🔬 AI 芯片功率-算力全景图 (2023–2026)

从数据中心 GPU 到嵌入式 NPU —— 横跨四个数量级的 AI 加速器版图
横轴：热设计功耗 TDP (W) ｜ 纵轴：AI 峰值算力 ｜ 对数坐标 ｜ 气泡大小 ∝ 制程(nm越小越精密) ｜ [推断] = 行业预估
🖥 数据中心 & 云端加速器
(≥60W · FP8/FP16/FP4)
NVIDIA
AMD
Intel
华为 Ascend
Google TPU
AWS Trainium
Groq
● 数据中心 GPU/加速器 ◆ 企业推理 / 边缘计算 ▲ 消费级显卡 ■ 云专有加速器 Y 推理专用 气泡大小 ∝ 制程(nm越小越精密)
⚡ 边缘 AI & 嵌入式 NPU
(≤100W · INT8)
NVIDIA Jetson
Hailo
Intel NPU
Qualcomm
Apple ANE
AMD XDNA
地平线
登临
燧原
瀚博
Tenstorrent
AXERA
ARM Ethos
● 边缘盒子/单板 ◆ 摄像头端 ASIC ▲ 移动/PC SoC NPU ■ 自动驾驶 ADAS ☆ IP 核 气泡大小 ∝ 制程
数据中心：NVIDIA/AMD/Intel 官方发布规格 [已核实]；B300 / MI350 / Falcon Shores / RTX 5090 / Ascend 910C / TPU Trillium / Trainium2 为行业预期 [推断]。NVIDIA 算力含稀疏 2×。Cerebras WSE-3 功率与算力远超常规芯片（~20kW / 125 PFLOPS），图中以标注示意不参与散点。
边缘：NVIDIA/Intel/AMD/Apple/Qualcomm/Hailo 官方或 Datasheet [已核实]；ARM Ethos 取自参考实现 [已核实]；地平线/AXERA 为三方 benchmark [推断]。
⚠ 数据中心为 FP8/FP16/FP4 算力，边缘为 INT8——不同精度不可直接等同。SoC NPU 的 TDP=整芯片（含 CPU+GPU）。
最后更新：2026-08 ｜ 制图：AI 辅助 ｜ 气泡越小 = 制程越先进