近年来，背景虚化和视频超分辨率等功能越来越多地采用本地AI模型进行处理。然而，这类AI工作负载的计算需求通常比普通任务更高。因此，尽量避免使用CPU进行此类处理，转而充分利用最新GPU中专门用于矩阵运算的神经网络引擎（Neural Engine）或专为AI设计的神经处理单元（NPU）显得尤为重要。Windows 11的“任务管理器”经过持续更新，现已支持查看GPU神经引擎和NPU的使用情况。
美国微软公司于8月19日在其官方博客“Windows IT Pro Blog”发布文章，介绍了如何通过“任务管理器”可视化AI工作负载的运行状态。这不仅对IT专家和应用开发者有帮助，对高级用户同样实用。
关注点一：是否使用了NPU或GPU神经引擎
AI工作负载虽然可以在CPU上运行，但效率远不及在GPU或NPU上执行。CPU执行时，功耗增加，风扇噪音加大，笔记本电脑发热严重甚至无法放在膝上使用，电池续航也会迅速下降。
即使使用GPU，也应确认是否调用了GPU的神经引擎而非普通GPU计算。GPU神经引擎与NPU类似，能更高效地完成AI计算。用户可以在“任务管理器”的“进程”视图中启用“GPU引擎”列，通过显示信息判断使用的是哪种计算单元。
- NPU运行（高效）：在“NPU引擎”列显示如“NPU 0 - Compute”或“NPU 0 - Neural”等字样，具体显示取决于处理器和驱动版本，表示设备内置NPU正在高效处理。
- GPU神经引擎运行（高效）：在“GPU引擎”列显示“GPU 0 - Neural”等，说明调用了GPU的神经引擎而非普通GPU计算，效率更高。
- 未使用NPU或GPU神经引擎：仅“CPU”列显示高使用率，“NPU”列保持0%，且“GPU引擎”列无“GPU 0 - Neural”显示，表明AI计算未充分利用专用硬件。
此外，在“性能”页面可以查看整体使用率，支持神经引擎的GPU可切换至“Neural”图表查看相关负载。
关注点二：内存使用情况
检查NPU/GPU的内存使用也很关键。例如，某些系统同时拥有专用NPU内存和共享NPU内存，当共享NPU内存使用量增加时，可能意味着专用内存已满，系统开始使用共享内存，导致性能下降。对于集成NPU等无专用内存的配置，专用NPU内存栏会为空。
这些信息可在“详细信息”视图中查看，右键列标题启用以下列：
- Dedicated NPU memory（专用NPU内存）
- Shared NPU memory（共享NPU内存）
- Dedicated GPU memory（专用GPU内存）
- Shared GPU memory（共享GPU内存）
关注点三：电力消耗
在“进程”视图中，还可以查看“电力消耗”和“电源使用趋势”列。如果显示为“低”或“非常低”，说明NPU或GPU神经引擎被有效利用，处理效率较高。
若显示为“高”，则可能是任务回退到CPU或普通GPU计算，建议检查应用设计或设置以优化AI硬件的使用。
