Imagination E系列GPU：一套架构覆盖图形计算AI，首批芯片年内流片

9月21日，Imagination Technologies（下称Imagination）对外披露了E系列GPU IP的首批性能数据与演示成果，同时带来一项名为Neural Super Resolution（NSR，神经超分辨率）的AI加速超分方案。

这批新进展再次指向Imagination的GPU-first路线：用同一套架构搭配同一套软件栈，芯片设计方就能跑图形、计算、AI这几类不同的负载。

边缘设备的应用越变越复杂，芯片设计厂商于是不断加塞面向不同负载的专用加速模块、软件栈和数据通路。碎片化的后果有两头：系统集成变得更吃力，一些固定功能硬件也可能在需求转向后白白闲着。

这几年，各类边缘AI处理器在功能组合上越来越像，都在性能、能效和灵活性之间找平衡点。GPU恰好适合这类融合架构——并行加速能力、成熟的软件生态、通用灵活性加上图形处理能力，它都占。

E系列去年第一次亮相，把可编程AI加速高效地塞进了GPU渲染管线。一颗处理器、一套软件栈，既能单独跑，也能和CPU以及其他加速器配合，生成式AI、神经渲染、游戏等负载都覆盖。

面向设备端 AI 的可编程加速

芯片架构一旦定下来，AI模型和它底层的运算却还在往前走。E系列有通用计算能力，编程模型是大家熟悉的GPU那套，行业标准API也支持，开发者因此能在设备整个生命周期里实现新算子，靠GPU内部高度集成的Matrix Accelerator（矩阵加速器）来提速，BF16、FP4和MX这些高精度、低精度数据格式也都在支持之列。

效果是：拿典型边缘语言模型来说，这颗处理器对比上一代D系列，预填充性能涨了4.7倍。以Qwen 3.5 4B为例，典型工作负载下，一款1.5GHz的四核E系列GPU首次Token生成只要0.2秒，解码吞吐量达到每秒150个Token。

为了让大家更容易往Imagination GPU上移植，优化过的Llama.cpp后端眼下正被贡献到上游开源项目；原生PyTorch和ONNX Runtime支持也会在后续跟上。

计算：智能计算的坚实基础

除了那些受关注的应用，E系列在人工智能、计算机视觉、信号处理和通用计算里被广泛使用的基础计算操作上，性能同样有提升。举个例子，和D系列同类产品比，E系列跑Conv2D内核快4.4倍，跑GEMM内核快4.8倍。矩阵乘法这类负载下，GPU利用率能到89%。

神经渲染这条路，让融合技术在图形处理管线上开出了新机会。Imagination新推出的神经超分辨率（NSR）技术借助行业标准扩展，把E系列的矩阵加速能力用到了图形处理管线里。

这套时序超分辨率方案是针对Imagination GPU深度优化的，走单次处理路线，再叠上Imagination自家的网络自压缩技术，神经网络里约65%的冗余权重可以被去掉，模型更省电。在1GHz单核E系列GPU上，典型的540p到1080p超分操作延迟只有2.3毫秒。

和原生渲染比，NSR不光把帧率拉高了一大截，内存带宽消耗也砍了一半，画质上则和真实图像的视觉效果非常接近。NSR会作为库功能集成进PowerVR SDK，并通过与Unreal Engine和Godot的集成来提供支持。

图形处理依旧是E系列的重心。这代架构在图形性能上有明显进步，包括支持DirectX 12 FL11_0。实际游戏负载里，E系列对上一代同类产品性能提升最高54%，四核配置跑部分AAA级桌面游戏能超过60fps。每瓦性能提升最高39%。

各方表态方面，Jon Peddie Research总裁兼创始人Jon Peddie认为，传统处理器类别的边界正在变模糊，CPU靠向量扩展来提升AI性能，NPU也变得更通用；Imagination的判断是GPU可能在这一趋势里跑在前面，因为GPU除了并行计算和软件生态，还能在处理AI与计算负载的同时兼顾图形任务。

Imagination CEO Markus Mosen说，过去十年边缘负载变化很大，随之而来的是处理器碎片化、软件复杂性以及芯片资源利用不充分等问题，公司的GPU路线图就是冲着这些挑战去的。

象帝先计算技术有限公司总经理张珩表示，Imagination和他们愿景一致，都是要把高性能渲染能力带给更多中国客户。W4 Games、Godot引擎公司技术总监Clay John则说，开发者往往要在视觉质量和性能之间做取舍，针对硬件优化的超分辨率方案能改变这种平衡。

供应方面，E系列有多种配置可选，从智能手机到高性能系统都覆盖得到。

Imagination称，已有多家合作伙伴拿到该技术授权，首批基于E系列的芯片预计今年晚些时候完成流片。