在云端AI训练环节，GPU是目前已量产芯片中唯一可用于AI训练的品类，并占据AI芯片市场的主要份额，训练芯片又更注重绝对计算能力，因此探索FPGA路线的厂商在这一环节议价能力受限。**FPGA厂商的差异化定价空间主要来自云端推断与边缘推断：**在云端推断环节，CPU、GPU、FPGA、ASIC均可参与运算；FPGA具备开发周期短、可配置性强的特点，可处理用户实时计算请求以及小计量大批次的计算；在边缘推断环节，FPGA作为低功耗异构芯片，开发周期快、编程灵活，契合终端设备对推断能力的要求。

训练环节缺位，议价权从哪里来

训练与推断对芯片的要求并不相同。训练通过大数据训练出复杂的神经网络模型，计算量非常大，更注重绝对计算能力，同时需要一定通用性以完成各类学习任务。目前应用最多的主要是GPU，且GPU在已量产芯片中是唯一可用于AI训练的，这决定了训练市场的份额与话语权高度集中。

FPGA的定位则在推断侧。它属于硬件可重构芯片，用户可在使用过程中通过软件重新配置芯片内部资源来实现不同功能，因而更加灵活，并具备开发周期短、效率高的特性。在人工智能、5G通信这类迭代升级周期频繁、技术不确定性较大的领域，FPGA是较为理想的解决方案。

云端与边缘：FPGA的两个差异化场景

在云端推断，计算仍包括大量矩阵运算，但相比训练环节计算量较少，CPU或GPU可以进行运算，也可使用FPGA以及ASIC。现阶段云端数据中心业务中，FPGA以其灵活性和可深度优化的特点，有望继GPU之后在该市场爆发。

在边缘推断，未来人工智能应用场景对终端设备推断能力的要求高，FPGA是低功耗异构芯片，开发周期快、编程灵活。基于CPU的传统计算架构无法充分满足人工智能高性能并行计算的需求，需要FPGA等人工智能架构的专属芯片；在终端智能安防领域，目前也有厂商采用FPGA方案实现AI硬件加速。

从行业节奏看，目前大部分大模型仍处于开发阶段，对训练芯片的需求更大；未来随着各类大模型成熟并在生产生活中逐步应用，推断类AI芯片的占比可能逐步提升，这也构成FPGA厂商议价能力改善的产业背景。

竞争格局：议价能力的现实约束

全球FPGA市场主要由海外巨头占据，赛灵思和Altera的市占率分别为52%和35%；国内市场同样由海外厂商主导，国产FPGA厂商已开始崭露头角，紫光国微、复旦微电和安路科技的合计市占率在2021年超过15%。

技术实力方面，国产厂商仍有较大差距：工艺制程和门级规模是评价FPGA产品性能的重要指标，当前国产厂商先进制程集中在28nm，落后于国际16nm水平；门级规模上，国产厂商旗舰产品处于200K水平，约为XILINX高端产品的25%。在国产化加速推进的背景下，中国FPGA厂商有望快速追赶。

常见问题

FPGA厂商能否在云端训练环节获得定价权？

训练环节更看重绝对计算能力，而GPU是目前已量产芯片中唯一可用于AI训练的品类，并占据AI芯片市场主要份额，FPGA在这一环节基本缺位，议价能力相应受限。其定价权更多来自云端推断与边缘推断等差异化场景。

FPGA在推断场景的差异化优势体现在哪里？

FPGA具有开发周期短、可配置性强的特点，在AI推断市场潜力巨大，可处理用户实时计算请求以及小计量大批次的计算。在边缘侧，它作为低功耗异构芯片，开发周期快、编程灵活，适合对能耗、时延、成本综合考量的终端推断需求。

推断类芯片的需求会如何变化？

目前大部分大模型仍处于开发阶段，对训练芯片的需求更大；未来随着各类大模型成熟并在生产生活中逐步应用，推断类AI芯片的占比可能逐步提升。这一趋势有望为FPGA等推断路线带来更大的市场空间，但节奏仍取决于下游应用的落地进度。