10月13日,Imagination Technologies(以下简称Imagination)宣布推出新一代的GPU产品IMG B系列(IMG B-Series)IP,具体包含BXE、BXM、BXT、BXS四个产品系列,其中BXE专门针对用户界面(UI)渲染和入门级游戏;BXM主要面向中档移动端游戏以及用于数字电视;BXT面向更高端需求;BXS是专门面向汽车市场。
Imagination、ARM、高通是移动GPU芯片的三大玩家,新一代GPU的推出扩展了Imagination的GPU IP阵营,进一步提升了Imagination与ARM、高通的竞争实力。
对于最新推出B系列GPU,Imagination Technologies首席执行官Simon Beresford-Wylie评价说:“IMG B系列建立在大量投资及A系列技术优势的基础上,同时增加了多核技术,以惊人的33种全新配置扩展了Imagination的GPU产品系列。凭借B系列产品,我们相信Imagination可以为每个人提供最佳的GPU,无论他们有何种需求。”
去年年底,Imagination曾推出了A系列的GPU,被Imagination称为是重大产品革新。A系列GPU与前一代产品PowerVR GPU相比,性能提升了 2.5 倍,而功耗则降低了 60%。而如今新推出B系列GPU是产品的再次升级,其各项指标也再次得到提升。根据Imagination提供的资料,B系列旗舰GPU提供了高达6 TFLOPS(每秒万亿次浮点运算)的计算能力,与前几代产品相比,功耗降低了多达30%,面积缩减了25%,且填充率比竞品IP内核高2.5倍。同时,可以针对给定的性能目标实现更低的功耗和高达35%的带宽降低,这使其成为顶级设计的理想解决方案。

B系列旗舰GPU提供了高达6 TFLOPS的计算能力
据悉,此次推出的B系统GPU应用了不少创新技术,包括多核技术、图像压缩技术、小芯片技术(chiplet)以及安全技术等等。特别是多核技术在新一代GPU中的应用不仅极大地提升了GPU的性能表现,同时也提供了更好的灵活性,能充分满足移动设备(从高端到入门级)、消费类设备、物联网、微控制器、数字电视(DTV)和汽车等多个市场的需求。
据Imagination技术产品管理高级总监Kristof Beets介绍,多核架构针对BXT和BXM内核的每个产品系列进行了优化,利用多个主核的扩展特性实现了GPU内核的多核扩展。多核架构结合了所有内核的能力,可以为单个应用提供最大化的性能,或者根据需要支持不同内核去运行独立的应用。而BXE内核提供了主核-次核的扩展模式,这是一种面积优化的解决方案,通过单个GPU内核提供了高性能,同时可以利用其HyperLane技术进行多任务处理。BXS汽车GPU内核也利用了多主核可扩展的特性,来支持性能扩展,以及跨多个内核进行安全检查,以确保正确运行。
B系列GPU还使用了IMGIC技术,这是市场上最先进的图像压缩技术,可为客户提供节省带宽的新选择。它提供了多达四种压缩等级:从像素完全无损模式,到可确保4:1或更佳压缩率的带宽极省模式。这为SoC设计人员提供了更高的灵活性,以优化性能或降低系统成本,同时保持出色的用户体验。IMGIC技术可以兼容B系列中的所有内核,这使得即便是最小的内核,也能够拥有Imagination行业领先的图像压缩技术优势。
另外值得一提的是,作为本次系列产品中专门面向汽车行业的BXS,符合ISO 26262标准的GPU,这使其成为迄今为止所开发的最先进的汽车GPU IP内核。而这背后是其具备全新的功能和安全机制,例如分块区域保护(Tile Region Protection),这些功能都集成在硬件中,从而可以在性能不受损的同时发挥这些功能。对于汽车GPU和自动驾驶汽车而言,这有利于提高安全性。
据悉,目前已经有多家客户与Imagination达成合作意向,其中芯动科技(Innosilicon)就已经与之达成新的授权合作协议,芯动科技将IMG B系列BXT集成到能支持桌面和数据中心应用的PCI-E规格的GPU独立显卡芯片之中。同时,双方还在探索进一步长期战略性合作,以将更多功能更强大的GPU显卡芯片推向市场。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。