ImaginationCTOEdPlowman谈图形与AI融合，效率优先的芯片架构新路径

在半导体IP领域，Imagination Technologies长期以PowerVR GPU架构闻名，其技术曾广泛应用于苹果A系列芯片早期世代及众多移动SoC中。近期，公司CTO Ed Plowman接受专访，系统阐述了其技术战略转向——从单一图形处理单元（GPU）供应商，转变为图形、通用计算与人工智能融合的异构计算平台设计者。

Plowman坦言，自己早年便参与过将Imagination图形技术集成至真实产品的工程实践，亲历了“精巧架构如何释放性能潜力”的全过程。他特别欣赏公司敢于挑战常规、直面复杂工程难题的文化基因——这成为他最终加入并长期留任的关键动因。

值得注意的是，Plowman并未将焦点放在单纯堆叠算力指标上。他在访谈中明确指出：“最大的挑战不是生成更多TOPS，而是如何把这些TOPS转化为有用的工作。”这一观点与当前行业普遍追求峰值算力的倾向形成鲜明对比。在他看来，真正的技术价值在于能效比与任务适配性：一个能在1W功耗下完成特定AI推理任务的IP模块，远胜于一个峰值达100TOPS却需10W且无法调度的方案。

这一理念直接导向Imagination近年的核心布局方向：图形、计算与AI的“三体融合”。传统GPU擅长并行渲染与矩阵运算，而现代AI负载（如视觉感知、语音理解、小模型微调）往往需要灵活的标量、张量与光线追踪单元协同。Plowman团队正推动新一代架构设计，使GPU的着色器核心可动态重构为AI加速单元，同时保留对图形管线的低延迟支持。

该路径尤其契合汽车电子与边缘智能设备的需求。以自动驾驶为例，前视摄像头需实时运行目标检测与语义分割模型，同时叠加AR导航图层；舱内系统则需同步处理多模态交互（语音+手势+视线）。单一专用NPU难以兼顾所有场景，而可重构的异构IP方案可在同一硅片面积内实现功能复用与功耗优化。

Imagination已在部分车规级IP中验证该思路。例如其IMG DXT系列GPU，通过引入专用AI张量加速器（Tensor Tile），在保持图形性能的同时，将YOLOv5s推理速度提升3倍，功耗降低40%。Plowman强调，这种“软硬协同”的设计哲学，要求IP厂商深度参与系统级软件栈开发，而非仅提供硬件描述文件。

行业趋势也印证了这一判断。Epic Games创始人Tim Sweeney近日在上海虚幻引擎大会上表示，AI已使游戏开发效率提升四倍，UE6将“把AI焊死在工作流里”；而VAST等新兴AI 3D公司则借助Tripo系列模型与Claude Opus等Agent工具链,让非专业开发者快速构建可交互3D世界。这些变化背后，是对底层算力调度灵活性的更高要求——不再是“有多少算力”，而是“能否按需分配、即时切换”。

值得对比的是，OpenAI CEO Sam Altman在斯坦福演讲中提到：“只要支付合理token成本，一个人就能完成过去百人工程团队的工作。”这一现象的本质，正是算力抽象层的成熟：开发者无需关心GPU型号或内存带宽，只需调用API完成任务。而Imagination所倡导的架构融合，正是在硬件层面对该趋势的响应——通过统一调度单元，降低软件抽象层的开销与延迟。

Plowman进一步解释，未来5年，高效能计算平台的竞争将不再局限于晶体管密度或频率，而在于“任务映射效率”：即系统识别负载类型、动态分配资源、最小化数据搬运的能力。这要求IP设计从“功能导向”转向“意图导向”——芯片需理解上层应用的语义目标，而非仅执行指令流。

目前，Imagination正与多家Tier 1汽车供应商及边缘AI芯片初创公司合作，推进基于RISC-V生态的可扩展IP组合。其最新发布的IMG CXT系列已支持INT4/INT8混合精度推理，并内置安全隔离机制，满足ASIL-D功能安全等级要求。Plowman透露，下一代架构将引入“神经图形”（Neural Graphics）概念，允许AI模型直接生成或修正渲染中间结果，减少传统光栅化流程中的冗余计算。

在行业格局层面，Imagination选择了一条差异化路径：不与英伟达、高通在高端训练芯片或旗舰手机SoC中正面竞争，而是深耕中低功耗、高确定性场景。其客户包括瑞萨、恩智浦、地平线等汽车与工业芯片厂商，以及部分中国AIoT企业。据公开财报，2025财年其授权收入同比增长23%，其中汽车与边缘AI相关IP占比升至41%。

技术路线的调整也带来组织变革。Plowman领导的CTO办公室下设三个平行团队：先进图形架构组、AI编译与调度组、系统级验证组。三者每日同步工作进展，确保硬件设计与软件工具链同步迭代。这种“软硬一体”的研发模式，在IP公司中尚属少数。

回看整个产业脉络，从移动时代GPU主导图形渲染，到AI爆发期NPU独立成核，再到如今“无界计算”（Boundless Computing）理念兴起，硬件架构正经历又一次范式转移。Imagination的策略表明：在摩尔定律放缓背景下，能效与适应性将成为比绝对性能更关键的竞争力指标。

正如Plowman所言：“我们不是在造更快的引擎，而是在设计能自动切换驱动模式的整车系统。”当行业仍在争论“GPU vs NPU”时，真正的问题或许是：如何让一块芯片，在不同任务间无缝切换角色，且始终维持高能效比？这或许才是下一阶段计算平台的核心命题。