单核Imagination E系列，把540p画面拉到1080p，只用2.3毫秒。
游戏里的AI超分：少搬数据，快出画面
以前做AI超分，得让GPU和NPU搭伙干活：GPU先渲染，结果存到DDR里，NPU再读出来做超分，完了再写回去——数据来回搬，慢不说还费电。E系列直接让GPU自己扛下图形计算和矩阵运算，把两类单元的“最后一公里”打通，图形数据就近进矩阵运算，不用绕远路。
再加上它自研的压缩技术，神经超分算法里的权重能减一半，模型要存要读的数据少了，速度自然上来。具体到游戏里，单核E系列拉到1080p只花2.3毫秒；4K分辨率下，带宽消耗最高降54%，帧率能到对照方案的2.5倍。还有它沿用的TBDR分块渲染，把整帧拆成小块逐块处理，中间数据留在片上，和AI能力一结合，数据进出内存的次数又少了。这些优化堆起来，还带来最高39%的每瓦性能提升。
大模型推理：Prefill提速4.7倍的关键
现在终端AI忙得很，像Agent这类应用，核心是大语言模型推理，分Prefill和Decode两个阶段：Prefill影响首Token延迟，Decode关乎每Token输出速度。E系列加了MXFP8、MXFP4低精度支持，刚好适配这两个阶段的需求——低精度能提高矩阵运算吞吐，让Prefill更快。按Imagination的测算，对比上一代，E系列的Prefill性能提升了4.7倍。
除了矩阵运算，E系列还强化了卷积计算能力，性能是上一代的4.4倍，刚好对应多模态AI里的视觉感知、图像处理这些任务。它的带宽也能跟上不同内存：通过AXI接口接入，适配LPDDR、GDDR、HBM，最高能跑768GB/s的读取带宽。
不是替代，是异构计算里的“搭子”
有人会问：GPU能做AI，那NPU是不是要被淘汰？Imagination的答案是“不是”。E系列的软件栈是通用的，开发者能用OpenCL、Vulkan写计算内核，也能接Llama.cpp、ONNX这些上层工具，不用每换一代就重新适配。
但实际部署里，不同任务还是有专属的最优计算单元：Agent里CPU管调度，GPU或NPU算模型；自动驾驶里，GPU只是异构SoC的一环，还要和感知、控制单元配合。E系列也为此做了准备：用硬件mailbox传状态，共享内存减少数据拷贝，客户还能把GPU软件集成进自己的SDK，让系统按需调用不同资源。
Imagination的逻辑很简单：不用追求全占，而是让GPU在融合计算里发挥最大作用。
如果未来终端GPU的AI能力足够覆盖更多AI任务，你觉得会有SoC厂商敢放弃专用NPU吗？
素材来源：雷峰网 · AI情报、大模型、AI芯片与算力
查看报道原文
发表第一条评论吧