כל יישומי הבינה המלאכותית הנחיתה דורשת תמיכה בכוח מחשוב חומרה, כולל נהיגה אוטונומית, שהיא חמה כיום בשוק. עם הגידול של חיישני תפיסה סביבתית כגון מצלמות, מכ"מים גלי מילימטרים, לידרים ומכ"מים על-קוליים במכוניות, מערכת הנהיגה האוטונומית תאסוף יותר נתוני חיישנים. שבב המחשוב לנהיגה אוטונומית צריך לעבד וליישב נתונים אלה באמצעות אלגוריתמים כדי להשיג את מיזוג המידע של כלי רכב, כבישים, אנשים וכו', מקבל החלטות לגבי בקרת נהיגה. הגידול במספר החיישנים יגדיל משמעותית את דרישות כוח המחשוב עבור שבבי מחשוב נהיגה אוטונומית.
השיפור בכוח המחשוב אינו נפרד מהתמיכה של NPU (יחידת עיבוד רשת עצבית, מעבד רשת עצבית). זהו סוג של מיקרו-מעבד המוקדש להאצת חומרה של בינה מלאכותית (במיוחד רשת עצבית מלאכותית, ראיית מכונה, למידת מכונה וכו') המבוסס על טכנולוגיית הארכיטקטורה הספציפית לתחום של DSA (Domain Specific Architecture). בהשוואה למעבד ו-GPU, NPU מיועד לבינה מלאכותית בארכיטקטורת החומרה ומתאים מאוד לפעולות רשת עצביות.
NPUs מתוכננים בצורה שונה ממעבדים לשימוש כללי כגון CPUs ו-GPUs. בהתחשב בגיוון המחשוב, לא ניתן להמיר ישירות את רוב כוח המחשוב המוגבר של מעבדים לשימוש כללי לשיפור יכולות עיבוד הרשת העצבית. לדוגמה, אין שיפור מיוחד עבור פעולות MAC, בעוד NPU מיועד לרשתות עצביות, מבלי לקחת בחשבון שרשתות עצביות אינן. יש צורך ביחידות חישוביות. בהשוואה למעבד, שהוא טוב בעיבוד משימות והנפקת פקודות, ה-GPU טוב בעיבוד תמונה ובמחשוב מקביל, וה-NPU טוב יותר בעיבוד משימות בינה מלאכותית. ה-NPU מממש את האינטגרציה של אחסון ומחשוב באמצעות משקלים סינפטיים, ובכך משפר את יעילות התפעול.
לכן, אנו יכולים למצוא NPUs במעבדים או SoCs רבים התומכים ביישומי AI, כגון A15 של אפל, שבב FSD של Tesla, שבבי סדרת Journey של Horizon, שבב Mariana X של OPPO וכו'. בנוסף לשבבי SoC בקנה מידה גדול ובעלי ביצועים גבוהים, חלק ממוצרי MCU החלו לשלב מודולי NPU כדי לענות על הצרכים של כמה יישומים חכמים קצה.
למעשה, שבבי SoC רבים התומכים ב-AI מיושמים על ידי שילוב IP של רשת עצבית. באופן כללי, IP של רשת עצבית תתפתח באופן סינכרוני עם אלגוריתמי רשת עצבית וניתן להרחיב אותו עוד יותר כדי לענות על הדרישה ההולכת וגוברת לביצועי רשת עצבית.