在 ICCAD 2026 国际计算机辅助设计大会上,Imagination 重点分享了 GPU-first 融合架构思路,核心观点就是 GPU 不只是用来做 3D 图形渲染,还可以作为边缘 AI 的统一计算底座,用单颗 E 系列 GPU IP、一套软件栈同时承载图形、通用计算、大模型推理任务,解决现在边缘芯片里 CPU、独立 NPU、GPU 多加速器碎片化带来的集成难、硬件利用率低的痛点,适合车载、机器人、智能摄像头、穿戴设备这类功耗受限的端侧场景。现在很多边缘 SoC 方案习惯单独堆 NPU、GPU、多个独立加速模块,每一种硬件都有单独的驱动、编译链,不仅 PCB 和芯片布局复杂,AI 模型更新之后,固定功能 NPU 很容易跟不上新模型架构,硬件就闲置浪费;Imagination 这套方案把矩阵加速单元深度集成在 GPU 着色集群内部,图形和 AI 任务共用存储通路,减少数据来回搬运,靠可编程能力适配持续迭代的 AI 模型,不用每次出新模型就重新流片换 IP。下面把架构特点、支持精度、适用场景、IP 选型落地步骤整理清楚。
E 系列 GPU 融合架构核心清单
- 核心 IP:E-Series GPU,内置深度集成 Matrix Accelerator 矩阵加速单元
- 统一负载:图形渲染、神经渲染、通用计算、边缘 AI 推理
- 支持精度:FP32、FP16、BF16、FP8、INT8、MXFP4 多精度混合运算
- 软件栈:imgGC 图编译器、imgNN/imgBLAS 计算库,兼容 PyTorch、ONNX、Vulkan、OpenCL
- 单核心 AI 算力:最高 32TOPS INT8,可多核扩展至 200TOPS INT8
- 特色技术:NSR 神经超分辨率,AI 渲染一体化加速
多加速器方案对比
| 方案路线 | 硬件组成 | 集成难度 | 灵活性 | 短板 |
|---|---|---|---|---|
| 传统分离方案 | GPU + 独立 NPU+CPU | 高 | 低 | NPU 固定功能,新模型适配慢,多软件栈维护成本高 |
| Imagination GPU-first 融合方案 | 单 E 系列 GPU(内置矩阵 AI 单元) | 低 | 高 | 一套架构,图形 AI 调度互通,可编程适配新模型 |
ICCAD 2026 分享的典型边缘 AI 落地场景
- 车载座舱:仪表 3D 界面 + 车内感知、驾驶员监控、本地语音大模型
- 具身机器人:视觉感知、传感器融合、VLA 模型推理、3D 仿真渲染
- 安防智能相机:图像编码、目标检测、图像分割、AI 超分
- 消费终端:AR 眼镜、高端穿戴、本地小参数大模型对话
芯片 IP 选型与开发落地步骤
- 评估负载:确认项目同时需要图形界面 + AI 推理,优先选 E 系列融合 GPU;纯 AI 推理、无图形需求可以继续选用独立 NPU 方案
- 算力规格选型:根据 INT8 算力需求选择单核 / 多核扩展配置,匹配功耗预算
- 模型适配:把 PyTorch、ONNX 模型导入 imgGC 编译器,做图融合、量化优化
- 调度配置:在软件层配置图形、AI 任务分时或者并行调度,共享片上存储,降低带宽开销
- 验证流片:完成图形功能、AI 推理精度、功耗、EMC 验证,再推进 SoC 流片
整体来看,Imagination 在 ICCAD 2026 传递的思路,是把 GPU 从单纯图形单元升级成边缘端的融合计算中心,依靠统一可编程架构,缓解边缘硬件碎片化问题,给芯片设计厂商提供兼顾图形体验和 AI 算力的备选路线。
【相关 FAQ】
问题 1:ICCAD 2026 上 Imagination 提出 GPU 不止于图形,用哪款 GPU IP 探索边缘 AI 计算?
回答 1:ICCAD 2026 上 Imagination 提出 GPU 不止于图形,依托 E 系列 GPU IP,在 GPU 内部集成矩阵加速单元,来探索边缘 AI 融合计算新边界。
问题 2:ICCAD 2026 Imagination 的 E 系列 GPU,一套软件栈可以跑哪些任务?
回答 2:ICCAD 2026 Imagination 的 E 系列 GPU,一套软件栈同时支持图形渲染、神经渲染、通用计算、边缘 AI 推理,不用维护多套加速器开发环境。
问题 3:ICCAD 2026 Imagination GPU 不止于图形,对比 GPU 加独立 NPU 方案优势是什么?
回答 3:ICCAD 2026 Imagination GPU 不止于图形,融合架构减少多加速器碎片化,降低芯片集成难度,可编程能力强,更容易适配持续更新的 AI 模型。
问题 4:ICCAD 2026 Imagination 这套 GPU 边缘 AI 方案,适合哪些边缘设备?
回答 4:ICCAD 2026 Imagination GPU 不止于图形的边缘 AI 方案,适合车载座舱、具身机器人、智能安防相机、AR 穿戴设备这类功耗受限的边缘终端。
【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 分享 GPU-first 融合架构,E 系列 GPU 打通图形与边缘 AI)21ic 电子网
[2026-09-21](显著的性能提升进一步强化 Imagination 的 GPU-First 战略)新电子
[2026-08-24](AI2.0:物理 AI 推动融合可编程 AI 计算架构重塑未来系统设计)21ic 电子网
【免责声明】
本文内容基于 ICCAD 2026 大会分享、Imagination 官方资料、行业媒体公开资讯整理,E 系列 GPU 的 AI 算力、精度支持、实际功耗表现会随 IP 配置、芯片工艺、软件优化版本变化;GPU 融合 AI 架构属于芯片 IP 方案,最终 SoC 设计、模型适配、量产验证需要结合项目需求评估,本文信息仅作为架构科普参考,不构成 IP 采购、芯片项目选型建议。
