AI狂飙, FPGA会掉队吗? (下)

发布时间：2026-07-10 10:26:32 来源：青岛康龙物流公司 作者：时尚

上篇和中篇，狂飙我们介绍了FPGA的队下四大特点，以及这些特点所带来的狂飙市场和应用机会，概述如下：

硬件可编程：通信网络，队下芯片验证等；

并行和实时：视频图像处理，狂飙AI推理等；

高集成度：工业机器人，队下激光雷达等；

新工艺新接口：视频接口，狂飙测试测量等。队下

有那么多的狂飙机会，FPGA怎么不上天呢？队下其实FPGA真上天了，在每一台火星车上，狂飙几乎都有宇航级FPGA存在，队下但不卖国内。狂飙即使上天也解决不了根本问题，队下火星车就那么几台，狂飙而芯片的持续健康发展必须要有用量的支撑。做芯片无法持续盈利并投入，便没有生命力，这就是搞“两弹一星”和搞芯片的本质区别。在本篇内容中，让我们说说FPGA的五大硬伤，搞清楚是什么限制了FPGA的海量部署和做大做强。

>>FPGA五大硬伤及破局之道

硬伤一：单价高，HardCopy的悲歌

有时候客户想谈价格，会说他们那个产品是海量。而我喜欢跟客户开玩笑说，“我们喜欢量大的应用，但是量也不能太大，否则我们会被吓跑。” 这是一句玩笑，但的确是FPGA的无奈。为什么？成本，还是成本。FPGA的可编程是用资源冗余实现的，同样功能的FPGA裸片尺寸(die size)是等效ASIC的几倍，甚至十几倍。冗余会带来成本，成本最后需要用户买单。

最终，等产品规格趋于稳定，可编程不再是刚需，降本变成了对FPGA厂家的灵魂拷问。降价，降BOM，是客户的习惯动作。头部FPGA厂家的毛利通常在70%左右，对以高利润率而津津乐道的FPGA厂家来说，面对客户不停的压价是一个痛苦的过程。那有没有解决办法呢？

业界一直在探索这一问题的解决方案，在2001年Altera就首次推出了HardCopy解决方案。HardCopy是一种结构化的ASIC，简单说来，先用FPGA做前期设计和中小批量生产，等设计稳定不变了，就用一个硬化的芯片HardCopy来替代FPGA，可以实现管脚兼容，客户不需要做硬件的改动。这个硬化的芯片去掉了所有的冗余电路，把裸片（die）面积做小。看起来完美解决了客户前期设计需要频繁改动以及后期量产FPGA单价过高的问题。

这个方案其实对卖FPGA也是很有帮助的，一方面可以在设计前期稳住客户，吸引客户使用Altera的FPGA，在设计稳定之后，又可以防止客户自己投片ASIC留住量产设计，真是一箭双雕。当年Altera的CEO John也这么想的，他从LSI Logic过来，定制化ASIC是LSI的主业。他豪赌HardCopy，似乎不成功便成仁，可是HardCopy终归是一曲悲歌。当时Altera内部私下流传着一句笑话： “Hard Yes, Copy No!”。言下之意就是“这东西很难，也不是拷贝这么简单”。

那么HardCopy问题出在哪里呢？

第一，HardCopy结构限制，裸片尺寸不能大幅度降低，节省的成本有限；

第二，HardCopy流片成本也挺高，有NRE(工程费用)，对客户是个负担；

第三，HardCopy一对多替换FPGA也有很大的验证风险；

第四，如果流片以后设计又发生更改，会非常麻烦，造成成本损失。

总的来说，ASIC的风险HardCopy一个都不少，但是收益却远没有ASIC那么诱人。HardCopy是个看起来很美，操作起来很要命的产品，失败是必然的。全国的HardCopy最多只做成了两三个，可以说失败的很彻底。赛灵思的EasyPath作为被动应对的方案，后来也跟着销声匿迹了。

Altera梦碎HardCopy，对HardCopy的过度投入，以至于在FPGA SOC和软件工具方面投入不足，无法让公司赶超对手更上一层楼，却慢慢被对手甩开，后来终于做出了出售Altera给Intel的决定。

硬伤二：资源少，性能低，功耗高

有人会说，FPGA的性能并不低，资源也有大规模的可选啊。资源和性能是个相对的概念，对很多高端的应用，单片FPGA的资源是不够的，需要很多颗拼起来一起验证，与ASIC相比其极限主频也不够，因为有很多冗余电路，漏电流明显，天生功耗就高。有时前期原型验证用FPGA，后期转ASIC可以做得更大，速度可以更快且功耗可以更低。

在很多手持设备应用场景，比如对讲机，手持测试仪，手持超声，玩具打印机等等设备，功耗非常关键，一个是散热效果，一个是电池续航，都很重要。即便不用电池供电，比如手持超声，功耗太大设备发烫，也会严重影响使用过程中的用户体验。

有些设计无论怎么做功耗优化，始终无法满足需求，于是被迫弃用FPGA，或者改用其他ARMSOC加个非常小的低功耗FPGA。虽然Lattice和Microchip都有低功耗的工艺，但却牺牲了性能。而后来的易灵思，通过XLR(可变换逻辑和走线)架构创新兼顾了低功耗和高性能，并保持较低成本。这些尝试都很有意义，但是FPGA的结构本身决定了只能在一定程度上优化功耗、性能和资源利用率。我们仍然期待FPGA厂家在这些领域持续创新。

硬伤三：FPGA白纸一张，生态弱

FPGA号称万金油，什么都可以做。但是如果没有算法和协议实现，白纸一张，没有实际功能，实际上也什么都做不了。实现任何功能都需要进行编程，需要客户自己设计或者找合作方深度定制，但这条路充满荆棘。

很多时候，特别是一些做消费类产品比如全景相机、VR/AR这些应用的客户，产品定义突然提出需求来，规格也时常变化，内部没人做，外部IDH（独立设计工作室）也很难配合。很多中小公司不愿意养人，因为不会一直有FPGA的活干，而单独做IDH的公司也时常处于打零工的状态，饱一顿饥一顿，无法实现长期发展，各有各的难处。

对我们来说，也对没有常备FPGA设计能力的客户来说，IDH显得非常珍贵，他们都是我们的座上宾。但很多IDH生活在温饱线边缘，无论是转产品设计或是坚守IDH都是一条艰苦的路。所以，请善待IDH，珍惜IDH。

我们在做客户的早期设计导入的时候，为什么只倾向于报价给设计方，而不是单纯的采购方。这是因为，任何FPGA的量产，都需要经过设计者的辛苦努力才会有结果。在任何客户询价的时候，我们都需要搞清楚设计的来源和去处才会报价。这对保护设计者，保护市场价格都非常重要。

硬伤四：设计层次低，难掌握

FPGA第一次市场规模的飞跃也是由设计方法学的飞跃引领的，也就是说，从原理图到HDL RTL层的设计革命极大提高了设计效率，第一次带飞了FPGA，把设计者从底层的原理图设计中解放出来，可以做更大更复杂的设计，然后由逻辑综合工具把HDL自动转成逻辑门网表，再布局布线。

「High-Level Synthesis/HLS并不普及」

然而，方法学就此几乎停滞不前，编程抽象层次仿佛被锁死在RTL层。RTL层犹如半自动化手工作坊，高级语言和高层次综合HLS始终无法大规模普及，无法带来设计生产力的革命性提升。不能大幅提升设计效率，极大限制了用户对资源或算力需求的拉动。

FPGA应用场景往往与底层硬件系统紧密结合，需要设计者对具体的硬件系统和应用需求有深入了解。同时，相比高级语言的软件设计，RTL设计方法比较难掌握，设计更改迭代慢，人难招。且对人的综合素质要求很高，包括软硬件，编程，算法，单板硬件都需要懂，难上加难。因此大家都会觉得FPGA圈子小，这并不是错觉。

「Jetpack用于端侧AI开发」

再看看英伟达的GPU，不就是被CUDA带飞了吗。编程简单易学好用就是王道，高级语言直接上，资源效率和性能差不多就行，也没必要处处精益求精，通常能到标称算力的一半以上也不错了。如果需要对关键模块提高效率和性能，像DeepSeek那样，部分操作绕过CUDA的高层API，直接操作PTX指令集，也是可以的。现在的Jetson产品开发包Jetpack也是英伟达的护城河，它包含了完整的AI、计算机视觉、GPU加速、深度学习以及CUDA工具链，让开发者能够高效地在Jetson硬件上构建应用。

赛灵思“数据中心优先(DC First)战略”虎头蛇尾的一个重要原因，实际上就是FPGA设计方法学不具有普适性。公司高层也对这个问题洞若观火，做Vitis/Vitis AI工具的目的也是想让所有人都参与到FPGA平台的开发过程中来，不管是AI科学家，算法工程师，软件工程师都能轻松的对FPGA进行编程，使用C/C++，OpenCL库，亦或是TensorFlow，Pytorch等AI框架，希望能把FPGA编程彻底软件化。

但是，多数情况下，编程效果、硬件资源调用、资源使用效率和时序控制精度方面是个很大的问题。看起来高级编程语言和底层FPGA资源之间的鸿沟比想象的大很多，至今始终没有取得行业性的突破性进展。DC First出师未捷，原因与FaaS的逐渐衰落如出一辙。这一结果，导致了管理层考虑出售公司给AMD，使得盛极一时的XDF(赛灵思开发者大会)黯然落幕。

「Vitis有个美好的愿景」

硬伤五：芯片和工具迭代速度慢

在过去几年中，英伟达的边缘计算SOC从 Jetson TX2到Jetson Xavier再到Jetson Orin和Thor, 算力飞速提升，而FPGA的产品Portofolio基本没变，这样怎么竞争？！在主航道拼算力肯定是拼不过的，主流应用比较难竞争，那就只能偏安于小众应用了。

而且，最近几年整个FPGA行业的工艺领先性不再，产品更新迭代慢下来了，Altera和赛灵思芯片工艺也分别卡在10纳米(nm)和7纳米(nm)节点上多年。由于7nm产品推广不利，赛灵思目前在16nm产品上疯狂补课，甚至超过15年高龄也差点退休的45nm产品Spartan6，还在低端市场扮演重要角色。

前面也提过，一个重要原因就是FPGA这个行业的设计方法学停滞不前，被卡在RTL这个层级上了。有了先进的方法学，芯片资源就像韩信将兵多多益善，否则根本处理不了，芯片做得太大了只会是负担。逻辑综合与布局布线算法也多年没有革命性变化，最大的芯片每一次换代，相应的工具都需要努力做改进，否则做一次编译需要几天几夜，让人望而却步。

现在的英伟达，客户的算力需求一直迅速扩大，算力呈指数级增加，工具链并没有成为硬件的瓶颈，反而推动着技术一直向前。反观现在的FPGA，在大部分场合，感觉性能已然过剩。目前整个芯片行业资源向AI和GPU严重倾斜，必然在其他芯片品类投资减少，这也会影响FPGA的创新步伐。

四面楚歌，如何破局？

当年FPGA刚刚开始繁荣的时候，像极了一位朝气蓬勃的年轻人，到处挤占市场，把手伸向MCU, CPU, DSP, ASSP的传统领地。时过境迁，经过20多年的高速发展，FPGA年过不惑，动作也慢下来了。竞争对手却在不断迭代，GPU和集成NPU的SOC也开始蚕食FPGA的市场。逆水行舟，不进则退，FPGA会掉队吗，未来路在何方？

前赛灵思CEO Victor的大方向也许是对的，可能是着急了。或许资本也容不得他慢慢来吧，最后的最后就是卖公司能在短期内挣到更多的钱，财务目标肯定是达到了。功成身退，皆大欢喜。

在AI浪潮下，数据中心云端AI推理、高性能计算、视频转码、数据分析等任务越来越多地使用通用GPU，而不是 FPGA。过去，云计算平台亚马逊AWS、微软Azure都使用FPGA加速，但现在通用GPU和客户定制的TPU/DPU已逐渐取代FPGA。

「AWS F1实例系统架构」

在边缘计算领域，GPU和带AI算力SOC也在计算机视觉，视频分析，信号处理（MIMO、波束成形、FFT计算等）领域开始侵蚀FPGA。比如，在超高端超声设备中，GPU正在取代传统的FPGA进行波束成形。AI 技术开始与超声成像结合，深度学习可以用于优化波束成形过程，进一步提高图像质量或减少噪声。而且，根本不需要什么专业的GPU，CUDA完全支持游戏GPU卡做计算加速，性价比非常好，也不要惊讶，很多客户都是这么做的。

国产带NPU的SOC芯片，逐渐侵蚀了L0/L1级辅助驾驶(ADAS)，驾驶员监控系统(DMS)，环视(Surround View)中FPGA SOC的份额。KVM市场中国产的SOC比如典型代表海思和RockChip，新产品不仅ARM处理器很强，AI算力足够，而且还内嵌了很强的Video Codec。在智能摄像头领域，几乎是海思, Rockchip, Amba等SOC的天下，FPGA毫无斩获。目前AI ISP也逐渐取得了更多关注，通常他们会跑在集成NPU的SOC中，而不是在FPGA上。当然这里说的都是AI推理方面，至于FPGA做接口转换等传统需求，倒是时常会有。

在自动驾驶领域，赛灵思Versal AI Edge的设计中标(Design Win)几乎可以忽略，公开消息就只有斯巴鲁的双目视觉EyeSight自驾系统。整个国内市场基本被英伟达Jetson Orin，地平线征程，华为MDC三家包了。尤其是Jetson系列，可以说是英伟达最具潜力的产品线，迅速引领市场，在自动驾驶，机器人，机器视觉等端侧AI领域变得越来越引人注目。

在端侧AI主赛道上，FPGA已然落后很多。

在工业控制，测试仪器仪表这样的应用中，TI, Rockchip, Allwinner等厂家的SOC产品迭代加快，体现更优性价比，对FPGA SOC虎视眈眈。一些前期FPGA的设计稳定量产以后，也面临着被ASIC替换的风险，比如无人机图传系统，光纤到屋FTTR中的mini-OLT部分，和车载激光雷达。

Altera在卖给Intel以后存在感逐渐降低，尽管风口将过，赛灵思也借机卖身成功，FPGA行业似乎陷入停滞，创新缓慢。反而由于数家国产FPGA厂家的卷入，在LED大屏和无线直放站等传统中低端市场厮杀惨烈。

然而天下大势，分分合合皆为常态。这时候Intel因为消化不良而让Altera单飞，也说明FPGA作为一个独立的品牌，具有相当的生命力，它不会是一个附属品，也不会淹没在星辰大海中最终销声匿迹。多听客户的意见，多做产品创新，把客户需求转化为实实在在的产品，做实客户基础，才是任何一家公司的未来。

FPGA行业应该从哪些方面突破呢？我觉得主要有如下几点：

第一，设计方法学革命

当有一天，C/C++和Python这样的高级语言能对FPGA自由有效的编程，不用再去学HDL，那么FPGA的潜力一定会被充分释放，市场规模和影响力会高几个数量级。这样，FPGA行业才会再次迎来革命性的时刻，真正实现当年Altera管理层的口号：Go to the Ocean。跳出小池塘，走向大海。

既然人类智慧这么多年没有解决这个问题，我想未来AI人工智能一定可以解决FPGA设计层次提升的问题，AI狂飙，我们有理由期待。

第二，集成度和工具链提升

毫无疑问，异构计算很有价值。作为一个异构计算平台，FPGA里面集成标量处理器(CPU)，向量处理器(NPU,AIE,或Tensor Block)，自适应引擎(FPGA逻辑)这些都是有用的。CPU可以是ARM, RISC-V或者x86也行。NPU种类就更多了，众多厂商各显神通。这些异构计算单元集成在一起，也不一定要在一个die上，也可以用小芯片(Chiplet)的方式做成多个die，把这些die封在一个封装里面。

但是，不管硬件多牛，集成多少CPU, NPU, 或别的计算单元，工具链易于使用绝对是重中之重，因为用户不想过多关心你的底层架构，只想使用编程语言对底层的计算资源方便的调用，并表现出良好的效率和性能。而且编译时间要短，综合布局布线工具也应该用AI加速来提高效率吧，应该有人研究这个方向。如今无论是赛灵思的Vitis/Vitis AI还是Intel的OpenVino/FPGA AI Suite都差强人意，更不用说其他FPGA厂家。

第三，架构和工艺的创新

用户对FPGA在资源、功能、性能、功耗、成本这些方面的要求是永无止境的，因此，需要在系统架构、工艺设计、工具实现有效性方面持续做巨大的创新，才能不停的满足用户的需求。记得当年90nm以下就被“砖家”认为是芯片的极限了，因为传统平面FET(场效应管)的漏电流已经大到无法忍受。

物理尺寸有极限，但创新无极限。过去业界的FinFET(鳍式场效应管), Chiplet(小芯片), NoC(片上网络), LUT6(6输入查找表), XLR Cell(可变换逻辑与走线单元), HyperFlex等这些创新，都可圈可点。作为创新载体的FPGA，唯有自身不断创新，才会生生不息。

第四，持续投资并优化生态

作为FPGA厂家，必须重视投资生态。该有的IP库必须有，可以自研开发，也可以出钱让合作伙伴开发。核心的IP和API是必须的，如果什么都是第三方收费版本，客户使用成本必然很高，支持不灵活，极大影响客户选用。外围一些难度很大但是使用场景较少的IP，可以联系第三方做porting，确保能支持本厂FPGA。

我们周围还有很多IDH方案商，尽量鼓励更多的IDH为FPGA做系统方案，做开发板，做SOM，做POC(概念验证)，做客户定制。在合理的情况下多让利给IDH，让他们能够健康的运转下去。必须要团结一切可以团结的力量，把生态丰富起来，才可以让客户多起来。

全文结语

FPGA是个伟大的发明，让有想法的人可以快速且低起步成本做出原型，让硬件创新变得如同软件一样灵活方便，因此获得大学和研究机构的广泛采用，赋能了新技术的落地。

当一个新应用变为成熟且海量的应用时，FPGA又往往会悄然退出，好像一位“生而不有，为而不恃，功成则身退”的隐士。然而，过不了多久，他又会以另一种形态或另一种新应用突然出现在我们面前。

FPGA是一种很重要的技术，不要神化它，也不要把它黑化。无论在不在风口，它将一直在那儿自我新陈代谢，在可预见的将来，它不会消失，会一直发展。我觉得FPGA像水，水无常形却润物无声。老子说，水利万物而不争，故几于道。

全文结束，

2025年3月于深圳。

声明：本文内容全部来自业界资讯和个人理解，未涉及任何公司机密和客户信息，不代表任何公司立场，仅供大家交流参考。

相关文章