从AI算力爆发到图形革命 ，Imagination重构嵌入式设备的性能平衡模式

4月15日，慕尼黑上海电子展拉开帷幕。此次展览将持续三天，不仅吸引了半导体、传感器、海内外展商参展；同期举办的“创新william hill官网 ”更是众多行业人士关注的重点。4月15日下午，Imagination 中国高级业务经理黄音出席“2025AI技术创新william hill官网 ”，她结合公司产品情况，从AI算力、图形渲染，以及基于两者的嵌入式设备性能平衡等方面进行了主题分享。

AI 模型持续优化驱动硬件构架的革新

首先，黄音回顾了自2012年以来AI模型的发展历程。她介绍说，2012年AlexNet开启了卷积神经网络时代；Perception AI开始进入语音识别、计算机视觉；Generative AI实现了从文本生成图像、视频等内容生成；Agentic AI不仅能学习，还能使用工具，进行判断，并且采取行动；还有最近流行的Physical AI，能感知物理世界的人工智能，在真实环境中完成任务，如智能机器人等。

“我们现在常说‘大模型’，其实也有不少公司在做‘小模型’”。大模型（LLM）通常基于大规模数据进行训练，如谷歌的Transformer，也有可在端侧进行推理的大模型，例如Deepseek R1。小模型（SLM）通常参数量比LLM少，设计上更侧重于针对特定任务进行微调，如LLaMini。而AI推理的应用中，特别是在端侧设备上运行时，小模型与physical AI 的结合，会给端侧应用带来爆发式增长。

与此同时，模型不断优化也带来了硬件设计的变革，从单一算力需求转变为对算力、存储、中间通讯三者的平衡，新的硬件架构是发展的必然趋势。根据不同的处理器架构，黄音分别介绍了不同之处。CPU更适合处理串行数据，NPU适合固定模型算法的并行加速，GPU 适合通用的并行计算，随着基础模型的不断优化，边缘侧的AI应用会有更多架构组合的可能性。

而对于人工智能的端侧应用，推理只是其中的一个核心模块，还有很多边缘需求，比如通用计算和调度，云边混合带来的加密和隐私需求，图形渲染图像画质增强需求，功能安全和信息安全需求，设备自学习需求等。我们除了要追求每瓦算力，峰值算力和带宽极致外，还应该看到端侧应用是一个融合能力的应用。真正的破局点，是构建一个可以持续适配算法演进的架构平台。

Imagination GPU擅长应对边缘和端侧AI带来的挑战

Imagination作为全球领先的 GPU IP供应商，深耕图形和AI，特别是针对边缘和端侧AI，Imagination 的GPU技术具有高能效、可编程性、可扩展性和灵活性等特点。现场，黄音重点介绍了Imagination  D 系列DXTP GPU 和 DXS GPU两款产品及其在AI phone 和AIPC 上的应用前景。

DXTP GPU 可保证在智能手机和其他功耗受限设备上加速图形和AI工作负载时，保证全天候的电池续航。通过微架构的优化，相比前一代产品DXT，DXTP提供了更高的持续性能、更快的计算调度，并在几何处理吞吐量方面提高了50%。目前，DXTP 已经被全球知名科技公司使用，在AI多数据类型处理、计算任务加速，以及本地内存的支持上有突出表现。此外，它还支持LiteRT（ 前身是tensorflow Lite）主流AI 框架，并在Imagination体系内做了优化，开发者可运用它在 Android 设备上实现高性能 AI 应用的部署。

DXS GPU 则是专为处理驾驶舱、信息娱乐和高级驾驶辅助系统中的图形和计算工作负载而打造的一款产品。相比于上一代GPU，IMG DXS 为车辆中越来越常见的计算工作负载（如驾驶员监控和防撞）提供了高达 10 倍的性能提升。与硬件配套的计算库（imgBLAS、imgNN、imgFFT）可帮助软件开发人员实现高达 80% 的 GPU 利用率。这也将加速常见计算工作负载的处理，如计算机视觉和 ADAS 系统感知数据的预处理和后处理。

在演讲最后，对于什么将是符合“Physical AI”的终极硬件？黄音指出了三点：一是效率，在图形与AI计算上实现更优的能效比与计算密度；二是深度嵌入式集成，最小化数据传输，匹配现代API扩展；三是开发者与系统灵活性，是一款高度多用途的边缘处理器，既可用于图形，也可用于AI。她也透露到，Imagination今年也将有重磅产品推出，值得期待。

此外，在圆桌讨论环节，黄音与产业链伙伴围绕AI对行业带来的影响、生态合作、RISC-V等话题进行了讨论。黄音认为AI快速发展驱动了新的算力需求、硬件架构的革新，而作为IP供应商更需要与产业上下游伙伴合作，例如Imagination与多家RISC-V 公司合作，优化GPU适配主流AI 框架和标准API 接口等，希望帮助客户打造差异化产品，实现快速上市。