砍掉SoC“边境税”，Imagination GPU成为融合“重心”最优选

飞象原创（魏德龄/文）如今，几乎所有的设备都在通过引入AI来实现更强的功能，无论是手机、汽车、机器人，还是工业摄像头，它们出现了一种“融合”的趋势，所有的任务不再是各司其职，而是在同一个工作流中运行，使用同一块电池，共享同一套资源与预算。

然而，表面正在发生的融合，却在一切运转的核心，即在小小的芯片层面并没有产生真正的融合，不同的任务交给了不同的专用芯片与加速器。例如图形的任务给了GPU、信号处理给了DSP、神经网络通过NPU，以及最开始的老朋友CPU。无论是谁，本质上都是一颗颗的专用芯片或加速器。

于是，每一个融合的任务流背后，却要在SoC经历所谓“边境税”的困扰。

SoC里的“边境税”

“把它们都塞进SoC，就会带来一个大问题：各个部件之间要通过外部内存来回传数据，而外部内存是最贵的。我把这种昂贵的数据通信叫作‘边境税’。”Imagination Technologies CEOMarkus Mosen形容这种状态让每个部件都像一座孤岛，系统在用最贵的方式将孤岛进行连接。

这种高昂的成本主要来自三个方面：一是数据在外部内存来回搬运耗掉的能量；二是数据通信带来的时延；三是开发投入的工程和人力成本。

而从技术趋势的走向来看，各个计算模块正在互相靠拢，形成融合。例如，CPU加了向量和矩阵扩展，NPU加了更宽的数字格式支持，GPU也在吸收AI计算和神经渲染。Markus Mosen认为，在这一融合趋势之下，真正需要的是一个共享的、可编程的“重心”。一旦有了一个可共享的可编程“重心”，整套系统就更灵活，数据传输量大降，计算资源利用率也上来了。

于是，问题转移到了哪一个计算模块最具备担负起融合“重心”的职责。

Imagination的“GPU-First”战略

“GPU是用户体验的核心。不管手机、平板、笔记本还是数字座舱，我们看到的每一个像素，背后都是GPU在渲染。”Imagination首席营收官Jake Kochnowicz抛出了这样一个结论，甚至是对于开发者而言，不管哪家的GPU，开发者面对的是同一套行业标准编程模型，代码写出来基本能跑在各家GPU上。他还用驾驶员与发动机形容了如今CPU与GPU之间的关系，GPU是发动机，提供把活干完所需的马力；CPU是驾驶员，做极高效率的规划和编排。

选择GPU作为融合重心的综合考量在于，GPU本身就是可编程的，已经在各种设备和边缘端规模部署，驱动、工具链、公开标准、开发者生态均已成熟。同时，任何显示设备都离不开图形处理，其他计算模块难以短时间内补齐该能力。

作为全球最好的GPU技术提供商的Imagination自然看到了其中的机遇。该公司近年来对其人工智能路线进行了重大重构，全面转向了“GPU-First”战略，将AI计算能力全面集成到其具有优势的GPU产品线中。

在2025年发布的E系列GPU将可编程AI加速高效集成进渲染管线。凭借一颗处理器、一套软件栈，它既可独立运行，也可与CPU及其他加速器协同，支持生成式AI、神经渲染与游戏等多种工作负载。

“对E系列来说，我们把矩阵乘法直接嵌进了GPU，就放在现有图形算术单元的旁边。这意味着AI能把GPU现成的一整套东西都用上：寄存器、控制、缓存、固件、驱动、工具链，还有围绕GPU的整个生态，这是对既有投资极高的杠杆利用。”Jake Kochnowicz表示这种架构带来的最直观性能反馈就是在最大四核配置时，FP16超过100 TFLOPS，FP8超过200 TFLOPS，实现了相比上代D系列四倍以上的性能提升。

矩阵能力直接嵌进GPU算术单元内部的设计解决了所谓的“边境税”问题。E系列在统一架构、统一内存层级与统一调度下运行，缩短了数据传输路径，消除了数据在片上各孤岛间频繁搬运的“距离成本”这意味着图形开发者只要写一套shader（Vulkan或OpenCL），在同一套编程范式下就能跑，不用再把数据引出到DDR。

Imagination的架构创新还不仅仅局限于硬件，在软件开发、专利和技术上也投入了大量资源。Imagination全新的Neural Super Resolution（NSR，神经超分辨率）AI加速超分辨率解决方案，拥有高度优化的神经超分辨率算法，并结合了拥有大量专利的压缩技术，可去除给定神经网络中超过一半的权重，从而实现一种极其轻量级、带宽需求极低的算法。

该时序超分辨率方案针对Imagination GPU进行了深度优化，并采用单次处理方式，结合Imagination专有的网络自压缩技术，可移除神经网络中约65%的冗余权重，模型更省电。在1GHz单核E系列GPU上，典型的540p到1080p超分辨率操作延迟低至2.3毫秒。

融合架构实现显著性能提升

“从图形与人工智能的融合出发，我们将目光更多地投向人工智能本身。”Jake Kochnowicz介绍Imagination选择专注于人工智能的基础构建模块：矩阵乘法和卷积。前者性能提升近5倍，极大地降低了延迟，从而实现了快速、响应灵敏的人工智能。后者提升至上一代的4.4倍。这种组合真正实现了涵盖机器人、个人助理、内容生成等领域的多模态AI处理。

与上一代D系列相比，该处理器在典型边缘语言模型上的预填充性能提升了4.7倍。以Qwen 3.5 4B为例，在典型工作负载下，一款1.5GHz的四核E系列GPU可实现0.2秒的首次Token生成时间，以及每秒150个Token的解码吞吐量。

E系列还在人工智能、计算机视觉、信号处理和通用计算中广泛使用的基础计算操作方面提升了性能。例如，与D系列同类产品相比，E系列运行Conv2D内核的速度快4.4倍，运行GEMM内核的速度快4.8倍。在矩阵乘法工作负载下，GPU利用率可达89%。

图形处理作为E系列的核心。该架构带来了显著的图形性能提升，包括对DirectX 12 FL11_0的支持。在实际游戏工作负载中，E系列与上一代同类产品相比，性能提升高达54%，其四核配置在部分AAA级桌面游戏中可实现超过60fps的帧率。每瓦性能提升最高达39%。在四核配置下，能够以60 FPS以上的表现，顺畅运行《博德之门3》等AAA级桌面游戏。

值得一提的是，在Imagination专门在媒体会现场展示了从手机、PC，再到汽车等多种应用场景下，ImaginationGPU所能胜任的各种设备类型，实现一种架构即可覆盖从边缘端的物理AI到数据中心级别的所有应用场景。

Imagination正在将已经处在用户体验核心的GPU，以新融合架构变身融合重心，让AI能力可以直接应用于一个拥有数十亿设备的既有生态上。在用户日常AI交互融合的背后，一场计算架构的融合同样正在发生。