**FPGA（现场可编程门阵列）是一种硬件可重构的芯片，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。**正是这一特性，使它在人工智能产业链中扮演“柔性连接点”的角色：上游承接EDA工具与IP核的适配，中游支撑芯片与板卡制造，下游服务于AI推断与5G通信等部署场景。相比通用性逐步降低、运算效率逐步提高的CPU、GPU、FPGA、ASIC序列，FPGA以开发周期短、可配置性强的特点，成为技术不确定性较大领域的理想解决方案。

上游：工具链与IP核的适配层

FPGA的可重构能力，决定了它在上游需要一套围绕“可配置”构建的工具链。用户通过软件配置芯片内部资源，这一过程依赖上游的EDA工具与IP核支持。由于FPGA面向的功能会随应用调整，上游提供的不是固定功能模块，而是可被反复调用的逻辑资源与开发环境。这种分工使产业链上游的价值不完全绑定于某一款定型芯片，而是延伸到持续的工具与IP服务中。

中游：芯片与板卡的异构协同

在主流AI服务器计算架构中，通常采用CPU+XPU的异构形式。CPU负责读取和准备数据，并将数据传输到XPU进行计算；GPU、FPGA、ASIC等XPU则作为加速芯片，处理大规模并行计算。FPGA在这一环节的定位，是凭借开发周期短、可配置性等特点切入AI推断市场。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，并可处理用户实时计算请求以及小计量大批次的计算。中游厂商因此形成“芯片+板卡+异构集成”的分工模式，而非单纯比拼单一芯片的固定性能。

下游：推断与通信场景的灵活部署

在下游，FPGA更多对接AI推断与5G通信这类迭代升级周期频繁、技术不确定性较大的领域。边缘推断方面，未来人工智能应用场景对终端设备推断能力要求较高，FPGA作为低功耗异构芯片，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等专属芯片。在终端智能安防领域，已有厂商采用FPGA方案实现AI硬件加速。探索云服务器+FPGA芯片模式的公司包括阿里云、亚马逊、微软等。这种“一次硬件、多次配置”的模式，让下游部署不必为每种算法重新流片，产业链分工因此更具弹性。

常见问题

FPGA在AI产业链中主要承担训练还是推断任务？

FPGA主要适用于AI推断。训练环节计算规模庞大，涉及大量训练数据和复杂深度神经网络，目前应用最多的主要是GPU；而推断计算量相对较小，更注重能耗、时延、成本等综合指标，CPU、GPU、FPGA以及ASIC均可参与。

FPGA的“硬件可重构”具体指什么？

指FPGA中文名为现场可编程门阵列，是一种硬件可以重构的芯片，用户在使用的过程中可以通过软件重新配置芯片内部的资源，来实现不同的功能。因此相比其他芯片更灵活，同时具备开发周期短、效率高的特性。

FPGA产业链目前的竞争格局如何？

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%；国内市场同样由他们主导，不同点在于国产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年超过了15%。在技术实力方面，国产厂商仍有较大差距，工艺制程与门级规模是评价FPGA产品性能的重要指标。