Промышленные NPU-ускорители в 2026 году
За последние месяцы 2026 года почти каждый крупный производитель полупроводников — от Intel и Qualcomm до Rockchip и Allwinner — выпустил новый чип со встроенным NPU (Neural Processing Unit). Разброс огромный: миниатюрный одноплатник Radxa Cubie A7S с NPU на 3 TOPS стоит $25, а модуль NVIDIA Jetson Thor для робототехники с производительностью 1035 TOPS (FP8) — от $3499 за девкит. Разбираемся, что стоит за этими цифрами и почему их нельзя сравнивать напрямую.
Рынок сдвигается с облака на устройство
Главный тренд, который отмечали ещё на выставке CES-2026 в Лас-Вегасе, — переход от облачного инференса к локальному (on-device AI): ИИ теперь работает прямо в ПК, роботах, автомобилях и промышленном оборудовании, без постоянного обращения к серверу. Причина не только в задержках — по оценке аналитиков, около 80% вычислительных циклов ИИ на периферии приходится именно на инференс (применение уже обученной модели), а не на обучение, и это структурно другой профиль нагрузки, чем в дата-центрах. Рынок чипов для edge AI, по прогнозам, превысит $80 млрд к 2036 году — и NPU в этом росте становится таким же обязательным блоком SoC, как раньше стали CPU и GPU.
Одноплатники: NPU появился даже в бюджетном сегменте
В сегменте одноплатных компьютеров начала 2026 года NPU перестал быть особенностью только топовых моделей: Radxa Cubie A7S (Allwinner A733) — плата 51×51 мм с NPU до 3 TOPS за $25; DshanPi-A1 (Rockchip RK3576) — NPU до 6 TOPS, от $83 до $130; NanoPC-T6 Plus (Rockchip RK3588) — NPU до 6 TOPS, LPDDR5 до 32 ГБ, $199; Toradex Luna SL1680 (Synaptics SL1680) — NPU 7.9 TOPS, от $105; MILK-V Jupiter 2 (SpacemiT K3, RISC-V) — заявлено до 60 TOPS в INT4, ~$199–239, поставки ожидались в апреле 2026.
Промышленный и автомобильный сегмент — другой порядок цифр
Для встраиваемых промышленных и автомобильных задач в январе-марте 2026 года новые линейки представили сразу несколько вендоров: Intel Core Ultra Series 3 (Panther Lake) — техпроцесс 18A, NPU 46–50 TOPS, графика Xe до 122 TOPS (int8), до 128 ГБ памяти; Qualcomm Dragonwing Q-8750 — до 77 TOPS (dense), заявлена поддержка LLM до 11 млрд параметров; AMD Ryzen Embedded AI P100/X100 — NPU XDNA 2 до 50 TOPS, ресурс 10 лет непрерывной работы 24/7; NXP S32N7 — автомобильный SDV-процессор, заявлено снижение стоимости владения до 20%; Renesas R-Car X5H — первая многодоменная авто-SoC на 3 нм, заявлено до 400 TOPS; TI TinyEngine NPU (MCU MSPM0G5187/AM13Ex) — до 90× ниже задержка и 120× ниже энергопотребление на инференс, массовая модель дешевле $1 при заказе от 1000 штук. Отдельно на рынке IP-блоков: разработчик Expedera получил награду «Best Edge AI Processor IP» на Edge AI and Vision Product of the Year Awards 2026 за архитектуру Origin Evolution, которая, по заявлению компании, снижает объём обращений к внешней памяти более чем на 75% для типовых edge-моделей.
Верхний потолок: робототехника и AI PC
На другом конце спектра — платформы для физического ИИ и высокопроизводительных персональных компьютеров: NVIDIA Jetson Thor T5000 — 1035 TOPS (FP8), 128 ГБ LPDDR5x единой памяти, архитектура Blackwell (4 нм); среди ранних пользователей — Agility Robotics, Boston Dynamics, Caterpillar, Figure, Medtronic. Qualcomm Snapdragon X2 Elite Extreme — 80 TOPS на Hexagon NPU, до 128 ГБ LPDDR5x, по данным собственных тестов Qualcomm обгоняет Apple M4 в Procyon AI Computer Vision (4151 против 2121 баллов). Apple M4 — 38 TOPS на 16-ядерном Neural Engine, до 128 ГБ памяти в M4 Max.
TOPS — не универсальная метрика: где источники расходятся
Здесь стоит сделать оговорку, на которую прямо указывают отраслевые обзоры: цифры TOPS у разных производителей считаются в разных форматах точности — INT4, INT8 или FP8 — и в разных тестовых условиях, поэтому прямое сравнение «TOPS против TOPS» между вендорами даёт лишь ориентировочную, а не абсолютную картину. Именно поэтому в одном и том же диапазоне «40–80 TOPS» соседствуют настолько разные по классу решения, как AMD Ryzen Embedded P100 (промышленная автоматизация) и Qualcomm Snapdragon X2 Elite Extreme (потребительские AI PC) — сравнивать их напрямую по одной цифре некорректно, важен контекст: precision-формат, память, форм-фактор и заявленный сценарий применения.
| Платформа | NPU / ИИ-производительность | Память | Сегмент | Цена |
|---|---|---|---|---|
| Radxa Cubie A7S | до 3 TOPS | до 16 ГБ LPDDR5 | SBC / IoT | $25 |
| DshanPi-A1 (RK3576) | до 6 TOPS | 6–8 ГБ LPDDR4 | SBC / видеозахват | $83–130 |
| NanoPC-T6 Plus (RK3588) | до 6 TOPS | до 32 ГБ LPDDR5 | SBC | $199 |
| Toradex Luna SL1680 | 7.9 TOPS | до 4 ГБ LPDDR4 | SBC / пром. | от $105 |
| MILK-V Jupiter 2 | до 60 TOPS (INT4) | до 32 ГБ LPDDR5 | SBC / робототехника | ~$199–239 |
| TI MSPM0G5187 (MCU) | TinyEngine NPU | — | MCU / IoT | <$1 (от 1000 шт.) |
| Qualcomm Dragonwing Q-8750 | до 77 TOPS (dense) | до 24 ГБ LPDDR5X | пром. IoT / БАС | н/д |
| Intel Core Ultra 3 (Panther Lake) | 46–50 TOPS | до 128 ГБ | AI PC / пром. edge | н/д |
| AMD Ryzen AI Embedded P100 | до 50 TOPS | LPDDR5x до 8000 MT/s | пром. автоматизация | н/д |
| Renesas R-Car X5H | до 400 TOPS | — | автомобиль (ADAS L3/L4) | н/д |
| Qualcomm Snapdragon X2 Elite Extreme | 80 TOPS | до 128 ГБ LPDDR5x | AI PC | н/д |
| Apple M4 | 38 TOPS | до 128 ГБ | ноутбуки | н/д |
| NVIDIA Jetson Thor T5000 | 1035 TOPS (FP8) | 128 ГБ LPDDR5x | робототехника | от $3499 |