随着人工智能应用场景对终端设备推断能力的要求提高，FPGA 作为低功耗异构芯片，凭借开发周期快、编程灵活的特点，正在智能安防之外拓展更多下游场景。除终端智能安防外，FPGA 在边缘推断、云端推断、5G 通信以及自动驾驶等迭代升级频繁、技术不确定性较大的领域，都是较为理想的解决方案。 其核心逻辑在于：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 这类专属架构来承担加速任务。
从云端到边缘：FPGA 的推断定位
人工智能计算分为训练与推断两个环节。训练侧重绝对计算能力，推断则更注重能耗、时延、成本等综合指标。FPGA 具有开发周期短、可配置性等特点，在 AI 推断市场潜力巨大。
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，可以处理用户实时计算请求以及小计量大批次的计算。阿里云、亚马逊、微软等公司都在探索云服务器加 FPGA 芯片的模式。
在边缘推断场景，未来人工智能应用场景对终端设备推断能力的要求高，FPGA 作为低功耗异构芯片，开发周期快、编程灵活，人工智能领域的解决方案正从软件演进到软件加芯片。在终端智能安防领域，目前已有厂商采用 FPGA 方案实现 AI 硬件加速。
迭代频繁领域的适配优势
FPGA 的中文名称是现场可编程门阵列，是一种硬件可以重构的芯片，用户在使用过程中可以通过软件重新配置芯片内部资源来实现不同功能。相比其他芯片，FPGA 更加灵活，同时具备开发周期短、效率高的特性。在人工智能或 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。
从市场规模看，随着全球新一代人工智能以及自动驾驶等新兴需求不断兴起，全球 FPGA 市场规模正在快速增长，预计将从 2021 年的 82.9 亿美元增长到 2025 年的 125.2 亿美元，年均复合增长率约为 10.8%；中国 FPGA 市场增长更快，预计 2021 至 2025 年规模复合增速为 17.1%。
常见问题
FPGA 在智能安防之外还有哪些典型下游场景？
除终端智能安防外，FPGA 还面向云端推断、边缘推断、5G 通信和自动驾驶等方向。在云端数据中心，FPGA 可处理实时计算请求与小计量大批次计算；在 5G 通信和人工智能这类迭代升级频繁、技术不确定性较大的领域，其可重构特性使其成为较为理想的解决方案。
FPGA 为什么适合边缘推断场景？
未来人工智能应用场景对终端设备推断能力的要求高，而 FPGA 是低功耗异构芯片，兼具开发周期快、编程灵活的特点。推断环节相比训练更侧重能耗、时延和成本等综合指标，FPGA 的特性与这些要求较为契合。
FPGA 与 GPU、ASIC 在 AI 推断中的定位有何不同？
AI 芯片主要包括 CPU、GPU、FPGA 和 ASIC 四类，通用性逐渐降低而运算效率逐步提高。GPU 通用性较强，适合大规模并行计算，是目前唯一可用于 AI 训练的已量产芯片；FPGA 具有开发周期短、可配置性等特点，在 AI 推断市场潜力巨大；ASIC 为特定用途定制，同样非常适合 AI 推断场景。