人工智能云端加速赛道当前呈现云厂商主导、芯片与板卡厂商配套的竞争格局。阿里云、亚马逊、微软等企业正在探索云服务器加FPGA芯片的模式，将FPGA引入云端数据中心，用于承接AI推断环节的计算任务。在云端推断场景中，FPGA凭借灵活性和可深度优化的特点，有望继GPU之后在该市场迎来增长机会。

一、参与主体：云厂商与芯片厂商分工协作

从市场参与主体看，这一赛道大致可分为两类角色。一类是云厂商，直接面向数据中心部署加速方案，阿里云、亚马逊、微软等均属于探索云服务器加FPGA模式的代表企业。另一类是FPGA芯片与板卡供应商，为云端加速提供底层硬件支撑。

从全球FPGA竞争格局看，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，但国产厂商已开始崭露头角，紫光国微、复旦微电和安路科技在2021年的合计市占率超过15%。

二、路线差异：自建与采购并存

云厂商在云端加速上的路线选择并不统一。一种思路是自建加速能力，将FPGA以云服务器形态对外提供服务；另一种是采购成熟的FPGA芯片与板卡方案进行集成。两种路线各有侧重，自建更贴近自身业务场景的深度优化，采购则更依赖上游芯片厂商的产品成熟度。

在技术层面，国产FPGA与国际厂商仍有差距。工艺制程方面，国产厂商先进制程集中在28nm，落后于国际16nm水平；门级规模方面，国产厂商旗舰产品处于200K水平，约为XILINX高端产品的25%左右。

三、推理需求下的卡位逻辑

AI芯片按用途可分为训练芯片和推断芯片。训练环节计算量庞大，目前应用最多的主要是GPU；推断环节计算量相对较小，CPU、GPU、FPGA以及ASIC均可参与运算。FPGA可处理用户实时计算请求以及小计量大批次的计算，在云端推断场景中具备适用性。

从AI芯片整体分类看，CPU、GPU、FPGA和ASIC四类芯片的通用性逐渐降低，运算效率逐步提高。主流的AI服务器计算架构一般采用CPU+XPU的异构形式，CPU负责读取和准备数据，GPU、FPGA、ASIC等XPU作为加速芯片处理大规模并行计算。随着大模型逐步成熟并在生产生活中应用，推断类AI芯片的占比可能逐步提升，这也构成了各方在云端加速赛道卡位的底层逻辑。

常见问题

云端加速为什么会出现云服务器加FPGA的模式？

FPGA是硬件可重构的芯片，用户可通过软件重新配置芯片内部资源来实现不同功能，具备开发周期短、效率高的特性。在人工智能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。阿里云、亚马逊、微软等企业探索云服务器加FPGA模式，正是将这一特性引入云端数据中心。

FPGA在AI推断中扮演什么角色？

在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。FPGA可以处理用户实时计算请求以及小计量大批次的计算。在边缘推断场景中，FPGA作为低功耗异构芯片，开发周期快、编程灵活，也有厂商采用FPGA方案实现AI硬件加速。

全球FPGA市场由哪些厂商主导？

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在2021年的合计市占率超过15%。在技术实力方面，国产厂商在工艺制程和门级规模上与国际水平仍存在差距。