CPU, GPU ve NPU: Bilgisayarınızın Hangi Parçası Ne İşe Yarar

CPU'nuz ne yapar, GPU'nuza ve NPU denen bu yeni şeye kıyasla?

Donanım3 dakikalık okuma Güncelleme: Eylül 2026

A heat sink for an AMD Phenom central processing unit (CPU) on an AM3 socket — Fotoğraf: Mike Babcock · Wikimedia Commons · CC BY 2.0

CPU'nuz ne yapar, GPU'nuza ve NPU denen bu yeni şeye kıyasla? Tipik bir bilgisayarda veya telefonda CPU günlük mantık işlemlerinizi ve uygulamalarınızı çalıştırır, GPU oyunlarınızı ve görsel efektlerinizi çizer, NPU ise cihaz üzerinde görüntü ve ses tanıma gibi yapay zekâ özelliklerini sessizce halleder.

Tek Bilgisayar, Üç Motor: Bir Bakışta CPU, GPU ve NPU

Modern bilgisayar işlemcileri farklı iş yükleri için özelleşmiştir. CPU işletim sistemini ve genel amaçlı görevleri yönetir, GPU grafikler için devasa paralellikteki matematiksel işlemlerde mükemmeldir, NPU ise sinir ağı operasyonları ve yapay zekâ çıkarımları için özel olarak üretilmiş daha yeni bir eklentidir.

CPU: Seri Kontrol ve Genel Amaçlı İşler

CPU dallanmalı, genel amaçlı mantık yürütme süreçlerini yönetmek üzere tasarlanmıştır. Devasa paralellikten ziyade esnek hesaplama ve kontrol akışı için optimize edilmiş, nispeten az sayıda çekirdeğe sahiptir. CPU sistemi koordine eder, ardışık kontrol akışının çoğunu yürütür ve işletim sistemini çalıştırma, uygulamaları yönetme, kullanıcı girdilerini ve genel iş mantığını karşılama gibi günlük bilişim işleri için birincil tercihtir.

GPU: Grafikler ve Daha Fazlası İçin Geniş Paralel Matematik

GPU, asıl amacı grafik işleme olan, binlerce daha küçük çekirdeğe sahip paralel bir işlemcidir. Bugün GPU'lar oyun, video düzenleme, veri modelleme ve makine öğrenimi gibi paralel olarak binlerce benzer hesaplama gerektiren her türlü görevde yaygın biçimde kullanılmaktadır. GPU'lar büyük piksel dizileri ve vektör formatlarındaki tepe noktaları üzerinde yüksek verimli paralel hesaplamalarda mükemmel olsalar da, dallanmalı kodları CPU'lara kıyasla daha az verimli işlerler.

NPU: Tensör İşleri ve Cihaz İçi Yapay Zekâ

NPU'lar, yani Sinirsel İşlem Birimleri; yapay zekâ ve makine öğrenimi, bilhassa sinir ağları ve bilgisayarlı görü için özelleşmiş donanım hızlandırıcılardır. Sinir ağlarının özünü oluşturan düşük duyarlıklı aritmetik olan tensör ve matris işlemleri için optimize edilmişlerdir. Modern NPU'lar genellikle matris çarpımı, evrişim ve aktivasyon fonksiyonları için özelleşmiş bilgi işlem birimleri içerir. NPU'lar dizüstü bilgisayarlar, telefonlar, kameralar, giyilebilir cihazlar ve arabalar gibi "uç" noktalardaki cihaz içi yapay zekâ ve düşük gecikmeli uygulamalar için kilit bir olanak sağlayıcıdır.

[TO VERIFY: NPU'ların IoT, otomotiv ve kurumsal platformlara entegrasyonu]

Birlikte Nasıl Çalışırlar: Her Görev İçin CPU, GPU veya NPU Seçimi

Modern bilgisayar sistemleri karmaşık iş yüklerinin farklı bölümlerini üstlenmek için sıklıkla CPU'ları, GPU'ları ve NPU'ları bir araya getirir. CPU zaman açısından kritik arka plan işlemlerini yürütür, işletim sistemini yönetir ve kolayca paralelleştirilemeyen kod yığınlarını icra eder. GPU grafikler ve bulut yapay zekâ çıkarımı, büyük model eğitimi ve bilimsel simülasyonlar gibi yoğun hesaplama yüklerini programlamak için gereken zorlayıcı paralel matematiği üstlenir. NPU ise tüm evrişimsel kodları; yani doğrudan cihaz üzerinde gerçekleştirilen görüntü tanıma, sesli komutlar, üretken içerik ve diğer yapay zekâ işlevlerinin merkezindeki karmaşık tensör işlemlerini üstlenir.

[TO VERIFY: Önümüzdeki birkaç yıl içinde istemci ve sunucu yongalarındaki çekirdek entegrasyon oranlarına ilişkin projeksiyonlar]

Gerçek Mimariler: Intel ve TI Sahadaki NPU'ları Gösteriyor

NPU devreleri bağımsız yongalara yerleştirilebilir veya daha yeni CPU'ların, GPU'ların ya da özelleşmiş mikrodenetleyicilerin entegre bir parçası olabilir. Örneğin Intel'in en yeni Core Ultra işlemcileri, işlemci üzerinde yapay zekâ operasyonları için Neural Compute Engines adı verilen özelleşmiş vektör makineleri içerir ve NPU özelliklerini ana akım bilgisayarlara taşır. Texas Instruments, Sinirsel İşlem Birimini doğrudan F28P55x mikrodenetleyicilerine entegre ederek bu devreleri derin öğrenme hesaplamalarını bir CPU uygulamasından daha verimli gerçekleştirecek şekilde optimize eder ve daha büyük modeller için %20–30'luk kazanımlar bildirir.

[TO VERIFY: Birlikte entegre edilmiş ve ayrık NPU tasarımları için performans, gecikme süresi ve ısı projeksiyonları]

Intel, Texas Instruments ve diğerleri, gerçek donanımda NPU'ları entegre etmenin cihaz içi yapay zekâ iş yükleri için anlamlı kazanımlar sağladığını göstermiştir.

CPU'ların, GPU'ların ve NPU'ların birlikte — güvenilir, zarif ve verimli bir şekilde — çalıştığı yakınsamaları ve hızlandırmaları anlamak, geleceğin bilgi işlem dünyasının heterojenliğini kavramak için harika bir başlangıçtır. Ve kabul edelim ki buradaki okurunuzun akademik bir ders kitabına dalma fırsatı olmayacak, değil mi?