NPU i Windows: vad det är, hur det fungerar och varför det är viktigt

Informatec Digital » Resurser » NPU i Windows: vad det är, hur det fungerar och varför det är viktigt

Ankomsten av NPU:er i Windows har helt förändrat hur vi använder artificiell intelligens på datorer. Det som tidigare nästan uteslutande förlitade sig på molnet börjar nu köras direkt på våra bärbara datorer, stationära datorer och minidatorer, med enorma förbättringar av hastighet, batteritid och integritet. Windows 11, särskilt med de nya Copilot+-enheterna och de senaste processorerna från Intel, AMD och Qualcomm, står i centrum för denna revolution.

Om du funderar på att uppgradera din dator under de kommande månaderna är det viktigt att förstå vad en NPU är, varför Microsoft kräver den för många avancerade AI-funktioner i Windows 11 , dess roll i Copilot+-datorer, vilka processormodeller inkluderar den och vilka verkliga applikationer som redan utnyttjar detta nya chip. Låt oss titta närmare, utan att göra något åt ​​det, så att du kan fatta ett välgrundat beslut om huruvida uppgraderingen är värd att göra.

Vad är egentligen en NPU och varför pratar alla om det nu?

När vi pratar om en NPU (Neural Processing Unit) i en modern dator, syftar vi på en processor som är specialiserad på att utföra matematiska operationer i neurala nätverk och andra maskininlärningsalgoritmer. Den är inte avsedd att ersätta CPU:n eller GPU:n, utan snarare att komplettera dem genom att hantera allt som har med AI att göra.

Till skillnad från centralprocessorn (CPU), som är utformad för att utföra logiska instruktioner sekventiellt, och grafikkortet, som fokuserar på massiv pixelrendering, är NPU:n utformad från grunden för att multiplicera och ackumulera matriser av tal med otrolig hastighet och med mycket låg strömförbrukning . Detta är just grunden för hur AI-modeller "tänker", från ansiktsigenkänning till bildgenerering.

I praktiken skulle vi kunna säga att NPU:er blir den specifika motorn för alla intelligenta funktioner i systemet och applikationerna, från bakgrundsoskärpa i ett videosamtal till transkribering i realtid, inklusive assistenter som Copilot eller avancerade videoredigeringsfilter.

En viktig fördel är att AI kan köras direkt på enheten utan att behöva skicka data till fjärrservrar. Detta förbättrar integriteten, minskar latensen och avlastar processorn och grafikkortet , vilket frigör dem för andra uppgifter.

Dessutom utformar många tillverkare dessa enheter för att fungera med format med lägre precision som INT8 istället för FP32. Eftersom det inte krävs extrem matematisk precision för att göra korrekta förutsägelser kan NPU:n spara en betydande mängd energi med varje inferens , vilket är särskilt viktigt i bärbara datorer och minidatorer.

CPU, GPU och NPU: triangeln i den moderna SoC:n

Processorerna som används i moderna Windows 11-enheter använder vanligtvis en System-on-a-Chip (SoC)-metod, där CPU, GPU och NPU är integrerade på samma kiselchip . Denna fysiska närhet gör att de kan dela system-RAM och överföra uppgifter mellan sig utan betydande flaskhalsar.

I denna triangel fungerar processorn som den kontrollerande hjärnan, grafikkortet hanterar massiv parallell bearbetning för grafik, och processorn fokuserar helt på maskininlärning och neurala nätverksoperationer . Var och en har sitt expertområde, och Windows 11 bestämmer vad som ska vara baserat på arbetsbelastningen.

När systemet behöver tillämpa videoeffekter, utföra talöversättning i farten eller köra en ONNX AI-modell analyserar Windows 11 den tillgängliga hårdvaran och, om den upptäcker en NPU, omdirigerar den dessa uppgifter till den för att uppnå bästa möjliga balans mellan prestanda och strömförbrukning . Om NPU:n av någon anledning inte är tillgänglig tar GPU:n eller i slutändan CPU:n över.

Denna intelligenta uppgiftsfördelning är särskilt viktig i tunna bärbara datorer, minidatorer och allt-i-ett-datorer, där värmehantering och strömförbrukning är avgörande (se våra handledningar om bärbar datorhårdvara ). Att avlasta kontinuerligt AI-arbete till NPU:n förhindrar att processorn överhettas och måste strypa sin frekvens , vilket bibehåller den övergripande systemjämnheten.

När det gäller effektivitet kan en konventionell GPU förbruka tiotals watt för att köra AI-algoritmer av viss komplexitet, medan en NPU kan göra samma jobb med mycket lägre förbrukning , vilket gör att du enkelt kan förlänga batteritiden med 15 % till 20 % i intensiva AI-scenarier.

NPU och Windows 11: rollen för Copilot+-datorer

Microsoft har gått ett steg längre med introduktionen av Copilot+ PC, en ny kategori av Windows 11-datorer utformade för att göra AI inte till en extra funktion, utan något integrerat i användarens dagliga liv. Dessa maskiner utmärker sig bland annat genom att ha en högpresterande NPU som kan överstiga 40 TOPS (Tera Operations Per Second).

Detta krav på mer än 40 TOPS är inte en infall: många av Windows 11:s nya AI-funktioner, både på system- och applikationsnivå, behöver den nivån av ihållande kraft för att leverera realtidsöversättningar, bildgenerering, videoeffekter och intelligenta assistenter utan att försämra batteritiden eller prestandan för andra uppgifter.

I praktiken är en Copilot+ PC utformad för att erbjuda batteritid som räcker hela dagen, ständigt tillgängliga AI-upplevelser och direktåtkomst till Microsofts mest avancerade AI-modeller och funktioner. Tanken är att du kan använda Copilot för att arbeta, studera eller skapa utan att förlita dig så mycket på molnet.

Dessa system använder nästa generations processorer från Qualcomm (som Snapdragon X Elite-familjen), AMD (som den senaste Ryzen AI) och Intel (Core Ultra och efterföljare) – för att jämföra alternativ, se motsvarigheterna för Intel- och AMD-processorer . De delar alla konceptet att integrera tre processormotorer: CPU, GPU och NPU , så att Windows 11 kan fördela arbetsbelastningen mycket effektivt.

Själva Windows 11-plattformen förbereder sig för att dra nytta av dessa funktioner genom unika upplevelser, såsom förbättrade videosamtalseffekter, intelligent dokumentorganisation, assistenter som sammanfattar lokalt innehåll och kreativa funktioner som förlitar sig på AI utan att ständigt skicka data till molnet.

Snapdragon X Elite-chippet och Qualcomms satsning

En av nyckelkomponenterna i Copilot+ PC är Snapdragon X Elite-chippet, baserat på Arm-arkitekturen och utvecklat av Qualcomm. Denna processor designades med AI-integration i åtanke och innehåller en mycket kraftfull och extremt energieffektiv NPU.

Snapdragon X Elites NPU kan bearbeta stora datamängder parallellt och nå tiotals biljoner operationer per sekund , vilket gör att den kan hantera AI-intensiva uppgifter som simultanöversättning, bildförbättring eller realtidsanalys utan att batteriet töms på nolltid.

Windows 11 koordinerar det kombinerade arbetet hos processorn, grafikkortet och processorn (NPU) i dessa enheter. Systemet bestämmer vid varje given tidpunkt vilken komponent som är bäst lämpad för varje uppgift och söker den optimala balansen mellan hastighet, respons och energiförbrukning . Detta resulterar i mycket tunna och lätta bärbara datorer med batteritid som räcker hela dagen och en konsekvent aktiv AI-upplevelse.

Den största fördelen med denna metod är att många av AI-upplevelserna i Copilot+-datorer kan köras direkt på själva enheten: från Windows 11-funktioner till tredjepartsverktyg optimerade för NPU:n . Detta minskar beroendet av en internetanslutning och förbättrar datasäkerheten.

Qualcomm erbjuder även specifika resurser för utvecklare genom sin Qualcomm AI Hub, där du kan hitta modeller som redan är optimerade och validerade för dessa NPU:er , redo att köras effektivt på Copilot+-enheter med Snapdragon X Elite.

Hur Windows upptäcker och använder NPU:n för artificiell intelligens

NPU:n, precis som alla andra hårdvaruresurser i en dator, behöver operativsystemet och applikationerna för att veta hur de ska kommunicera med den och utnyttja dess kraft . Microsoft har förfinat hur man kommer åt dessa enheter, och för närvarande är rekommendationen att använda Windows Machine Learning (WinML eller WinML) som den primära metoden.

Under en tid var DirectML standardmetoden för att arbeta med AI-acceleration på Windows, men nu har WinML tagit över . Denna förändring syftar till att förenkla utvecklarens liv och göra det möjligt för applikationer att utnyttja NPU och GPU så sömlöst som möjligt, både på Copilot+-datorer och andra enheter med Intel- eller AMD-NPU:er.

Med Windows ML identifierar systemet automatiskt de exekveringsproviders (EP:er) som är kompatibla med enhetens hårdvara. Istället för att utvecklaren manuellt måste paketera tillverkarspecifika bibliotek, laddar Windows ner och hanterar dessa EP:er på ett integrerat sätt via själva systemet eller Windows Update.

I grund och botten använder Windows ML fortfarande ONNX Runtime som sin inferensmotor, men det döljer mycket av komplexiteten i att hantera olika hårdvaruleverantörer från utvecklaren . Microsoft samarbetar direkt med Qualcomm, Intel, AMD och andra partners för att säkerställa att uppdaterade och optimerade EP:er finns tillgängliga för varje ny generation av kisel.

När en applikation distribuerar en AI-modell med hjälp av Windows ML på en dator med en NPU, sker processen automatiskt: WinML kontrollerar vilka acceleratorer som är tillgängliga, väljer den mest effektiva EP:n (QNN för Qualcomm NPU:er, OpenVINO för Intel-plattformar, etc.), laddar den och startar inferens. Om något går fel växlar den sömlöst till GPU:n eller CPU:n utan någon användarintervention.

Modellformat, kvantisering och utvecklarverktyg

AI-modeller tränas vanligtvis initialt på högprecisionsformat som FP32, men konsument-NPU:er tenderar att fungera bättre med mindre representationer som INT8 för att uppnå mycket högre prestanda och energieffektivitet.

Det här innebär att modeller måste konverteras eller kvantiseras innan de körs på NPU:n. Många modeller finns tillgängliga färdiga att använda i optimerat ONNX-format, men de som vill ta med sin egen modell (BYOM) kan använda specifika verktygskedjor för att anpassa den till hårdvaran.

Bland de mest intressanta resurserna finns Qualcomm AI Hub , som erbjuder validerade och optimerade modeller för att köras på Copilot+-datorer med Snapdragon X Elite-processorer. Även den populära ONNX Model Zoo ingår , ett arkiv med förtränade modeller med öppen källkod som är redo att köras på olika NPU-aktiverade enheter, inklusive de från Intel och AMD.

För att optimera sina egna modeller rekommenderar Microsoft att använda Olive, ett verktyg som integreras med ONNX Runtime för att hantera komprimering, optimering och NPU-orienterad kompilering . Denna kombination möjliggör betydligt högre prestanda med samma hårdvara, vilket är särskilt viktigt i bärbara datorer där varje watt räknas.

Hela det här ekosystemet gör det mycket enklare för utvecklare att fokusera på användarupplevelsen och lämna den lågnivåbaserade hårdvaruintegrationen till Windows ML, ONNX Runtime och tillhörande verktyg , vilket var där kompatibilitets- och underhållsproblem brukade uppstå.

Hur man mäter den faktiska prestandan för en NPU i Windows

När man integrerar AI-funktioner i en applikation är det avgörande att mäta modellernas faktiska prestanda på NPU:n och förstå vad som händer i systemet. Windows erbjuder flera diagnostik- och spårningsverktyg för att göra detta i detalj.

Den första referenspunkten, tillgänglig för alla användare, är Aktivitetshanteraren i Windows 11. På fliken "Prestanda" finns ett specifikt avsnitt för NPU:n tillsammans med CPU, minne, disk, Wi-Fi och GPU. Där kan du se användningsprocent, drivrutinsversion och annan relevant data.

För utvecklare och avancerade användare kommer andra kraftfullare verktyg till användning, till exempel Windows Performance Recorder (WPR) , som nu inkluderar en neural bearbetningsprofil för att registrera NPU-aktivitet, och Windows Performance Analyzer (WPA) , som låter dig analysera dessa inspelningar.

WPR genererar detaljerade spår av hur systemet interagerar med NPU:n via Microsofts MCDM-drivrutinsmodell. Sedan låter WPA dig visa grafer och tidslinjer som visar CPU, disk, nätverk, ONNX Runtime-händelser och en dedikerad NPU-tabell , allt på samma tidslinje.

Detta gör det möjligt att undersöka aspekter som arbetsbelastning, modellladdningstid, skapande av inferenssessioner, konfigurationsparametrar för exekveringsleverantörer, tidpunkten för varje enskild inferens och profilen för varje operator inom AI-modellen. Även NPU-underhårdvarumått, såsom minnesbandbredd, kan observeras.

Ytterligare verktyg: GPUView, ONNX Runtime och hårdvaruprofiler

Förutom WPR och WPA erbjuder Windows-ekosystemet andra verktyg som hjälper till att bättre förstå exakt vad NPU:n gör när AI-modeller körs . Ett av dessa är GPUView, ett verktyg som läser händelser som registrerats i spårningsfiler (.etl) och visar dem visuellt.

GPUView kan nu visa inte bara GPU-operationer, utan även NPU-aktivitet och DirectX-händelser associerade med MCDM-enheter . Detta är användbart för att se hur arbetsbelastningen faktiskt fördelas mellan GPU och NPU när en applikation använder både AI och grafik intensivt.

Å andra sidan genererar ONNX Runtime, med början från version 1.17 och med förbättringar i 1.18.1, körtidshändelser som kan fångas och visualiseras med WPA . Detta låter dig se hur lång tid det tar för en modell att ladda, vilken EP-konfiguration som används, hur slutsatser på NPU:n (t.ex. QNN) beter sig och hur mycket tid varje operator förbrukar inom modellen.

Utvecklare kan kombinera specifika ONNX Runtime-profiler med andra WPR-profiler (CPU, disk, etc.) för att få en mycket exakt bild av var tid spenderas och hur man optimerar prestandan . Dessutom erbjuder tredjepartsverktyg som Qualcomm Snapdragon Profiler (qprof) en systemövergripande vy och ger ännu mer detaljerade NPU-mätvärden på Snapdragon-plattformar.

Med den här uppsättningen verktyg är det inte bara möjligt att verifiera att NPU:n används, utan också att upptäcka flaskhalsar, oväntade latenser eller suboptimala konfigurationer och korrigera dem för att få ut det mesta av den tillgängliga hårdvaran.

Hur man vet om din Windows-dator har en NPU och vad den använder för att dra nytta av den

För slutanvändare är den typiska frågan: har min dator faktiskt en NPU och använder Windows den? Det enklaste sättet att kontrollera är att öppna Aktivitetshanteraren (Ctrl+Shift+Esc), gå till fliken "Prestanda" och leta efter ett avsnitt märkt "NPU".

Om ett dedikerat NPU-diagram visas betyder det att din dator har denna specialiserade processor. Därifrån kan du se vilka program som förbrukar NPU-resurser på fliken "Processer" eller fördjupa dig med avancerade verktyg för en mer teknisk analys. Om det inte visas kan det vara bra att kontrollera datorns systemkonfiguration och BIOS- eller UEFI-inställningar för att verifiera firmwarejusteringar eller stöd för acceleratorer.

Närvaron av NPU:er blir allt vanligare i moderna datorer, särskilt i bärbara datorer som är certifierade som Copilot+ PC och de som integrerar den senaste generationens processorer från AMD, Intel eller Qualcomm. Tillverkare integrerar dessa enheter som en standard hårdvarukomponent, precis som GPU:er en gång var integrerade i själva processorerna.

I många fall börjar användaren märka fördelarna utan att behöva ändra något i sitt arbetssätt: tydligare videosamtal, effekter som tillämpas i realtid utan fördröjning, längre batteritid vid användning av smarta funktioner och en övergripande känsla av smidighet även med flera uppgifter som körs samtidigt.

För de med teknisk nyfikenhet låter Windows spårningsverktyg dig veta exakt vilka processer som belastar NPU:n och med vilka användningsmönster , något som är mycket användbart om du testar ny programvara eller om du vill verifiera att en applikation verkligen utnyttjar hårdvaran.

Verkliga applikationer som redan drar nytta av NPU i Windows

Utöver teorin är det intressant att se vilka vardagsprogram som utnyttjar NPU:n i Windows . Listan växer månad för månad, men flera välkända namn har redan börjat förlita sig på detta chip för att accelerera sina AI-funktioner.

Inom bildredigeringens värld är Adobe Photoshop ett utmärkt exempel. AI-drivna verktyg som automatisk objektmarkering, bakgrundsborttagning och brusreducering i farten kan köras mycket snabbare om datorn har en NPU, vilket frigör grafikkortet för andra renderingsuppgifter.

När det gäller säkerhet har Norton Antivirus integrerat AI-drivna funktioner som utnyttjar NPU:n för att snabbare upptäcka nätfiskeförsök och bedrägerier på webbplatser. Detta gör realtidsskyddet snabbare utan att överbelasta processorn eller sakta ner systemet.

Inom design och visuellt innehåll har plattformar som Canva lagt till allt kraftfullare AI-drivna genererings- och redigeringsverktyg. Många av dessa funktioner kan accelereras med lokal hårdvara när en NPU är tillgänglig, vilket minskar väntetiderna vid tillämpning av filter, generativa bakgrunder eller smarta justeringar.

För videoredigering integrerar DaVinci Resolve Studio även verktyg som drar nytta av lokal AI-acceleration, såsom brusreducering, ansiktsigenkänning, automatisk bildruta och andra avancerade funktioner. Att delegera dessa uppgifter till NPU:n resulterar i en smidigare redigeringsupplevelse och kortare exporttider.

Dessutom, på operativsystemnivå, utnyttjar Windows Studio Effects, Copilot och andra Windows 11-funktioner NPU:n för att köra videoeffekter, talisolering eller kontextuella assistenter i realtid, vilket håller processorn fokuserad på de produktivitetsapplikationer som användaren har öppna.

NPU:er på marknaden: Intel, AMD, Qualcomm och satsningen på AI-datorer

Införandet av NPU:er i persondatorer är inte ett isolerat experiment: allt tyder på att vi bevittnar en grundläggande övergång liknande övergången till SSD-diskar eller integrationen av GPU:er i processorer . Analysföretag som IDC uppskattar att mer än 100 miljoner personliga enheter (bärbara datorer, surfplattor och stationära datorer) kommer att släppas med integrerade NPU:er år 2025.

I detta sammanhang är de tre stora aktörerna som investerat mest i native AI för PC-datorer AMD, Intel och Qualcomm . Var och en med sin egen strategi, men alla med samma mål: att göra det möjligt för AI att köras direkt på användarens hårdvara, snabbt, effektivt och privat.

AMD har till exempel lanserat Ryzen AI Max-serien och Ryzen AI 300-familjerna , med arkitekturer som Zen 5 och XDNA 2. De mest avancerade modellerna erbjuder upp till 55 toppresultat i AI-prestanda, vilket multiplicerar prestandan från föregående generation med fem och möjliggör mycket kraftfulla ultraportabla formfaktorer. För att lära dig mer om deras arkitekturer kan du läsa om AMD RDNA 5 och uDNA.

Inom detta intervall utmärker sig processorer som AMD Ryzen AI 9 HX 370 , vars NPU når 50 TOPS och överstiger Copilot+ PC-minimitröskeln med 25 %, liksom Ryzen AI 395+ , som erbjuder ännu bättre och hållbar AI-prestanda för krävande lokala modeller. Tack vare deras spatial dataflow-metod flyttar dessa chip data mellan MAC-enheter utan att ständigt behöva komma åt RAM-minne, vilket minskar latens och strömförbrukning.

Intel har för sin del tydliggjort att AI är kärnan i deras färdplan: målet är att leverera mer än 100 miljoner processorer med dedikerade AI-acceleratorer inom ett par år, uppnå upp till 120 TOPS kombinerad prestanda och stödja mer än 500 AI-baserade funktioner med stöd av ett ekosystem av hundratals oberoende mjukvaruutvecklare. För att följa utvecklingen av deras chip, kolla in våra senaste nyheter om Intel-processorer.

När det gäller Qualcomm har deras Snapdragon X Elite PC-plattformar blivit en av grundpelarna i Copilot+ PC:er, vilket befäster modellen där CPU, GPU och NPU samexisterar i en mycket effektiv SoC, perfekt för ultratunna bärbara datorer med många timmars batteritid och alltid tillgängliga AI-funktioner.

Fördelar för olika typer av användare: från kontorsautomation till lokal AI

Den stora frågan för många är: vad vinner jag i mitt dagliga liv med en NPU i Windows? Svaret beror på vilken typ av användning det gäller, men nästan alla vanliga användare drar nytta av det på ett eller annat sätt.

För kontorsanställda tillåter NPU funktioner som Windows Studio-effekter i videosamtal (bakgrundsoskärpa, autofokus, ljusförbättring, röstisolering) att köras utan att anstränga processorn. Detta frigör mer utrymme för att hantera tunga kalkylblad, flera öppna produktivitetsprogram och intensiv webbsurfning utan att datorn blir långsammare.

Studenter och distribuerade team kan dra nytta av realtidsöversättningar, automatisk ljudtranskription och assistenter som hjälper till med dokumentsammanfattningar, även i scenarier med begränsad anslutning. Lokal AI eliminerar mycket av latensen och förbättrar upplevelsen i internationella möten.

Kreativa yrkesverksamma, både inom fotografi och video, drar nytta av NPU-accelererade filter, scenigenkänning, smarta masker och snabbare generativ fyllning , vilket minskar väntetiderna vid redigering och export av projekt. Detta är särskilt märkbart i krävande arbetsflöden.

Slutligen hittar användare som vill köra AI-modeller lokalt på sina datorer (till exempel för att undvika att ladda upp känslig data till molnet) den saknade pusselbiten i NPU:n. Bearbetning av slutsatser på själva enheten skyddar integriteten, eliminerar anslutningsberoenden och kan erbjuda mycket konkurrenskraftiga svarstider för uppgifter som lokala chattrobotar, dokumentklassificering eller bildanalys.

I samtliga fall är den gemensamma nämnaren att NPU:n gör att AI slutar vara något avlägset som bara fungerar när du är uppkopplad, och fungerar som en inbyggd funktion i datorn, alltid tillgänglig och anpassad till vad du gör , från det enklaste till det mest avancerade.

Vanliga frågor om NPU, prestanda och sekretess i Windows

En vanlig fråga är hur en NPU egentligen skiljer sig från ett traditionellt grafikkort . Även om en GPU kan köra AI-modeller är den främst utformad för grafik, medan en NPU är utformad uteslutande för att accelerera neurala nätverk och maskininlärningsoperationer. Detta gör att den kan frigöra både CPU och GPU från repetitiva AI-uppgifter samtidigt som den förbrukar betydligt mindre ström.

En annan viktig fråga är hur det förbättrar integriteten. Genom att köra AI-funktioner lokalt förhindrar NPU:n att du kontinuerligt behöver skicka personuppgifter till molnet . För de som arbetar med känslig information (journalister, advokater, läkare, företag med kritisk data) eller helt enkelt värdesätter sin integritet, gör detta en betydande skillnad jämfört med att helt förlita sig på fjärrtjänster.

När det gäller spel ersätter inte en NPU GPU:n, men den kan indirekt hjälpa till i vissa scenarier . Tekniker som AMD FidelityFX Super Resolution använder AI för att skala upp bilden och förbättra bildfrekvensen (eller Nvidias DLSS 5 ). Om en del av den beräkningen görs av NPU:n kan GPU:n fokusera på ren rendering, vilket i vissa titlar leder till mer balanserad övergripande prestanda.

Det är också logiskt att undra om AI:n som är integrerad i antivirusprogram, assistenter eller produktivitetsverktyg kommer att "spionera" mer. Verkligheten är att lokal bearbetning i NPU:n möjliggör precis det motsatta : ju mer som görs på själva enheten, desto mindre data måste resa till externa servrar, vilket minskar attackytan. Med det sagt är det alltid lämpligt att granska integritetspolicyn för varje applikation.

Den allmänna uppfattningen, både bland tillverkare och analytiker, är att NPU:er och AI-datorer inte är en övergående modefluga, utan snarare nästa logiska steg i PC-utvecklingen , precis som flerkärniga processorer och SSD-lagring var på sin tid. Vi är fortfarande i ett tidigt skede, men det vi redan ser på marknaden tyder på att NPU:er, om bara några år, kommer att vara lika vanliga som integrerade GPU:er.

All denna rörelse mot NPU:er i Windows bygger en solid grund för att AI ska gå från att vara en isolerad molntjänst till en standardfunktion i persondatorer, vilket möjliggör snabbare, effektivare och mer privata datorer som är bättre anpassade till hur vi arbetar, studerar och skapar innehåll varje dag.