一句话看懂：Imagination 在 2026 年 9 月 21 日公布了 E 系列 GPU IP 的首批性能数据，并推出神经超分辨率方案 NSR。它的核心卖点是用一套 GPU 架构和一套软件栈，同时跑图形、计算和 AI，试图减少边缘芯片的碎片化。
事件核心：发生了什么
Imagination 此次公布的信息分三块。性能方面，E 系列相比上一代 D 系列，典型边缘语言模型预填充性能提升 4.7 倍；以 Qwen 3.5 4B 为例，1.5GHz 四核配置可实现 0.2 秒首次 Token 生成、每秒 150 Token 解码吞吐。基础算子上，Conv2D 快 4.4 倍、GEMM 快 4.8 倍，矩阵乘法利用率达 89%。
产品方面，新推出的 NSR 是时序超分辨率方案，基于 E 系列的矩阵加速能力，用网络自压缩技术移除约 65% 冗余权重；在 1GHz 单核上，540p 到 1080p 延迟低至 2.3 毫秒，内存带宽消耗减半，将集成进 PowerVR SDK，并支持 Unreal Engine 和 Godot。图形上，E 系列支持 DirectX 12 FL11_0，游戏工作负载性能提升最高 54%，每瓦性能提升最高 39%。
Imagination 表示，已有多家合作伙伴获得授权，首批基于 E 系列的芯片预计今年晚些时候流片。
为什么重要
过去几年，边缘 AI 处理器在功能组合上越来越像，大家都在性能、能效和灵活性之间找平衡。但芯片设计厂商为了不同负载不断加专用模块和软件栈，系统集成负担变重，固定功能硬件还可能在需求变化后闲置。
Imagination 选择的是 GPU-first 路线：用通用可编程的 GPU 覆盖图形、计算和 AI，而不是为每类任务单独堆加速器。E 系列支持 BF16、FP4、MX 等数据格式，也支持行业标准 API，意味着模型算子后续演进时，开发者仍能在设备生命周期内做适配。目前公开信息显示，Imagination 还在把优化过的 Llama.cpp 后端贡献到上游开源项目，后续计划提供原生 PyTorch 和 ONNX Runtime 支持。这对靠开源生态吃饭的端侧 AI 开发者来说，是比单纯跑分更实际的信号。
对用户/开发者/创作者的影响
开发者层面，最直接的变化是移植成本可能下降。如果 PyTorch、ONNX Runtime 和 Llama.cpp 的支持按计划落地，已有模型往 Imagination GPU 上搬会更容易，不必为每家边缘芯片重写一套推理路径。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
创作者和游戏玩家层面，NSR 的意义在于用较低算力换帧率和画质：540p 升 1080p 只要 2.3 毫秒，带宽还减半。对手机、掌机或轻量 PC 这类功耗受限设备，如果 NSR 真能稳定集成进 Unreal 和 Godot，画面选项和流畅度的平衡会被重新定义。
企业采购和芯片选型层面，E 系列提供从智能手机到高性能系统的多种配置，但最终体验仍取决于厂商如何调校、软件生态是否跟上，目前还不能仅凭 IP 参数下结论。
值得关注的后续
一是首批 E 系列芯片的流片时间和实际终端产品，参数好看不等于量产顺利；二是 PyTorch、ONNX Runtime 和 Llama.cpp 支持能否按期开源落地，这决定开发者迁移的真实成本；三是高通、联发科、Arm 等竞品在边缘 GPU 与 NPU 融合路线上的动作，以及 NSR 这类神经渲染方案会否成为行业标配。
来源：InfoQ CN
