FPGA可堪大算力？

图片来源：Intel官网

AI催生的大算力为诸多处理器企业带来了实打实的营收，相比之下，面对AI这波红利，高端FPGA市场显得有些“落寞”。

“辅助者”的角色

现有数据中心中，FPGA的角色更像是个“辅助者”。

ASIC流片前的硬件仿真或原型验证平台，是FPGA的第一重身份。

相较于CPU、GPU，FPGA作为一种具有可编程特性的集成电路，灵活性更强。GPU等类型处理器一经生产，其逻辑功能就被“固化”在芯片上，尽管很多芯片可以通过对片上寄存器进行编程，但这种编程更多是改变芯片的配置，并不会改变其本身的逻辑功能。如果想要对它的逻辑功能进行更改，或者修复设计的缺陷和漏洞，就要重新对芯片进行设计、验证和制造，这一过程需要耗费大量的时间、人力、金钱，也将为设计公司带来更高的投入和风险。

而FPGA只包含最基本的逻辑门，通过某种方式对这些逻辑门进行排列组合，就能通过编程改变其逻辑结构。这样一来，包括算力芯片企业在内的处理器供应商，都会采购FPGA进行流片前的硬件预研工作。

FPGA的另一重身份，被业内戏称为“像胶水一样的功能”——把不同类型处理器更好地连接在一起，从而帮助整个处理器系统更好地发挥作用。

加速推理是其一。

“AI技术很大一部分应用是在推理侧。FPGA通过其硬件灵活性、低延迟、低功耗，以及能够与CPU等一同运行混合计算等优势，为 AI 推理提供了有效加速。而且，在诸如运行神经网络的矩阵运算等并行性密集型任务或应用场景中，使用FPGA能够显著提高 AI 推理的性能和效率。”某FPGA业内人士在接受《中国电子报》记者采访时这样说道。

提高通用处理器计算能力是其二。

FPGA通过其灵活的硬件加速能力、可配置的丰富接口如PCIe Gen5和CXL，及可与处理器协同工作等特性，为处理器提供了强大的支持，使其更好地满足日益复杂的AI计算需求。如，FPGA可以与通用处理器协同工作，形成混合计算环境，即处理器和FPGA相互补充，共同应对不同类型的计算任务，提供更全面的计算性能。此外，业界还在通过开源软件套件等，助力客户灵活运行多种AI工作负载、降低总体拥有成本（TCO）的尝试。

开发难度大

AI几乎为各种类型的处理器带来了难得的增长风口。数据中心市场更是由于产品价值量大、利润率高，获得了相当的市场关注。近两年，头部算力芯片企业如英伟达，入局芯片设计市场的云计算厂商如谷歌，如雨后春笋般出现的新兴算力芯片设计企业，都在频频更新自己的产品序列和技术参数。

相比之下，FPGA显得不是那么活跃。

AMD当前面向数据中心侧的高端旗舰产品仍是2021年开始量产出货的Versal产品组合，包括Versal AI Core、Versal Prime和Versal Premium三大产品系列。收购FPGA企业赛灵思后，AMD是全球最大的FPGA厂商。

Altera FPGA产品序列（图源：英特尔官网）

Altera当前面向数据中心侧的旗舰产品Agilex发布于2019年，基于英特尔10纳米工艺设计。其间，产品序列逐渐扩充。其中，面向数据中心的Agilex 9、Agilex 7F系列和I系列旗舰已经投入生产。

与两家企业其他面向AI算力的产品相比，FPGA产品线的更新速度难以同日而语。

之所以出现这种状况，“开发难度大”是记者了解到的一个非常重要的原因。

西南交通大学集成电路科学与工程学院副院长邸志雄在接受《中国电子报》记者采访时表示，FPGA是一种以数字电路为主的集成芯片，所以开发门槛和部署难度相较于GPU等算力芯片更大。

市场研究机构Gartner副总裁盛陵海在接受记者采访时表示，相较于FPGA，NPU等ASIC不需要满足通用性的要求，只要满足单一功能要求就可以了，因此设计起来更为简单。

“这也就是近两年NPU厂商如雨后春笋般出现，但能做高端FPGA的厂商至今只有两家的原因之一。”盛陵海补充道。

面临算力芯片市场挤占

更新迅速的算力芯片的盈利能力也比FPGA更强。英伟达等公司推出的计算卡集成度高、规模大、采用的工艺节点也更新很快，从而能够承接增长迅速的算力需求。相比之下，FPGA的工艺节点更新和性能提升速度便难以企及，从而难以突破原有的“舒适圈”。

半导体业内资深人士李国强在接受采访时表示，FPGA在验证AI芯片结构的合理性方面，的确有其自身价值，但在承接AI高算力需求时，与AI芯片相比，性能差别很大。

AMD在拥有全球最大FPGA业务的同时，也是全球第二大数据中心侧CPU和GPU的供应商。从2024年第二季度财报来看，其数据中心业务营收（含GPU和CPU）为28亿美元，嵌入式业务（含FPGA）营收为8.61亿美元。不难看出，二者并不在一个数量级。加之，AMD嵌入式业务中，面向边、端侧的业务还有相当比重，则面向数据中心的FPGA业务占比就更低。这恐怕也是AMD在产品投入和宣传力度上，对数据中心侧CPU、GPU与FPGA差别巨大的原因。一如今年6月，AMD 董事会主席兼首席执行官苏姿丰在 COMPUTEX2024上发表的长达一个多小时的演讲中，面向数据中心的嵌入式业务几乎未提。

不仅如此，FPGA原本在数据中心发挥的作用，还面临着被新型算力芯片替代的风险。

李国强表示，新发布的AI芯片由于规模大，逐渐集成了许多原本其他芯片拥有的功能，这样一来，原本用以辅助处理器提高计算效率、补足计算和系统功能的FPGA的部分功能被替换掉。“就像手机芯片一样，随着主芯片的功能集成度越来越高，外围其他芯片的市场价值便被挤占了。”他说。

但不论在数据中心中的应用规模是否有所缩减，FPGA作为芯片验证功能的市场需求持续存在。这是一个其他产品类型无法替代的市场空间。虽然规模不大，但是稳定增长，只是增速不如算力芯片等显著而已。这也就是FPGA芯片供应商，即便营收有大幅变化，但利润率基本保持稳定的原因。