本教程将为您深入剖析 Imagination Technologies 与 MulticoreWare Inc. 的深度合作，并着重展示如何通过算法优化在 Imagination GPU 上实现惊人的性能提升。无论您是嵌入式开发人员、计算机视觉工程师，还是对异构计算感兴趣的技术从业者，都能从中获得实用的优化策略与详细案例参考。

合作背景与目标

Imagination Technologies 宣布与 MulticoreWare Inc. 建立新的合作伙伴关系，MulticoreWare 正式成为 Imagination 在 GPU 算法优化领域的首选软件研发伙伴。MulticoreWare 专注于在低功耗、嵌入式和异构平台上优化计算机视觉、传感器数据处理以及 AI 应用，本次合作旨在充分发挥 Imagination 高能效 GPU 的并行计算潜力。

核心成果：立体块匹配算法加速演示

双方在 UNISOC-T710 开发平台 上共同演示了加速立体块匹配算法的性能成果。MulticoreWare 利用自身在 OpenCL 方面的技术优势，重新实现了立体块匹配算法，重点优化了计算资源利用率和内存布局。

• 性能提升：在 Imagination GPU 上实现了 超过 50 倍的性能提升。
• 对比 CPU：在同一配置下，CPU 处理时间为 54.25ms，而经过 MCW 优化后的 GPU 实现时间仅为 0.78ms，性能提高了 约 70 倍。

优化关键技术点

该立体块匹配算法是针对客户需求进行了定向优化。MulticoreWare 在分析 CPU 性能后，识别出计算瓶颈，并通过以下手段实现最大 GPU 并行性：

• 内部寄存器使用与配置：高效利用 GPU 内部寄存器，降低数据搬运开销。
• 自适应全局工作组大小：依据图像分辨率，结合 Imagination 的 GM9446 GPU 内存布局计算合适的全局工作组大小，确保每个线程块满载运行。
• 算法参数调整：修改算法参数以提升精度，同时维持 GPU 上的高性能表现。

合作伙伴观点

MulticoreWare 副总裁兼自动驾驶汽车和汽车业务部门联席总经理 Vish Rajalingam 表示：“高能效 GPU 如今已成为所有计算机视觉、人工智能和传感应用的关键。我们非常高兴能与 Imagination 携手，帮助他们的客户在 Imagination 的 PowerVR GPU 上实现算法优化和软件加速，并规划未来添加 RISC-V 软件加速的路线图。”

Imagination 产品管理总监 Gilberto Rodriguez 表示：“使用 Imagination 的 GPU 即可在边缘设备上轻松、高效地部署计算机视觉任务以及机器学习加速。MulticoreWare 正借助我们的 IP 发挥其在通用 GPU 应用方面的真正潜力。通过与 MulticoreWare 合作，我们能够为客户提供经过深度优化的 PowerVR 部署体验。”

性能对比数据总结

下表直观展示了优化前后的性能差异（基于同一 UNISOC-T710 平台）：

• CPU 实现时间：54.25 ms
• MCW 优化后 GPU 实现时间：0.78 ms
• 加速比：约 70 倍