《谈音频算法的工程化（移植与优化）》谈到音频开发的一大趋势是深度学习算法。以前主要是基于英伟达的GPU实现深度学习算法，或者是专用芯片支持NPU功能，但外人不容易获得开发环境。比如华为Kirin970和Google的TPU。而现在越来越多的芯片厂商开始提供集成NPU内核的通用型SoC芯片，让我们掀起嵌入式开发工程师学习的新高潮吧^_^
杭州国芯推出超低功耗AI芯片GX8002，采用MCU+自研NPU架构，单芯片实现实时语音唤醒功能。芯片集成了国芯自研的第二代神经网络处理器gxNPU V200和自研的硬件VAD，使得功耗大大降低。可应用于TWS耳机、智能手表、眼镜等可穿戴设备
瑞芯微RK3399Pro=双Cortex-A72+四Cortex-A53+ARM® Mali-T860 MP4四核GPU+NPU。兼容多种AI框架，支持TensorFlow Lite/Android NN API， AI软件工具支持对Caffe/TensorFlow模型的导入及映射、优化，让开发者便捷地运用AI技术。
晶晨（Amlogic）推出了A311D、S905D3等内置独立NPU的通用型SoC，跟瑞芯微的RK3300Pro如出一辙，都是用了第三方的NPU处理核心，封装进自家的SoC，就成了面向人工智能领域的通用型芯片。支持所有主流学习框架包括TensorFlow和Caffe。
A311D=双核Cortex-A73+四核Cortex-A53+ARM G52 MP4(6EE) GPU+NPU处理器。
S905D3=双核Cortex-A73+四核Cortex-A55+ARM G31 MP2 GPU+ NPU处理器。
更多内容，请关注微信公众号“音频算法与工程实践”。
