4月15日，慕尼黑上海電子展拉開帷幕。此次展覽將持續三天，不僅吸引了半導體、傳感器、海內外展商參展；同期舉辦的“創新論壇”更是眾多行業人士關注的重點。4月15日下午，Imagination中國高級業務經理黃音出席“2025AI技術創新論壇”，她結合公司產品情況，從AI算力、圖形渲染，以及基于兩者的嵌入式設備性能平衡等方面進行了主題分享。

AI模型持續優化驅動硬件構架的革新

首先，黃音回顧了自2012年以來AI模型的發展歷程。她介紹說，2012年AlexNet開啟了卷積神經網絡時代；Perception AI開始進入語音識別、計算機視覺；Generative AI實現了從文本生成圖像、視頻等內容生成；Agentic AI不僅能學習，還能使用工具，進行判斷，并且采取行動；還有最近流行的Physical AI，能感知物理世界的人工智能，在真實環境中完成任務，如智能機器人等。

“我們現在常說‘大模型’，其實也有不少公司在做‘小模型’”。大模型（LLM）通常基于大規模數據進行訓練，如谷歌的Transformer，也有可在端側進行推理的大模型，例如Deepseek R1。小模型（SLM）通常參數量比LLM少，設計上更側重于針對特定任務進行微調，如LLaMini。而AI推理的應用中，特別是在端側設備上運行時，小模型與physical AI的結合，會給端側應用帶來爆發式增長。

與此同時，模型不斷優化也帶來了硬件設計的變革，從單一算力需求轉變為對算力、存儲、中間通訊三者的平衡，新的硬件架構是發展的必然趨勢。根據不同的處理器架構，黃音分別介紹了不同之處。CPU更適合處理串行數據，NPU適合固定模型算法的并行加速，GPU適合通用的并行計算，隨著基礎模型的不斷優化，邊緣側的AI應用會有更多架構組合的可能性。

而對于人工智能的端側應用，推理只是其中的一個核心模塊，還有很多邊緣需求，比如通用計算和調度，云邊混合帶來的加密和隱私需求，圖形渲染圖像畫質增強需求，功能安全和信息安全需求，設備自學習需求等。我們除了要追求每瓦算力，峰值算力和帶寬極致外，還應該看到端側應用是一個融合能力的應用。真正的破局點，是構建一個可以持續適配算法演進的架構平臺。

Imagination GPU擅長應對邊緣和端側AI帶來的挑戰

Imagination作為全球領先的GPU IP供應商，深耕圖形和AI，特別是針對邊緣和端側AI，Imagination的GPU技術具有高能效、可編程性、可擴展性和靈活性等特點。現場，黃音重點介紹了ImaginationD系列DXTP GPU和DXS GPU兩款產品及其在AI phone和AIPC上的應用前景。

DXTP GPU可保證在智能手機和其他功耗受限設備上加速圖形和AI工作負載時，保證全天候的電池續航。通過微架構的優化，相比前一代產品DXT，DXTP提供了更高的持續性能、更快的計算調度，并在幾何處理吞吐量方面提高了50%。目前，DXTP已經被全球知名科技公司使用，在AI多數據類型處理、計算任務加速，以及本地內存的支持上有突出表現。此外，它還支持LiteRT（前身是tensorflow Lite）主流AI框架，并在Imagination體系內做了優化，開發者可運用它在Android設備上實現高性能AI應用的部署。

DXS GPU則是專為處理駕駛艙、信息娛樂和高級駕駛輔助系統中的圖形和計算工作負載而打造的一款產品。相比于上一代GPU，IMG DXS為車輛中越來越常見的計算工作負載（如駕駛員監控和防撞）提供了高達10倍的性能提升。與硬件配套的計算庫（imgBLAS、imgNN、imgFFT）可幫助軟件開發人員實現高達80%的GPU利用率。這也將加速常見計算工作負載的處理，如計算機視覺和ADAS系統感知數據的預處理和后處理。

在演講最后，對于什么將是符合“Physical AI”的終極硬件？黃音指出了三點：一是效率，在圖形與AI計算上實現更優的能效比與計算密度；二是深度嵌入式集成，最小化數據傳輸，匹配現代API擴展；三是開發者與系統靈活性，是一款高度多用途的邊緣處理器，既可用于圖形，也可用于AI。她也透露到，Imagination今年也將有重磅產品推出，值得期待。

此外，在圓桌討論環節，黃音與產業鏈伙伴圍繞AI對行業帶來的影響、生態合作、RISC-V等話題進行了討論。黃音認為AI快速發展驅動了新的算力需求、硬件架構的革新，而作為IP供應商更需要與產業上下游伙伴合作，例如Imagination與多家RISC-V公司合作，優化GPU適配主流AI框架和標準API接口等，希望幫助客戶打造差異化產品，實現快速上市。