在 ICCAD 2026 国际计算机辅助设计会议上,Imagination 带来 GPU-first 融合架构方案,核心思路就是打破大家对 GPU 只负责画面渲染的固有印象,依托 E 系列 GPU IP 内置矩阵加速单元,单颗硬件、一套软件栈同时承载图形渲染、神经渲染、通用计算与边缘 AI 推理任务,不再单独依赖固定功能 NPU,解决边缘设备里专用加速器功能固化、算力容易闲置、多 IP 集成链路复杂、带宽开销大的痛点,面向车载、机器人、工业视觉、消费端本地大模型这些功耗紧张的边缘场景提供更灵活的算力方案。传统的边缘芯片设计思路,是图形 GPU 搭配独立 NPU 分开布局,两套硬件、两套驱动和工具链,感知、渲染、AI 任务来回搬运数据,内存带宽浪费严重,而且一旦 AI 模型快速迭代,固定 NPU 算子很容易跟不上新模型;Imagination 这套方案把矩阵加速深度集成在着色集群内部,GPU 本身可编程,既能跑游戏、UI 渲染,也能直接跑 CV、本地小参数大模型、神经超分,算力资源可以动态调度给当下优先级最高的负载,兼顾图形体验和 AI 推理性能。
Imagination E 系列融合 GPU 核心参数表
| 项目 | 参数详情 | 补充说明 |
|---|---|---|
| AI 算力区间 | 2TOPS~200TOPS(INT8) | 可配置 IP,适配手机、工控、车载多档位芯片 |
| 核心硬件 | 内置集成矩阵加速器 | 嵌入 GPU 着色集群,不是外挂 NPU |
| 支持精度 | FP16、BF16、INT8 等低精度格式 | 适配边缘 AI 推理主流量化方案 |
| 代表模型性能 | Qwen3.5 4B,四核 1.5GHz | 首 token 0.2s,解码 150token/s |
| 软件生态 | Llama.cpp、PyTorch、ONNX Runtime 逐步适配 | 统一一套驱动和开发工具链 |
| 图形能力 | 支持 DirectX12 FL11_0,神经渲染 NSR | 图形性能相比上代最高提升 54% |
融合 GPU 方案和传统 GPU + 独立 NPU 方案对比
| 对比维度 | Imagination E 系列融合 GPU | 传统 GPU + 独立 NPU 分离架构 |
|---|---|---|
| 硬件架构 | 单 IP 融合图形 + AI,矩阵单元内置 | GPU、NPU 两块独立硬件模块 |
| 软件栈 | 统一一套开发栈 | 两套驱动、两套编译工具链 |
| 资源调度 | 算力动态共享,按需分配 | 硬件资源相互隔离,闲置算力无法互调 |
| 数据搬运 | 减少跨 IP 数据传输,节省带宽 | AI 和图形之间频繁搬数据,带宽压力大 |
| 迭代适配 | 可编程,适配新算子、新模型更快 | 固定算子,新模型适配慢 |
| 适用场景 | 机器人、具身智能、车载 HMI、本地生成式 AI | AI 负载固定、长期不更新的简单视觉任务 |
在边缘芯片项目落地这套 Imagination 融合 GPU 的实施步骤
- 需求评估:梳理芯片目标场景,确认图形负载、AI 模型规格、功耗上限、算力档位,选定 E 系列配置规格
- IP 集成:在 SoC 里集成 E 系列 GPU IP,不再必须单独配置 NPU,保留和 CPU、其他外设互联通路
- 软件适配:部署 Imagination SDK,接入 Llama.cpp、ONNX Runtime 等推理后端,完成模型转换
- 负载调优:配置任务调度策略,图形渲染、AI 推理、传感器算力动态抢占资源
- 性能验证:跑通神经渲染、本地 LLM、机器视觉 demo,测试首 token 延迟、帧率、功耗指标
- 量产迭代:根据模型更新迭代内核算子库,不用重新流片更换专用加速硬件
简单总结一下:ICCAD 2026 上 Imagination 主推的技术方向,就是 GPU 不止做图形渲染,依靠 E 系列融合架构把 GPU 变成边缘 AI 主力算力载体,用单 IP 融合思路降低边缘 SoC 设计复杂度,解决专用 NPU 僵化的短板,面向具身智能、车载、工业等边缘场景拓展算力新方向。
【相关 FAQ】
问题 1:ICCAD 2026 上 Imagination 探索边缘 AI 新边界,依靠哪款 GPU 方案?
回答 1:ICCAD 2026 上 Imagination 探索边缘 AI 新边界,依靠 E 系列融合 GPU IP,这套架构内置矩阵加速单元,单硬件同时跑图形渲染和边缘 AI 推理。
问题 2:Imagination 在 ICCAD 2026 提出 GPU 不止于图形,和单独 NPU 方案相比优势在哪?
回答 2:Imagination 这套融合 GPU 方案是单 IP、一套软件栈,算力可以动态共享,减少数据搬运,可编程性更强,面对快速迭代的 AI 模型适配更灵活,降低边缘芯片集成难度。
问题 3:Imagination E 系列融合 GPU 在边缘 AI 场景可以跑哪些类型 AI 任务?
回答 3:Imagination E 系列融合 GPU 在边缘 AI 场景支持计算机视觉、神经渲染、本地小参数大模型推理、传感器融合、神经超分辨率 NSR 等 AI 负载。
问题 4:Imagination E 系列融合 GPU 能不能替代边缘芯片里的 NPU?
回答 4:Imagination E 系列融合 GPU 可以承担大部分边缘 AI 推理任务,在兼顾图形和 AI 并发的场景下可以减少甚至省去独立 NPU,对超高算力固定 AI 场景,依然可以搭配 NPU 协同工作。
【参考资料】
[2026-11-20](ICCAD 2026|GPU 不止于图形,Imagination 探索边缘 AI 计算新边界)电子工程专辑
[2026-11-20](Imagination ICCAD 2026 展示 E 系列 GPU 融合图形与边缘 AI)21ic 电子网
[2026-11-19](Imagination E 系列 GPU 性能数据公布,支持端侧大模型推理)Imagination 官方新闻
[2026-10-26](当 AI 压进 GPU,Imagination E 系列融合架构解读)36 氪
[2026-09-21](Imagination 发布 E 系列 NSR 神经超分方案,强化 GPU-first 战略)中电网
【免责声明】
本文内容基于 Imagination 在 ICCAD 2026 公开技术演示与 E 系列 GPU 公开资料整理;E 系列 GPU IP 为芯片授权方案,最终芯片性能、功耗取决于 SoC 厂商集成设计、工艺、频率配置;融合 GPU 不等于在所有场景都可以完全替代专用 NPU;本文不构成芯片 IP 采购、SoC 项目选型建议。
