Imagination E系列性能首秀：用AI把分辨率翻倍仅需2.3毫秒，Prefill性能提升4.7倍

作者 | 陈悦琳 编辑 | 包永刚 越来越繁重的AI计算正被引入终端。 运行本地大模型和Agent、同时处理视觉、语音和多种传感器数据……这些开始由消费电子、汽车、机器人等智能终端承担的新负载，最终都要交付给底层的SoC来执行。 要么引入新的专用AI加速器，要么扩展系统内已有模块的职责——围绕AI能力如何融入SoC，Imagination Technologies（以下简称“Imagination”）两条路都走过。在此前CNN主导大量端侧视觉AI任务的时期，这家深耕GPU IP三十余年的公司既尝试让GPU参与AI计算，也推出过独立的神经网络加速器。 然而，当模型、算子和软件生态持续变化，Imagination开始意识到专用硬件对模型适配和软件维护的不堪重负，逐渐把AI战略重心收回至通用性更强的GPU。 日前在Imagination GPU IP最新E系列的产品展示会上，Imagination首席营收官Jake Kochnowicz再次强调，在真实部署里，软件甚至可能成为比硬件更大的成本。 基于GPU的可编程架构和已有软件生态，瞄准高性能应用的E-Series强化了矩阵乘法、低精度计算、卷积运算等能力，一边承接新的AI负载，另一边也持续押注图形处理这一GPU的老本行。 Imagination CEO Markus Mosen总结：“通过将图形、计算和AI功能整合到一个可编程架构中，我们为芯片设计厂商提供了一款值得长期构建和演进的平台型处理器。” 这意味着，Imagination真正想验证的是，当一颗GPU开始覆盖越来越多AI任务，能否借助同一套硬件和软件体系，让算力利用得更充分、数据少搬一些，软件开发和维护也少做一些重复工作。 3A桌面游戏帧率突破60FPS，离不开一颗神经核 E系列强化AI能力后，用户最容易感知到的变化，仍然发生在GPU擅长的游戏场景。凭借四核E-Series，部分3A级桌面游戏的帧率可以超过60FPS。 提高帧率的其中一条路径，是减轻传统图形渲染的负担。引入 Neural Core （神经核）的E系列，用AI超分技术来实现这一目标。相比原生高分辨率渲染需要直接生成更密集的画面信息，AI超分的方式允许GPU先按较低分辨率渲染，再由神经网络重建高分辨率画面。 Jake指出，传统异构路径会选择让GPU负责渲染、NPU（神经网络处理器）负责超分，这意味着图像可能需要先写入共享的DDR内存后再由NPU读出、处理并写回。而E系列直接让GPU自身独自承担图形计算和矩阵运算，大大缩减了 距离成本 。与此同时，Imagination还进一步打通E系列内部两类计算单元的“最后一公里”，将矩阵计算能力深度整合进原有着色器执行体系，图形计算产生的数据可以就近进入矩阵运算。 硬件架构之外，结合其独有的压缩技术，Imagination自研的 神经超分辨率算法 在单次神