随着汽车、智能手机、VR／AR、智能电视以及无人机等技术的发展，市场对高性能的图像处理及高性能运算的需求日益暴涨，比如在汽车领域，在奥迪、特斯拉等领先厂商的推动下，座舱多屏及大屏化正成为主流发展趋势；而在VR／AR以及全景相机领域，6K／8K乃至10K及以上的图像显示也成为未来几年的重要发展目标；同时，随着无人机产业的快速发展，高像素乃快速的图像解析及处理能力也成为行业公认的发展方向。

为此，9月21日，Imagination Technologies重磅发布利用神经网络（NN）专用PowerVR架构实现的Series2NX NNA神经网络加速器以及两款全新一代的PowerVR GPU，为图像处理以及高性能运算领域点燃了又一盏明灯。

两款全新GPU问世 主打高性价比方案

众所周知，随着全面屏手机、VR／AR、汽车座舱以及全景相机等技术的发展，越来越多的B端厂商开始寻求更高性价比的图像处理解决方案，比如在AR／VR领域，OEM厂商既想获得高像素、快速的刷新率以及低延时的产品性能，又想要更进一步的压低设备成本，以便能够顺利打开C端市场，创造更多的产品价值。

为了顺应这种行业诉求，Imagination公司推出了两款全新一代的Power VR GPU产品Series 9XM与9XE。Imagination PowerVR市场高级总监Chris Longstaff对记者表示：“全新一代的PowerVR GPU能为即使是价格低廉的设备带来绝佳的图形功能，并为SoC开发人员提供高灵活性的GPU系列产品，使产品既能实现所需的性能等级，又能在任何价格点脱颖而出。而在应用方面，两款GPU可以广泛适用于包括DTV、机顶盒、流媒体电视棒／适配器、汽车信息娱乐系统以及整合性电子设备领域，为硬件设备上的GUI以及HMI等提供最佳的真实世界体验。”

而在具体硬件及技术细节方面，Chris Longstaff对记者透露：“两个新系列产品均获益于内存子系统的提升，与前代产品相比，带宽减少25％，可确保更高的处理能力被充分发挥出来。此外，9XE和9XM的共同新特性还包括新的MMU，能支持更大的寻址，并且提供10位YUV的标准支持，完全不会影响芯片面积。而且，两者还有各自不同的特性，比如Series9XE GPU持续并扩展了PowerVR 8XE系列GPU在单位面积填充率（fillrate／mm2），而且还扩展了新的8像素／时钟（8PPC）内核，使得4K60的GUI应用能够获得更为理想的技术支持。而Series9XM GPU则具备更高的运算密度（GFLOPS／mm2），并采用了多项新的增强的架构元素，因此在性能上比前一代8XEP提升了50％，而且还具备可扩展至4K及以上解析度的能力，为新一代的图像处理应用提供了更强大的硬件支持。”

终端侧布局AI成风潮 NNA为硬件全面赋能

除了全新一代的高性价比GPU之外，Imagination公司还推出了旗下首款神经网络加速器Series2NX NNA，为未来的SoC设计提供强有力的硬件加速支持。

众所周知，在高通、华为以及苹果等巨头的引领之下，终端侧布局人工智能技术成为全新的发展趋势。相比云端而言，终端侧部署AI能力则具备诸多优势，首先，对用户隐私有充分保障；其次，由于是布局硬件，相比云端带宽要求会更低，功耗也会更有优势；此外，终端的AI能力对于延时性等方面的控制相对更为灵活，因此可以广泛的适用于多种不同类型的产品。

随着AI以及硬件技术的不断更新迭代，未来人工智能将像CPU、GPU以及视频编码器一样在SoC当中无处不在，但这也需要通过相应的硬件设计来实现。

Chris Longstaff认为：“神经网络加速的专用硬件将成为未来SoC的标准IP模块，就如同CPU和GPU一样。比如在移动应用领域，随着Tensorflow Lite以及Android API的即将发布，再加上Caffe2Go架构的快速进展，我们将看到智能手机AI应用程序数量的快速爆发。因此越来越多的公司需要高效率的方式来执行包括影像辨识、语音辨识、计算摄影等在内各种的推理任务。而PowerVR 2NX是现今唯一的一套IP解决方案，能以低功耗、小面积、MMU和对Android的支持来满足移动解决方案部署的所有需求。在GPU不可或缺的移动设备中，公司能把新的PowerVR Series9XE或9XM GPU与2NX NNA在相同的芯片中搭配运用，以作为独立式GPU，其优异的性能足以和业界的独立式GPU竞争。”

据Imagination所公布的信息显示，全新的NNA能够灵活支持不同位长的数据类型（包括16、12、10、8到4位），并同时支持CNN、RNN以及LSTM三种神经网络类型以及Caff、Caff2／2go和Tensorflow／Lite等通用机器学习架构。Imagination中国区区域市场和业务拓展总监柯川解释道：“通过这种方式，使得NNA能够很灵活的支持不同应用行业的应用需求，比如汽车等一些市场需要16位的支持，而另一些市场可能只需要较低的精度即可，这样可以更为快速的处理数据、权重和激活位宽精度每层均可调节，使得以最小的功率和带宽来实现最大的性能。而通过对众多神经网络类型及机器学习架构的支持，使得NNA也可以在诸如移动、监控以及汽车和消费电子等诸多领域以非常低的功耗实现神经网络的高性能运算，进一步减轻整个硬件系统的负荷。”

总之，在AI应用及相关产品开发逐步向硬件领域偏移的大背景下，编者认为，未来将会有越来越多诸如华为及苹果这一类的移动芯片厂商积极研发自家的人工智能芯片，该领域即将面临着一场全新的技术争霸战。PowerVR NNA在众多数据上来看的确十分亮眼（比如在带宽、性能以及功耗等方面吊打苹果和华为），但未来还需要持续稳扎稳打，方能在瞬息万变的市场及技术竞争中持续占领先机。