根據(jù)工業(yè)和信息化部裝備一司發(fā)布的消息：2025年1月，中國汽車產銷分別完成245萬輛和242.3萬輛，產量同比增長1.7%，銷量同比下降0.6%。其中，新能源汽車產銷分別完成101.5萬輛和94.4萬輛，同比分別增長29%和29.4%，新能源汽車新車銷量達到汽車新車總銷量的38.9%；乘用車產銷分別完成215.1萬輛和213.3萬輛，同比分別增長3.3%和0.8%。中國汽車工業(yè)在繼續(xù)保持全球產量第一的同時，也在加速電氣化進程，同時也在不斷推進智能化。圖形處理器（GPU）已經成為智能駕駛和新一代座艙中，被用以實現(xiàn)先進駕駛輔助（ADAS）或者自動駕駛（AD），或者處理更多的屏顯、實現(xiàn)人機互動和汽車與環(huán)境互動的核心處理器件之一，基于GPU開發(fā)的智駕芯片和智能座艙芯片具有廣闊的前景。

作為世界第四大芯片IP公司，Imagination在全球汽車GPU IP市場一直處于領先地位，并專為汽車市場開發(fā)了XS系列GPU，該系列最新的DXS是一款可擴展、靈活的GPU IP，專為處理駕駛艙、信息娛樂和高級駕駛輔助系統(tǒng)中的圖形和計算工作負載而打造。該處理器不僅以單核1.5TFLOPS的處理能力在計算性能方面引領行業(yè)同儕，而且還引入多項創(chuàng)新實現(xiàn)了分布式安全性，消除了芯片設計公司以往為實現(xiàn)ASIL-B等級功能安全而產生的額外開銷。目前，采用這種創(chuàng)新的、低成本的分布式安全機制DXS GPU已通過了ASIL-B汽車功能安全性認證。?

除了上面提到的算力和分布式安全等硬件方面的創(chuàng)新，Imagination還為DXS系列GPU配置了全面的計算庫和工具鏈，以期望提升開發(fā)效率和充分釋放DXS GPU的性能方面，從而進一步加速智能駕駛芯片的設計和普及。

深度優(yōu)化的全新底層計算庫提升開發(fā)效率

Imagination提供的一系列底層計算庫都經過深度軟件調優(yōu)。全新計算庫和人工智能工具包，可幫助軟件開發(fā)人員實現(xiàn)高達80%的GPU利用率。這也將加速常見計算工作負載的處理，如計算機視覺和ADAS系統(tǒng)感知數(shù)據(jù)的預處理和后處理。這一套與DXS GPU硬件同時完成開發(fā)的計算庫包括：

傅里葉變換加速庫（imgFFT）

傅里葉變換加速庫（imgFFT）在智能駕駛領域是處理傳感器數(shù)據(jù)的得力助手。智能汽車搭載的雷達、攝像頭等傳感器會生成海量數(shù)據(jù)，imgFFT能快速將時域數(shù)據(jù)轉換到頻域。例如，毫米波雷達不斷發(fā)射和接收電磁波，產生的時域信號經 imgFFT 處理后，車輛可清晰分辨出周邊物體的速度、距離等信息。在圖像識別方面，攝像頭拍攝的圖像數(shù)據(jù)，通過 imgFFT頻域數(shù)據(jù)分析提取，可突出圖像中的邊緣、紋理等關鍵特征，使圖像識別算法能更精準地識別道路標志、車道線以及其他車輛，幫助車輛提前做出反應，極大地提升了自動駕駛系統(tǒng)的環(huán)境感知能力和安全性。

線性代數(shù)庫（imgBLAS）

線性代數(shù)庫（imgBLAS）為智能駕駛中的復雜運算提供了高效支持。在路徑規(guī)劃算法里，imgBLAS的矩陣運算能力發(fā)揮著關鍵作用。當車輛規(guī)劃行駛路線時，要綜合考慮地圖數(shù)據(jù)、實時路況、自身位置等信息，這些都以矩陣形式呈現(xiàn)。借助 imgBLAS的矩陣乘法、加法等優(yōu)化函數(shù)，車輛能快速計算出不同路徑的成本和可行性，找到最優(yōu)行駛路徑。在機器學習模型訓練中，imgBLAS同樣不可或缺。像訓練用于預測交通流量的模型時，涉及大量數(shù)據(jù)的矩陣運算，imgBLAS能大幅提升運算速度，縮短模型訓練時間，使模型更快適應路況變化，為自動駕駛決策提供更準確的依據(jù)。

神經網絡庫（imgNN）

神經網絡庫（imgNN）是推動自動駕駛技術智能化的核心力量。在自動駕駛系統(tǒng)的深度學習模型中，imgNN為模型的訓練和推理提供了有力支持。在訓練階段，imgNN優(yōu)化了模型參數(shù)更新的計算過程，加速了模型的收斂速度，使模型能夠更快地學習到圖像中各類物體的特征。在實際駕駛中，模型進入推理階段，imgNN能夠高效處理攝像頭傳來的圖像數(shù)據(jù)，迅速識別出車輛、行人、障礙物等目標，并準確判斷其位置和運動狀態(tài)，幫助車輛及時做出制動、避讓等決策，使得自動駕駛系統(tǒng)的反應更加靈敏、決策更加精確，有力地推動了自動駕駛技術從理論走向實際應用。

Imagination還將其開發(fā)庫與oneAPI Toolkit、TensorGraph Reference Kit進行對接和優(yōu)化，無論開發(fā)者在何種架構、平臺上開發(fā)，或是使用開源框架，都能無縫使用這些庫，極大地提升了開發(fā)環(huán)境選擇的靈活性。

Imagination 的創(chuàng)新生態(tài)系統(tǒng)構建

Imagination致力于解決GPU開發(fā)的局限性問題，為開發(fā)者們提供了一套全面且極具創(chuàng)新性的解決方案。Imagination構建了領域專家合作伙伴的生態(tài)系統(tǒng)，與UXL基金會緊密合作，通過開源持續(xù)推動oneAPI標準的發(fā)展，為開發(fā)者開辟了一條清晰且便捷的道路，以便實現(xiàn)軟件的可移植性，并有效利用異構硬件。這一方案不僅打破了硬件廠商的壁壘，還極大地提升了開發(fā)效率，讓開發(fā)者能夠專注于算法優(yōu)化和應用創(chuàng)新，從而在激烈的技術競爭中占據(jù)優(yōu)勢。

UXL 基金會，即 Unified Acceleration Foundation，是在當前全球 GPU 開發(fā)格局下應運而生的重要組織，其愿景是打破少數(shù)廠商利用其軟件平臺與 GPU 硬件構建的封閉生態(tài)系統(tǒng)帶來的限制，使全球開發(fā)者可以不依賴某一特定軟件平臺進行 AI 和其他應用程序開發(fā)，從而使其他硬件廠商的 GPU 在軟件開發(fā)后解決適配上面臨的諸多困難。在此背景下，高通、谷歌、英特爾、Imagination Technologies和三星等科技巨頭聯(lián)合成立了 UXL 基金會。

UXL 基金會的目標是構建一個開源項目，打造一套能驅動多種GPU等加速器芯片的軟件和工具，使開發(fā)者的代碼能在任何機器上運行，而無需考慮具體使用何種芯片和硬件，以此推動建立開放標準的生態(tài)系統(tǒng)，打破硬件與軟件之間的壁壘，統(tǒng)一異構計算生態(tài)。UXL基金會致力于軟件開發(fā)移植和成果復用，通過構建開源項目和制定統(tǒng)一標準簡化開發(fā)流程。它基于oneAPI來提供跨平臺編程接口和工具，如oneDPL、oneDNN等，以促進軟件快速移植和開發(fā)效率。

因此，Imagination積極參與發(fā)起UXL 基金會，并為此提供了諸多技術貢獻，還積極支持開放社區(qū)與協(xié)作機制，推動全球的開發(fā)者可以在社區(qū)中共享代碼、分享經驗和交流創(chuàng)新成果。目前，Imagination及其客戶和合作伙伴通過oneAPI，攜手解決了軟件開發(fā)移植過程中遇到的許多問題，不僅有效地支持了開發(fā)者去提升開發(fā)效率，還可加速軟件移植和實現(xiàn)無形資產的全面復用。

全面的工具加速開發(fā)項目應用落地

Imagination的PVRTune工具為開發(fā)者提供了精確的性能分析支持。該工具專門針對包括新推出的DXS GPU在內的PowerVR器件進行硬件級別的性能深度剖析。利用PVRTune，開發(fā)者能夠實時監(jiān)控GPU負載、內存帶寬等關鍵性能指標。在識別問題后，能夠迅速定位性能瓶頸，優(yōu)化代碼結構，從而顯著提升應用的運行效率。PVRTune還支持多線程調試，協(xié)助開發(fā)者均衡各線程負載，預防資源沖突。通過其直觀的可視化界面，開發(fā)者可以清晰地查看性能數(shù)據(jù)，并精確調整參數(shù)，進一步優(yōu)化應用性能，確保即便在復雜場景中也能保持高效運行。

此外，Imagination也致力于為開發(fā)者們提供參考計算和AI工具包，助力客戶在實際應用中充分利用計算庫。該參考計算和AI工具包已在客戶和合作伙伴的項目開發(fā)中實現(xiàn)了許多成功范例。例如，澎峰科技基于Imagination的計算庫構建AI解決方案，借助參考工具包，在Imagination GPU上運行各類人工智能應用，其中大語言推理引擎PerfXLM相較于CPU方案，性能提升高達100%，且移植耗時極短。

DXS GPU將Imagination 的綜合優(yōu)勢全面帶入智能汽車領域

目前，已有領先汽車芯片企業(yè)購買了Imagination的DXS系列汽車GPU IP的授權，預計在不久的將來，業(yè)界將看到采用DXS GPU IP開發(fā)的高算力、具有功能安全性的智駕芯片。這些智駕芯片除了充分發(fā)揮Imagination獨特的PowerVR GPU架構、在行業(yè)內領先的HyperLane硬件隔離技術等創(chuàng)新，也為最終應用的開發(fā)者提供了從生態(tài)系統(tǒng)、底層庫、性能分析工具到參考工具包的全方位支持，有效解決了傳統(tǒng)開發(fā)環(huán)境的局限性問題。從而推動開發(fā)者發(fā)揮GPU技術在更靈活、更通用和生命周期更長等方面的優(yōu)勢，助力智駕芯片開發(fā)者快速實現(xiàn)高質量創(chuàng)新。