1. [Wiki](https://feex.it/wiki/)
2. [硬件](https://feex.it/wiki/hardware/)
3. [系统与架构](https://feex.it/wiki/hardware/system/)
4. 高斯神经网络加速器 (Gaussian Neural Accelerator, GNA)

# 高斯神经网络加速器 (Gaussian Neural Accelerator, GNA)

架构参考: Feex

亦称 Gaussian Neural Accelerator

Intel GNA（Gaussian and Neural Accelerator，高斯神经网络加速器）是一种低功耗神经协处理器，适用于合规的连续推理工作负载。它与 CPU 向量指令以及更新的通用 NPU 设计截然不同。

## 您需要了解的内容

Intel GNA（Gaussian and Neural Accelerator，高斯神经网络加速器）是一种低功耗神经协处理器，适用于合规的连续推理工作负载。它与 CPU 向量指令以及更新的通用 NPU 设计截然不同。

## 工作原理

受支持的软件栈通过其驱动程序和运行时向加速器提交符合条件的神经网络工作。模型结构、受支持的操作和数值表示决定了可以卸载的内容。CPU 仍需参与准备工作、不支持的操作以及应用程序控制。

## 适用场景

当模型和运行时支持可用的 GNA 代次时，降噪或面向语音的推理可以作为候选方案。仅仅安装使用 AI 的应用程序并不意味着它以 GNA 为目标或避免了 CPU 执行。

## 如何检查支持与启用状态

识别平台的 GNA 设备及受支持的驱动程序/运行时，然后查阅官方项目文档中的模型算子和代次要求。使用运行时诊断来验证硬件执行情况，而不是仅仅根据设备的存在来假定已卸载。

硬件可用性仅仅是第一步。驱动程序、运行时、执行提供程序、受支持的算子和数值格式都必须与应用程序相匹配。请检查实际的后端选择和回退方案，而不是假设带有 AI 标签就意味着每个模型都能获得加速。

## 该特性未确立的内容

GNA 字段不能作为支持任意大语言模型、特定 NPU TOPS 要求或运行时的每个版本的证明。必须检查确切代次的功能和软件支持，并且仅纯软件回退可能会改变功耗表现。

## 实践中的兼容性与性能

在规定的条件下对比完整的负载，包括编译、传输和不受支持的算子。每秒峰值运算次数取决于精度和计数假设。它们不能替代所测得的延迟、吞吐量、能效或模型准确率。

## 实用验证核对清单

1. 记录所涉及的具体处理器或平台型号，以及应用程序、操作系统和运行时的版本。保留实际错误或要求的原始措辞。
2. 查阅该具体型号的制造商参考资料，然后检查程序运行环境中生效的功能与启用状态。
3. 逐项比对所选二进制文件或后端的每项要求。仅凭名称相似的特性、别名或宽泛的技术标签是不够的。
4. 确认应用程序选择了预期的实现。在不满足要求时，使用其文档中记录的诊断工具和受支持的回退方案。
5. 每次只进行一项受支持的更改并重复相同的负载测试。保留原始配置和恢复路径以便随时使用。

## 若特性已列出但软件无法使用

首先排查出现故障的具体组件。硬件数据库描述的是记录在案的功能；操作系统或虚拟机监控程序可能会呈现不同的生效环境。非法指令错误同样需要调查实际发生故障的指令和二进制构建版本，因为数据损坏或不相关的未受支持指令也可能产生类似症状。

安装适用于该特定平台的受支持应用程序、驱动程序或运行时版本，并在需要时使用厂商文档记录的基线或回退构建版本。软件更新无法凭空创造处理器缺失的指令。固件和安全策略的更改应遵循系统制造商的规程和恢复计划，而非通用的优化方案。

## 相关特性与实用区别

[神经网络处理单元 (NPU)](https://feex.it/wiki/l/zh-hans/hardware/system/npu/) · [Deep Learning Boost](https://feex.it/wiki/l/zh-hans/hardware/system/deep-learning-boost/) · [AMX，高级矩阵扩展](https://feex.it/wiki/l/zh-hans/hardware/system/amx/)

## 本说明的来源与适用范围

[Intel Gaussian and Neural Accelerator 库](https://github.com/intel/gna)

这些参考资料确立了架构行为和软件要求。它们并不独立验证关联硬件型号页面上的每个特性值。如需了解型号支持情况，请使用该页面的制造商证据并检查实际生效的系统配置。本文不提供基准测试、认证或独立审查日期。

## 相关内容

这些实体与本文相关联。每个链接上均显示类型。

[神经网络处理单元 (NPU): 架构参考](https://feex.it/wiki/l/zh-hans/hardware/system/npu/)[Deep Learning Boost: 架构参考](https://feex.it/wiki/l/zh-hans/hardware/system/deep-learning-boost/)[AMX，高级矩阵扩展: 架构参考](https://feex.it/wiki/l/zh-hans/hardware/system/amx/)

## 来源与验证

编辑归属：Feex。未记录独立审核日期。 [我们的研究方式](https://feex.it/wiki/research/).

- [Intel Gaussian and Neural Accelerator 库 ](https://github.com/intel/gna)· 官方 GNA 运行时/库、硬件代次支持和低功耗推理用例。在选择新部署之前，请查阅其当前的受支持状态。

## 这篇文章有用吗？

回答"是"或"否"即可。如果您愿意，可以选择一个原因，或添加一段简短附言。

速览

本页面的简要身份信息。详细规格、来源和完整内容保留在正文中。

---

Source: [Canonical Feex Wiki page](https://feex.it/wiki/l/zh-hans/hardware/system/gaussian-neural-accelerator/)

[Developer guide](https://feex.it/wiki/developers/) | [API policy](https://feex.it/developers/api-policy/) | [Agent guidance](https://feex.it/wiki/llms.txt)
