2026年9月，Imagination Technologies发布了其E系列GPU IP的新进展，包括Neural Super Resolution（NSR）AI加速超分辨率解决方案。这些进展标志着公司GPU-first战略的进一步实施，通过一套架构和软件栈，简化了芯片设计厂商的工作负载。随着边缘设备应用的复杂化，Imagination致力于减轻系统集成负担并优化硬件使用。
--91likeyou---
随着边缘设备应用日趋复杂，芯片设计厂商不断新增针对不同工作负载的专用加速模块、软件栈与数据通路；这种碎片化既加重系统集成负担，也可能使部分固定功能硬件在需求变化后闲置。
近年来，各类边缘 AI 处理器在功能组合上逐渐趋同，力求在性能、能效与灵活性之间取得平衡。GPU 天然适合这种融合型架构——它兼具并行加速能力、成熟软件生态、通用灵活性与图形处理能力。
E 系列于去年首次发布，将可编程 AI 加速高效集成进 GPU 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。
面向设备端 AI 的可编程加速
芯片架构定型后，AI 模型及其底层运算仍在持续演进。E 系列具备通用计算能力，采用熟悉的 GPU 编程模型并支持行业标准 API，使开发者能在设备全生命周期内实现新算子，并通过 GPU 内高度集成的 Matrix Accelerator（矩阵加速器）加速，同时支持 BF16、FP4 和 MX 等高精度与低精度数据格式。
其结果是，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。
为简化向 Imagination GPU 的移植，目前正在将经过优化的 Llama.cpp 后端贡献至上游开源项目；后续还将提供原生 PyTorch 和 ONNX Runtime 支持。
计算：智能计算的坚实基础
除了备受瞩目的应用之外，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%。
通过神经渲染，融合技术为图形处理管线创造了新的机遇。Imagination 的全新神经超分辨率（NSR）技术利用行业标准扩展，将 E 系列的矩阵加速技术应用于图形处理管线。
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。
与原生渲染相比，NSR 不仅将帧率显著提升，还将内存带宽消耗减半，同时呈现出与真实图像视觉效果极为接近的画质。NSR 将作为库功能集成于 PowerVR SDK 中，并通过与 Unreal Engine 和 Godot 的集成提供支持。
图形处理仍是 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%。
各方表态方面，Jon Peddie Research 总裁兼创始人 Jon Peddie 表示，传统处理器类别界限正在模糊，CPU 利用向量扩展提升 AI 性能，NPU 也变得更通用；Imagination 认为 GPU 可能在这一趋势中表现突出，因为 GPU 除并行计算和软件生态外，还能在运行 AI 和计算负载的同时处理图形任务。
Imagination CEO Markus Mosen 表示，过去十年边缘工作负载变化巨大，带来处理器碎片化、软件复杂性和芯片资源利用不足等问题，公司 GPU 路线图旨在应对这些挑战。
象帝先计算技术有限公司总经理张珩表示，Imagination 与其有相同愿景，即将高性能渲染能力带给更广泛的中国客户。W4 Games、Godot 引擎公司技术总监 Clay John 表示，开发者通常需在视觉质量和性能间权衡，针对硬件优化的超分辨率方案可改变这种平衡。
供应情况方面，E 系列提供多种配置，覆盖从智能。
🔥 热词：#gpu与cpu在ai运算上优势 · #gpu ai算力 · #ai gpu算力排行榜 · #gpu ai算力572 tops什么水平 · #Nvidia gpu架构发展 · #nvidia gpu架构演变历史 · #imagination的gpu有什么特点 · #intel npu与gpu 的ai能力比较