除了 David 指出的内存差异之外，DSP 芯片还有多个乘法/累加 (MAC) 单元。MAC 是一种非常常见的信号处理操作，它是滤波器和 FFT/iFFT 操作的基础。我过去使用的一些 DSP 芯片有 6 个 MAC 单元，这使它们可以通过两种方式加速 FFT 运算：它们可以一次执行 6 个 MAC 运算，而 MAC 运算本身需要一个时钟周期，而在一般情况下用途微处理器每个 MAC 至少需要两个时钟周期，因为它是一个乘法，然后是一个加法。

我的信息可能有点过时，并且信息可能会因您查看的确切 DSP 芯片而异。DSP 芯片上的存储器架构通常具有多个可同时访问的存储器。以哈佛内存架构为例。DSP 芯片上的指令集也高度专业化，以有效利用这种存储器架构。制造商通常会为 FFT 提供库代码，因为典型的开发人员需要花费一些时间来手动优化代码。

GPU 上的内存往往是缓存的层次结构，从快速但小的缓存开始，然后到较慢的主内存。

DSP 芯片通常具有专用于存储 FFT 旋转因子的存储器，即 sin() 和 cos() 因子。在 GPU 上，这些因素可以存储在缓存中，但通常不明确且无法保证。

FFT 的输出通常不是按顺序排列的，即频率分档不显示为分档 1、分档 2、分档 3 ...。相反，它们以位反转的顺序出现。DSP 芯片通常具有显式位反转寻址模式，因此可以有效访问 FFT 输出。在 GPU 上，不使用这种寻址模式，因为它很少使用。

希望有帮助。

此外，DSP 具有专用的硬件循环单元，可将 DSP 从软件循环中解放出来。

软件循环：执行循环内容，递增循环变量，检查条件，如果条件满足则跳回

硬件循环：您告诉硬件您要执行特定地址范围的次数，其余的将由硬件处理。

没有额外的循环开销。

David 提到，有一种反向寻址模式可以更快地读取 FFT 结果，而无需软件中的寻址开销，但还有一种模 N 寻址模式，它能够构建循环缓冲区而无需软件边界检查和倒带。