XPU（NPU/TPU 等）越来越多，选型思路：

1. 通用性 vs 效率：GPU 生态成熟、通用性强，专用加速器能效比高但生态窄；
2. 算子覆盖：先看你的模型算子加速器是否都支持，不支持的会回落到 CPU；
3. 软件栈：编译器和框架支持度决定实际能用多少算力；
4. 迭代风险：模型结构变化快，专用硬件可能跟不上。

我的建议是推理用专用、训练用通用，混合部署。

大家怎么选？