operações com matrizes faz dela o hardware padrão para treinar e rodar modelos de IA.
TPU
Uma TPU (tensor processing unit, unidade de processamento de tensores) é o chip próprio do Google para machine learning, construído em torno de grandes unidades de multiplicação de matrizes e memória de alta largura de banda. O Google oferece TPUs a outras empresas como serviço alugado no Google Cloud.
LLM local
Um LLM local é um modelo de linguagem que roda no seu próprio computador, celular ou servidor em vez da API em nuvem de um provedor, então prompts e dados ficam no seu hardware e ele funciona sem conexão com a internet.
Modelo de linguagem pequeno
Um modelo de linguagem pequeno (small language model, SLM) é um modelo de linguagem com relativamente poucos parâmetros, geralmente alguns bilhões ou menos, feito para rodar em um notebook, celular ou uma única GPU a um custo menor que um modelo grande.
Quantização
A quantização (quantization) é uma técnica que armazena os pesos de um modelo, e às vezes as ativações, com menos bits, como 8 ou 4 em vez de 16, para que o modelo precise de menos memória e muitas vezes rode mais rápido, com algum custo em acurácia.

Fontes