人工智能（AI）的應用開枝散葉，相應的運算需求也成為熱門議題。AI運算主要樣用可分為兩種，一是以效能為首要考量的服務器/云端運算，另一項則是算力要求較低的終端應用，講求低功耗及高效率。IP廠商Imagination的產品包含GPU、神經網路加速器（NNA）及乙太網（EPP）三個面向，GPU架構著重省電，并長期投入行動裝置、消費性電子、汽車及資料中心四大領域。

　　車用GPU重要性攀升

　　Imagination的GPU架構具有多工處理及獨立切割兩大特色。多工處理時，最多可以一次執行8個工作，也可以切割成最多8個獨立的GPU，在作業系統獨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的應用趨勢影響，GPU在車用IC中的角色更顯重要。

　　Imagination臺灣區業務總監林奐祥提及，現在的自駕等級約在Level 2~3之間，預估2024年可以達到Level 5，屆時自駕及電動車的應用都會讓感測器數量倍增，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臺灣區業務總監林奐祥認為，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認證，實際使用時，儀表板會區分出需要優先處理的區域，如GPS導航、時速表都會影響行車安全，因此要確保安全性及穩定性，是GPU優先處理的區塊。其他包含娛樂等功能，由于不會影響安全，GPU就會依照隨機順序處理資料。此外，具備多個畫面的儀表板則有各自獨立的作業系統，因此不在優先處理區的螢幕若出現功能問題，會按照一般程序重啟，不會影響儀表板的重要功能。

　　NNA強化影像辨識

　　林奐祥表示，過去在服務器/車用方面已有具算力優勢的GPU廠商，但是現在GPU領域開啟了高效能運算（HPC）的新戰局，面對新興的算力競爭，基于Imagination NNA架構的IC在8核心、5nm製程下，可達到每秒30瓦的算力。

　　Series4 NNA進一步強化車用GPU的影像整合，以夜車行車為例，車上多個鏡頭同時接收影像資料，經過GPU處理整合后，再由NNA進行圖像辨識，協助駕駛決策。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發出警示，自動停車也是NNA的其中一種應用。為了滿足AI不斷擴大的算力需求，Series4NX-MC產品系列最高可提供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發出警示