随着 deepseek 等轻量化大模型快速发展， Edge端 AI 应用正在进入爆发期，从智能终端供应设备到车载系统，对边缘侧的算力提出了前所未有的需求。在这样的背景下，Imagination Technologies隆重推出 Imagination E-Series GPU IP，重新定义了边缘人工智能和图形系统设计。

在近期召开的媒体发布会上，Imagination中国区技术总监艾克分享说：“E系列GPU是Imagination划时代的一款GPU产品，是针对边缘侧推出的一种更高效、更灵活的AI和图像处理的解决方案。首款 E-Series GPU IP 将于 2025 年秋季正式上市，目前已完成授权。汽车、消费电子、桌面及移动版本亦在同步开发中。”

据介绍，E-Series延续了Imagination GPU 一贯强大的图形处理能力，包括对光线追踪的支持。在此基础上，E系列GPU具备两项核心创新，即Neural Cores（神经核）和Burst Processors（爆发式处理器）。

l Neural Cores（神经核）：性能可扩展至200 TOPS INT8 ，AI 性能较前代D系列（ D-Series ）提升高达 400%;支持多种主流 AI 数值格式，能够与更广泛的GPU及异构计算软件生态实现无缝协同。其算力可通过OpenCL 等主流 API直接调用，开发者借助oneAPI、Apache TVM 或 LiteRT等开放标准工具，能将工作负载迁移至神经核。

l Burst Processors：爆发式处理器是E系列引入的全新技术，该技术通过缩短流水线深度、减少数据在GPU内部的移动，实现能效提升。在 AI 推理、游戏和用户界面等工作负载下平均功耗效率再提升 35%。

Imagination 产品管理副总裁Kristof Beets特别强调的说：“35% 的能效提升是依靠硬件架构的创新来实现的，具体包括整体调度、数据的存取以及数据类型，以及新加入的处理流水线。不是通过工作负载的重新分配，算法的优化来实现的，也不是通过工艺制程来实现的，纯粹就是硬件架构的革新带来的能效提升。”

E系列架构创新的几个关键

E系列GPU的核心创新在于通过将AI算力与GPU核心渲染管线深度融合，实现了硬件层面的统一调度与资源共享。这一架构突破，不仅解决了传统GPU与AI加速器解耦设计的效率瓶颈，更通过硬件级融合，为异构计算提供了高密度、低延时的协同计算范式。

E系列 GPU原生调度的关注点是放在利用率的提升上。它由数据驱动，让运算的流水线尽可能保持忙碌，通过同时处理多个并行的图形处理和AI工作负载，来调度图形和AI工作去减少系统延迟，并保证 ALU 尽可能的繁忙。当 ALU 的利用率越高，也就意味着整体带宽延迟就越低。

艾克介绍说：“Burst 技术是E系列的一个突破性技术。它深度集成于GPU硬件的底层，通过动态识别连续可归类的背靠背（back to back）指令，合并批量任务，可对尽可能多的数据进行复用和共享，从而提高数据利用率，减少指令解码器的开销。”

在底层硬件之上的一层是可以通过软件编程来实现资源调度，在更高层级上的调度决策，则由软件指导来进行优先级的调配。如果同时要进行图形处理和 AI 处理，那么就可以由系统去定义当前更想要把优先级调整给AI，还是图形处理，灵活性取决于对两者之间的负载平衡的需求。

这种全新的调度方法，让它能够提升所有不同类型计算的能效，无论是图形计算、通用并行计算，还是专门针对AI的处理。Kristof Beets表示：“ 这种深度集成的方式整个改变了原来 GPU 的指令调度方式，能够让我们去配合市场上更高层级的软件堆栈，并且在执行各项计算任务的时候，不会影响延迟。”

E系列GPU在架构上的另一项非常重要的设计，是在每一个计算单元中都有将近0.5Mb的寄存器空间。这是一个专门针对常见人工智能相关计算增加的就矩阵乘法加速器，可以实现更好的传统图像处理以及后期图像处理。它的面积成本非常低，本质上没有额外增加芯片面积，只不过是在其中又增加了 AI 相关的高效处理管线。

过去十年间，业界使用的模型已经一代接一代的发生了巨大的变化，而且新的AI创新还在不断涌现并将持续多年。在这种时候，欠缺灵活性的 NPU 就面临着挑战。NPU 本身的设计目标就是为了支持特定数量的 AI 应用。一旦出现了新的 AI 应用，那这个 NPU 就处理不了，就不得不交回给 CPU 去处理。由此就会产生非常大的延迟，对性能的影响也是巨大的。而 GPU 的优势就在于可以去应对未来AI 和图形处理的这些挑战。它不需要去升级硬件，只需要针对应用，对软件进行一些改进就可以，通过可编程的 GPU 引擎的方式在管线内去进行 AI 计算处理。此外，对于未来的人工智能网络，GPU拥有更高的灵活性和可编程性，可以去应对新AI 处理模型，并且可以以几乎没有延迟的方式去应对未来的这些 AI 新模型。

GPU+AI，面向未来的系统设计应用

当前，联网设备日益复杂，处理器需同时支持图形与AI多项工作负载。为保障用户体验，实现高质量服务（QoS）和清晰划分任务优先级至关重要。E-Series在前代产品的多任务处理能力基础上实现了增强，将Imagination GPU支持的、具备硬件加速且零开销的虚拟机数量从8个翻倍至16个，并提供了先进的QoS支持。E-Series GPU的多核版本可以利用额外的核来提升性能或增强灵活性。这些GPU能够同时处理多种图形工作负载、多种AI工作负载，或图形与AI工作负载的组合。  

智能汽车是一个非常具有潜力且庞大的应用场景。从低端到高端车型，几乎都存在不同的AI处理应用。未来的智能驾驶车辆，更是妙趣横生，会有越来越多的多模态数据输入，功能对于算力的需求将逐步上升，甚至朝着上千TOPS以上的方向去发展。E系列GPU面向汽车用户，提供了一系列关键功能，如可以实现座舱图形、仪表渲染与AI推理（驾驶员监测、语音交互）的统一等。

Kristof分享说:“E系列GPU 可以被用于许多不同的场景和用途，不仅仅可以用在人工智能处理应用，还可以用于计算处理的应用场景，包括图形滤镜等经典的图像处理等。此外，在一些经典算法的应用中，E系列 GPU 核当中全新的、经过改善的运算单元也可以充分发挥作用。

回看过去的 10 到 15 年，AI模型大多都是在云端被训练出来，之后这些AI模型很大可能是被部署到本地或者边缘设备。但是，在边缘使用AI面临着很大的挑战，如连接性、可靠性，延迟等问题，另外还有安全和隐私的问题，尤其是处理一些敏感的数据，如生物信息数据、安全数据以及财务相关的数据。由此，越来越多的生成式AI和大语言的模型的开始逐步被部署支持AI的边缘设备上。

在边缘设备上面部署 AI ，功耗和成本是两大关键问题。在数据中心，计算可以依赖巨量的电力供应并使用非常昂贵的处理器，但是在边缘设备上，就必须做到对功耗和成本极度敏感。Imagination中国董事长兼亚太区总裁白农表示：“E系列是Imagination在图形和计算领域多年来累积的又一个里程碑，它不仅在性能、功耗和面积方面实现了全面的优化，更在架构设计上实现了从传统渲染将通用计算的深度拓展，具备高度的灵活性和可扩展性。”