CPU, GPU, NPU và MCU: mỗi loại giỏi việc gì?

Bài 5/65 · BÁN DẪN TỪ SỐ 0 — CPU, GPU, NPU và MCU: mỗi loại giỏi việc gì?

Bạn đang ở đâu trong lộ trình

BÁN DẪN TỪ SỐ 0 · Giai đoạn 1 · Từ logic sang các bộ xử lý thật
Ngày 03/34 · Bài 5/65 trong nhánh này. Mở bài trước trong cùng nhánh → nếu bạn chưa tự kể lại được ý chính.

Nối với bài trước: Bài trước đã cho bạn một khối nền tảng ngay trước chủ đề này. Bây giờ ta thêm đúng một lớp mới và luôn nhìn theo input → xử lý → output, để kiến thức nối thành hệ thống thay vì thành danh sách thuật ngữ.

Sơ đồ 30 giây: `Workload → yêu cầu độ trễ/điện/song song/I-O → chọn CPU | GPU | NPU | MCU`. Một hệ thống thật có thể dùng nhiều loại cùng lúc thay vì chọn đúng một loại.

Sau 15 phút, bạn sẽ:

• Trả lời được câu hỏi “Vì sao không dùng một loại chip cho mọi thiết bị?”.
• Tự vẽ lại cơ chế bằng 4–6 ô mà không nhìn bài.
• Chọn bộ xử lý cho camera, robot và máy chủ.

1. Nói ngắn gọn: khái niệm này là gì?

CPU, GPU, NPU và MCU đều là các khối xử lý, nhưng chúng không được tối ưu cho cùng một kiểu công việc. CPU linh hoạt và giỏi điều phối nhiều việc phức tạp; GPU mạnh khi có rất nhiều phép tính tương tự có thể chạy song song; NPU là bộ tăng tốc chuyên cho các phép tính thường gặp trong mạng nơ-ron; MCU là vi điều khiển tích hợp bộ xử lý với bộ nhớ và ngoại vi để điều khiển thiết bị nhúng. Câu hỏi đúng không phải “loại nào mạnh nhất?” mà là “workload nào, giới hạn điện nào, cần phản hồi nhanh đến đâu và cần những ngoại vi gì?”.

Một mẹo để không bị ngợp: mỗi khi gặp tên mới, hãy hỏi “nó nhận gì, làm gì, đưa gì cho phần sau?”. Nếu trả lời được ba câu này, bạn đã có mô hình mental model đủ tốt để đi tiếp.

2. Hình dung bằng một ví dụ đời thường

Hãy hình dung một nhà bếp. CPU giống bếp trưởng: không nhất thiết thái rau nhanh nhất nhưng biết ưu tiên món nào, xử lý ngoại lệ và điều phối cả bếp. GPU giống một hàng dài đầu bếp cùng làm một thao tác lặp trên rất nhiều phần nguyên liệu. NPU giống máy chuyên dụng chỉ làm một nhóm thao tác AI cực hiệu quả. MCU giống người vận hành một quầy nhỏ: vừa đọc nút bấm, vừa điều khiển motor, vừa theo dõi cảm biến ngay tại chỗ.

Giới hạn của phép so sánh: Chip thật có kiến trúc, bộ nhớ, phần mềm và khả năng rất khác nhau giữa từng sản phẩm. Phép so sánh nhà bếp chỉ giúp thấy “phân công việc”; nó không dùng để suy ra hiệu năng hay điện năng của một chip cụ thể.

3. Nó hoạt động từng bước như thế nào?

Bước 1 — Nhìn loại công việc

• Input: Một tác vụ như điều khiển, xử lý ảnh, AI inference hoặc logic thiết bị.
• Việc xảy ra: Tách phần tuần tự, phần song song và phần cần phản hồi theo thời gian.
• Output: Biết workload có cấu trúc gì.

Bước 2 — Nhìn giới hạn hệ thống

• Input: Công suất điện, nhiệt, kích thước, giá và kết nối cảm biến/actuator.
• Việc xảy ra: Loại bỏ các kiến trúc không phù hợp với môi trường chạy.
• Output: Danh sách lựa chọn thực tế hơn.

Bước 3 — Ghép workload với bộ xử lý

• Input: Đặc tính workload và giới hạn.
• Việc xảy ra: CPU nhận phần điều phối/logic chung; GPU nhận khối song song lớn; NPU nhận AI phù hợp; MCU nhận điều khiển nhúng/I-O.
• Output: Một sơ đồ phân công ban đầu.

Bước 4 — Kiểm tra bằng phần mềm thật

• Input: Model, code, driver và dữ liệu thật.
• Việc xảy ra: Đo latency, throughput, điện và độ ổn định thay vì nhìn tên chip.
• Output: Quyết định dựa trên evidence.

4. Ba từ Việt – Hàn – Anh cần nhớ

Mục tiêu của bảng này không phải học thuộc. Khi gặp tài liệu Hàn hoặc Anh, bạn chỉ cần nhận ra thuật ngữ đang nằm ở tầng nào của hệ thống và câu hỏi nào cần hỏi tiếp.

5. Nó xuất hiện ở đâu trong công việc thật?

• Embedded engineer thường chọn MCU, cấu hình timer, ADC, communication và viết firmware giao tiếp với sensor/actuator.
• Edge AI engineer phải chia việc giữa CPU, GPU/NPU và bộ nhớ để model chạy đủ nhanh trong giới hạn điện.
• System architect không chỉ hỏi TOPS hay số core; họ ghép compute, memory, I/O, software và yêu cầu sản phẩm thành một hệ thống.

Một ví dụ thực tế để nối kiến thức

Một camera kiểm tra lỗi trên dây chuyền có thể dùng MCU để đọc trigger và điều khiển I/O, CPU để quản lý luồng chương trình, còn GPU hoặc NPU để chạy model vision. Không có quy tắc “camera AI = luôn cần GPU”; lựa chọn phụ thuộc model, tốc độ dây chuyền, độ phân giải, điện và phần mềm.

Cầu nối Semiconductor ↔ Robotics

Trong robotics, một robot hiện đại thường là hệ dị thể: MCU ở tầng điều khiển gần motor/sensor, CPU ở tầng điều phối, còn GPU/NPU có thể chạy perception hoặc AI. Đây là điểm bán dẫn bắt đầu chạm trực tiếp vào robotics.

6. Những chỗ người mới hay hiểu nhầm

- Không phải: GPU luôn nhanh hơn CPU
Mà là: GPU chỉ vượt trội khi workload phù hợp với cách xử lý song song của nó; nhiều logic tuần tự hoặc tác vụ nhỏ vẫn hợp CPU hơn.
- Không phải: NPU là AI nên thay được CPU
Mà là: NPU là accelerator chuyên dụng; hệ thống vẫn cần phần điều phối, I/O và phần mềm xung quanh.
- Không phải: MCU yếu nên không quan trọng trong robot
Mà là: MCU thường xử lý các vòng điều khiển, giao tiếp và tác vụ thời gian thực rất gần phần cứng.

Những nhầm lẫn trên quan trọng vì ngành công nghệ cao thường bị rút gọn thành một con số hoặc một buzzword. Khi đã biết đặt câu hỏi về input, feedback, memory, workload và KPI, bạn sẽ ít bị “choáng” bởi brochure kỹ thuật hơn.

Bài tập 10 phút

Đề bài: Chọn cách phân công xử lý cho một robot giao hàng có camera, motor bánh xe, cảm biến khoảng cách và model nhận diện người.

Cách làm:

1. 1Viết bốn nhóm việc: điều phối, AI vision, điều khiển motor, đọc cảm biến.
2. 2Đánh dấu việc nào cần phản hồi đều và gần phần cứng.
3. 3Đánh dấu việc nào có nhiều phép tính song song.
4. 4Gán thử CPU/GPU hoặc NPU/MCU cho từng nhóm.
5. 5Viết một câu về điều bạn vẫn cần benchmark trước khi chốt chip.

Gợi ý tự kiểm tra

Tự kiểm tra trước khi sang bài tiếp

1. 1Vì sao không thể xếp CPU, GPU, NPU, MCU chỉ bằng một thang “mạnh–yếu”?
2. 2GPU thường hợp kiểu tính toán nào?
3. 3MCU khác CPU đa dụng ở mục tiêu hệ thống nào?

Nếu trả lời được hai trong ba câu bằng lời của mình, bạn đủ nền để sang bài tiếp. Nếu chưa, chỉ đọc lại phần “từng bước” rồi tự vẽ một sơ đồ; không cần đọc lại từ đầu.

Bài tiếp theo trong nhánh này: Memory: SRAM, DRAM, NAND và HBM dễ hiểu →. Bài kế tiếp thêm một lớp kiến thức mới nhưng vẫn dựa trên mental model của bài này.

Nguồn học thêm

• Intel — CPU vs GPU: What’s the Difference? — Intel dùng để đối chiếu vai trò CPU, GPU và NPU trong hệ thống tính toán hiện đại; phần MCU được trình bày ở mức kiến trúc nhúng cơ bản, không gán hiệu năng cụ thể.
• Mở toàn bộ lộ trình → — xem vị trí hiện tại, bài trước và bài sau.

#CongNgheCao #BanDan #Robotics #NguoiMoiVaoNganh