【原创】当所有人都在追NPU，Imagination为什么反而押注GPU？

作者：电子创新网张国斌

AI时代，GPU似乎正在被重新分工。

一边是NPU越来越强，AI加速器几乎成了端侧芯片的“标配”；另一边，越来越多厂商都在思考如何把AI计算做得更专用、更高效。按这个逻辑，GPU似乎应该逐渐退回自己的传统阵地——负责图形，把AI交给NPU。

但Imagination Technologies却选择了另一条路。它没有因为AI的到来而弱化GPU，反而进一步强化“GPU-First”战略：把矩阵计算、低精度AI、神经渲染等能力更深地融入GPU架构，希望让GPU从传统的图形处理器，进一步成为一个在端侧能够同时承载图形、通用计算和AI的可编程计算中心。

问题也就来了：当NPU已经成为端侧AI的主流选择，GPU为什么还值得押注？答案可能并不是“GPU也能做AI”这么简单。

真正发生变化的是，端侧AI正在让计算变得越来越复杂：模型在变、算子在变、精度在变，AI开始与图形、视觉、传感、实时交互深度耦合。对于这样的计算环境，专用加速器追求的是“把确定的事情做到极致”，而GPU所拥有的可编程性，则可能意味着另一种价值——面对不断变化的工作负载，保持足够的适应能力。

这也解释了Imagination的选择：以不变应万变--不变的是GPU，不变的是30多年积累的图形架构、软件生态和开发者基础；变化的，则是GPU内部的计算能力、数据类型、AI加速方式以及它在整个SoC中的角色。

所以，Imagination真正押注的，可能不是“GPU打败NPU”，而是一个更大的问题：在AI工作负载越来越不可预测的时代，谁有机会成为端侧的可编程计算中心？

近日，Imagination Technologies在中国举行的媒体开放日上，公司CEO Markus Mosen亲自下场推介其最新的E系列GPU IP以及全新的Neural Super Resolution（NSR，神经超分辨率）AI加速超分辨率解决方案。