Imagination、初のEシリーズGPUベンチマークを公開　AIアップスケーリングとLLMプリフィル速度が大幅向上

Imaginationは、今後発売予定のEシリーズグラフィックスプロセッサ向けに、初めて公開されたベンチマークデータを発表しました。結果は、独立したテストハウスであるLeiPhoneとJon Peddie Researchが提供しており、注目すべき2つの機能、すなわち画像アップスケーリング用のNeural Super Resolution（NSR）と、同一シリコン上で動作する大規模言語モデル（LLM）のプリフィル段階に焦点を当てています。

NSR技術は、ImaginationがNeural Super Resolutionとしてブランド化しており、ソース画像の解像度をたった2.3ミリ秒で2倍に拡大できると主張しています。この測定は、LeiPhoneとJon Peddie Researchのテストスイートを用いて、標準化された4Kから8Kへのアップスケーリングワークロード下で行われました。2.3ミリ秒以外のタイミングデータや比較数値は公開されていません。

同時に、ベンチマークは大規模言語モデルのプリフィル段階—推論前にモデルの重みをGPUメモリにロードするメモリ集約型操作—が、Eシリーズでは従来のDシリーズに比べて4.7倍速く実行できることを示しています。LeiPhoneとJon Peddie Researchは、モデルサイズやバッチ構成の詳細は明示しないものの、同一の加速率が複数のモデルで観測されたと報告しています。

Matrix‑Accelerator アーキテクチャ

性能向上の核心要素は、EシリーズGPUに組み込まれた専用のマトリックスアクセラレータです。このアクセラレータは、MXFP8、MXFP4、BF16、FP4 といった低精度データフォーマットをサポートし、テンソル演算のビット幅を削減することで、AIワークロードで支配的な行列乗算や畳み込みカーネルのスループットを高めます。

Imaginationは、マトリックスアクセラレータがシェーディングエンジンと緊密に結合されていると述べています。タイルベースの遅延レンダラ（TBDR）パイプラインにマトリックスユニットを直接埋め込むことで、グラフィックスラスタライザとAI計算ブロック間のデータ移動が最小化されます。LeiPhoneの分析では、この統合によりエネルギー効率が最大39％向上したとされていますが、測定手法の詳細は開示されていません。

統合ソフトウェアスタック

Imaginationは、Eシリーズが従来のグラフィックスAPI（OpenCL、Vulkan）とAIフレームワーク（Llama.cpp、ONNX、PyTorch）を横断する単一のソフトウェアスタックでプログラム可能であると主張しています。この統合により、必要なドライバ数が削減され、描画とAI推論の両方を同一ダイ上でサポートするSoC設計者の認証サイクルが短縮されると論じています。

統合スタックは、メモリ、電力、シリコン面積が限られた組み込みプラットフォーム向けに開発をシンプルにすることを目的としています。描画とAIの両方で同一のドライバ基盤を再利用することで、OEMはグラフィックスとニューラルネットワークアクセラレータ用の別個の検証スイートを維持する必要がなくなる可能性があります。

帯域幅と圧縮の利点

Imaginationは、NSRモデルの圧縮特性も強調しています。同社によれば、NSRネットワークは元サイズの約65％に圧縮され、これによりNSRを使用しないネイティブレンダリングパスに比べてメモリ帯域需要が50％削減されるとしています。

帯域幅削減は、高解像度ディスプレイを対象としつつもメモリインターフェースが制限されるSoCにとって特に重要です。Imaginationは、Eシリーズプラットフォームの最大メモリ帯域幅を768 GB/sと示していますが、実際の性能は帯域がグラフィックスとAIにどの程度割り当てられるかに依存すると付記しています。

圧縮により帯域圧力は緩和されますが、ImaginationはNSRでアップスケールされたフレームの画質は「参照のネイティブレンダリング出力に近い」程度であると認めています。ベンチマークリリースでは、PSNRやSSIMといった定量的品質指標は提供されていません。

制限事項とヘテロジニアスアーキテクチャ

Imaginationは、EシリーズGPUがすべてのAIタスクに対して専用のニューラルプロセッシングユニット（NPU）を置き換えるものではないことを明示しています。超低遅延や高度に特化した演算が必要なワークロードは、依然として目的別に設計されたNPUの方が適している可能性があります。そのため、EシリーズはCPU、NPU、その他アクセラレータを含む広範なヘテロジニアスコンピュートファブリックの一部として位置付けられています。

ベンチマーク文書は、実際の効果はソフトウェアエンジニアの採用状況とSoCのメモリ構成に左右されると強調しています。たとえば、4.7倍のLLMプリフィル高速化は、宣伝どおりの768 GB/s帯域を提供できるメモリサブシステムを前提としています。帯域が低いシステムでは、得られる加速は減少する可能性があります。

同様に、2.3ミリ秒のNSRアップスケーリング遅延は理想的なテスト条件下で測定されたものです。文書は、ドライバの成熟度、熱スロットリング、他システムコンポーネントとの統合などに起因する変動が、実装時に生じ得ると警告しています。

• Neural Super Resolution が 2.3 ms で解像度を2倍に拡大
• LLM プリフィルが D シリーズ比 4.7 倍高速
• マトリックスアクセラレータが MXFP8、MXFP4、BF16、FP4 をサポート
• 統合スタックにより OpenCL、Vulkan、PyTorch 間のドライバ数が削減

上記リストは、Imagination と独立テストハウスが公表した4つの主要数値をまとめたものです。他の性能観測は定性的であるか、絶対数値を示さず相対的な改善として表現されています。

実務的観点から、組み込みやエッジデバイス向けにEシリーズの採用を検討する組織は、ベンチマークで示された加速効果と、リリース資料で指摘された不確実性を天秤にかける必要があります。タイルベースのレンダリングとマトリックスユニット統合によるエネルギー効率向上は、フレームあたりの消費電力を抑える可能性があり、バッテリ駆動製品にとって価値があります。

しかし、統合ソフトウェアスタックへの依存は、開発チームが既存のツールチェーンとの互換性を検証しなければならないことを意味します。もし既にレイテンシクリティカルな推論に専用NPUを使用している場合、Eシリーズはハードウェアを置き換えるのではなく補完する形となり、ワークロードの分割設計が必要です。

メモリ帯域は決定的な要因です。768 GB/s のフル帯域を確保できないシステムは、39％のエネルギー効率改善や4.7倍のLLMプリフィル加速といった最大性能を実現できません。設計段階でメモリサブシステムを早期に評価することが重要です。

最後に、ベンチマークデータが業界全体での採用を保証するものではありません。ソフトウェアベンダーは、新しいNSRモデルとマトリックスアクセラレータ API を自社のレンダリングエンジンやAIフレームワークに統合する必要があります。統合が完了しなければ、エンドユーザーが実感できるのは、管理されたラボ環境で観測されたベストケースシナリオに留まります。