人工智能（AI）的應(yīng)用開枝散葉，相應(yīng)的運(yùn)算需求也成為熱門議題。AI運(yùn)算主要樣用可分為兩種，一是以效能為首要考量的服務(wù)器/云端運(yùn)算，另一項(xiàng)則是算力要求較低的終端應(yīng)用，講求低功耗及高效率。IP廠商Imagination的產(chǎn)品包含GPU、神經(jīng)網(wǎng)路加速器（NNA）及乙太網(wǎng)（EPP）三個(gè)面向，GPU架構(gòu)著重省電，并長期投入行動裝置、消費(fèi)性電子、汽車及資料中心四大領(lǐng)域。

　　車用GPU重要性攀升

　　Imagination的GPU架構(gòu)具有多工處理及獨(dú)立切割兩大特色。多工處理時(shí)，最多可以一次執(zhí)行8個(gè)工作，也可以切割成最多8個(gè)獨(dú)立的GPU，在作業(yè)系統(tǒng)獨(dú)立的情況下完成工作。例如，記憶體的容量可以切割給不同的工作使用，彼此之間不會相互占用，確保安全性及使用彈性。

　　車用是Imagination現(xiàn)正積極投入的市場之一，瑞薩及德州儀器都是自2004年開始與Imagination合作的早期客戶，目前Imagination的GPU架構(gòu)在車用IC的市占約為40~50%，2019年開始，合作對象拓展到中國的Telechip與韓國的SemiDrive。受到電動車興起的趨勢，且全球多國有共識在2025年禁售燃油車，汽車電子的用量增加，加上駕駛輔助、自動駕駛與車用娛樂系統(tǒng)的應(yīng)用趨勢影響，GPU在車用IC中的角色更顯重要。

　　Imagination臺灣區(qū)業(yè)務(wù)總監(jiān)林奐祥提及，現(xiàn)在的自駕等級約在Level 2~3之間，預(yù)估2024年可以達(dá)到Level 5，屆時(shí)自駕及電動車的應(yīng)用都會讓感測器數(shù)量倍增，車用電子將成長最少四倍，未來的汽車可說是一輛行走的資料中心。

　　Imagination臺灣區(qū)業(yè)務(wù)總監(jiān)林奐祥認(rèn)為，自駕及電氣化趨勢將使得車用電子用量大增

　　XS GPU IP通過ISO 26262認(rèn)證，實(shí)際使用時(shí)，儀表板會區(qū)分出需要優(yōu)先處理的區(qū)域，如GPS導(dǎo)航、時(shí)速表都會影響行車安全，因此要確保安全性及穩(wěn)定性，是GPU優(yōu)先處理的區(qū)塊。其他包含娛樂等功能，由于不會影響安全，GPU就會依照隨機(jī)順序處理資料。此外，具備多個(gè)畫面的儀表板則有各自獨(dú)立的作業(yè)系統(tǒng)，因此不在優(yōu)先處理區(qū)的螢?zāi)蝗舫霈F(xiàn)功能問題，會按照一般程序重啟，不會影響儀表板的重要功能。

　　NNA強(qiáng)化影像辨識

　　林奐祥表示，過去在服務(wù)器/車用方面已有具算力優(yōu)勢的GPU廠商，但是現(xiàn)在GPU領(lǐng)域開啟了高效能運(yùn)算（HPC）的新戰(zhàn)局，面對新興的算力競爭，基于Imagination NNA架構(gòu)的IC在8核心、5nm製程下，可達(dá)到每秒30瓦的算力。

　　Series4 NNA進(jìn)一步強(qiáng)化車用GPU的影像整合，以夜車行車為例，車上多個(gè)鏡頭同時(shí)接收影像資料，經(jīng)過GPU處理整合后，再由NNA進(jìn)行圖像辨識，協(xié)助駕駛決策。除了路況分析，NNA還能偵測駕駛行為，例如在駕駛疲憊而沒有直視前方道路時(shí)發(fā)出警示，自動停車也是NNA的其中一種應(yīng)用。為了滿足AI不斷擴(kuò)大的算力需求，Series4NX-MC產(chǎn)品系列最高可提供100 TOPS的算力。NNA搭配GPU切割工作，將工作切分后依照先后順序逐一完成，有效提高效能使用率。

　　NNA可在駕駛行為異常時(shí)發(fā)出警示