| 분류 | GPU | NPU | LPU | DPU | TPU |
| 주요 목적 | 범용 병렬 연산 및 대규모 AI 학습 | 고효율 AI 추론 및 서비스 적용 | 대형 언어 모델(LLM) 초고속 추론 | 데이터 네트워크 및 보안 가속 | 구글 클라우드 기반 AI 학습/추론 |
| 핵심 강점 | 압도적인 범용성과 생태계(CUDA) | 저전력, 저비용, 높은 전력 대 효율 | 대기 시간(Latency) 최소화 | CPU 오프로딩(부하 감소) | 초거대 모델 학습 최적화 |
| 단점/한계 | 가공할 수준의 가격과 전력 소모 | 범용성 부족(특정 AI 모델만 지원) | 메모리 용량 한계로 다수 칩 필요 | AI 연산 자체는 수행하지 않음 | 구글 클라우드 환경 귀속 (폐쇄성) |
| 대표 제조사 | 엔비디아, AMD, 인텔 | 리벨리온, 퓨리오사AI, 인텔 | 그록 (Groq) | 엔비디아, AMD, 인텔 | 구글 (Google) |