AI应用快速向边缘端渗透，智能手机、AI PC、智能座舱、机器人等终端设备，需要连贯完成感知、建模、推理、决策、渲染的闭环任务，各类计算负载已经走向融合，可芯片硬件却依旧处于碎片化的状态。

如今主流SoC内部，图形任务交由GPU、信号处理交给DSP、神经网络推理交给NPU，通用计算依靠CPU。各类加速器各自拥有独立存储，计算中间结果需要反复在算力孤岛与外部DRAM之间传输，模块边界带来的综合代价被称为异构芯片边境税，主要体现在三大维度：一是能耗开销，大量功耗消耗在数据搬运而非实际运算；二是传输时延，跨模块的数据交互叠加排队等待，拉高系统响应时间；三是工程成本，不同加速器配套独立工具链、驱动程序，大幅提升芯片集成、后期维护的人力投入。

除此之外，硬件流片定型之后架构便无法更改，AI模型、算子、应用却持续快速迭代，硬件需要具备足够可编程能力，才能适配未来尚未定义的业务需求，延缓芯片产品淘汰周期。在CPU、NPU、GPU能力边界不断模糊的行业背景下，Imagination提出GPU‑First战略，主张将GPU作为异构边缘计算的融合重心。

GPU能够胜任融合计算核心，源于四大先天特质：具备大规模并行计算能力与强可编程特性，适配持续迭代的AI算子；几乎所有带显示能力的边缘终端均标配GPU，具备规模化落地基础；拥有Vulkan、DirectX等标准API，开发者生态成熟；图形渲染是显示类设备刚需，该职能无法被其他处理器替代。但该战略并不代表GPU要取代NPU，E系列支持和其他片上加速器共存，根据产品需求灵活搭配算力单元。

E系列GPU的核心创新，是把矩阵乘法AI单元直接嵌入GPU着色单元内部，紧邻图形运算单元。AI计算可以直接复用GPU现有的寄存器、缓存、固件、驱动与整套工具链，最大化复用软硬件资产，落实统一内存层次、统一调度、一套软件栈的“三统一”设计理念。

硬件层面，单核1GHz条件下，E系列拥有2 TFLOPS FP32算力，INT8/FP8矩阵算力达到32 TOPS，AI算力相比上代D系列提升4倍以上；支持1‑4核灵活配置，适配Chiplet多芯粒方案，可兼容HBM、LPDDR、GDDR多种内存；新增BF16、MXFP8、MXFP4等嵌入式低精度数据格式，适配带宽受限的边缘大模型推理；搭载RISC‑V固件调度器，能够并行调度图形与AI任务，支持最多16个虚拟机，满足车载安全隔离等复杂场景。

为适配不同芯片厂商的设计诉求，E系列提供四种异构组合方案：纯GPU方案，适合长生命周期、看重可编程性的车载、工业设备；GPU为主搭配辅助NPU，兼顾可编程能力与定向AI加速；NPU为主，GPU做图形协处理器，优先保障推理吞吐；GPU与NPU均衡协同，按需调配性能、能效、可编程性。依靠硬件邮箱、共享内存等机制，E系列可以顺畅和其他IP模块完成任务交接，开放软件栈也便于厂商集成到自有SDK当中。

实测数据验证了这套架构的实际价值。图形负载场景下，E系列单位算力帧率较上代最高提升54%，每瓦性能最高提升39%；四核版本可以流畅运行AAA级游戏，面向AI PC、车载游戏场景。自研NSR神经超分辨率技术，矩阵单元和着色器深度耦合，数据无需导出至外部内存；单核1GHz芯片完成540p到1080p升级仅耗时2.3ms，1080p升4K场景带宽最高降低54%，帧率提升最高2.5倍，相关能力以SDK库、游戏引擎插件形式对外交付。

AI算子方面，Conv2D卷积内核性能最高提升4.4倍，GEMM矩阵乘法最高提速4.8倍，矩阵负载下GPU利用率可达89%。针对本地大模型，E系列大幅优化Prefill预填充阶段性能，相对上代提升4.7倍，改善Agent AI关键的首token生成耗时；以Qwen3.5‑4B模型为例，1.5GHz四核配置，首token生成仅0.2秒，解码吞吐量可达每秒150 token；而Decode解码阶段性能，则高度依赖SoC系统内存带宽，需要系统集成厂商完成配套调优。

客观来看，E系列并非全能的解决方案，整体性能上限受内存带宽、芯片系统方案约束，不能单纯依靠TOPS算力评判AI能力。产品路线上，D系列完成通用图形计算打底，E系列实现GPU内部AI深度融合，后续F系列将进一步拓展计算效率；整条产品线沿用同一套软件栈，前代软件优化成果可以持续复用，保护客户研发投入。

面向边缘计算产业，E系列给出一套解决硬件碎片化的可行路径：依靠GPU的多重先天优势，通过架构创新削减“边境税”，在图形、AI、通用计算多负载之间取得平衡，把架构选择权交给芯片设计者，适配手机、座舱、机器人、工业终端多样化的边缘智能需求。