摘要：今年是首款商用现场可编程门阵列（FPGA）诞生40周年，当时，它首次引入了可重复编程硬件的理念。通过创造“像软件一样灵活的硬件”，FPGA的可重编程逻辑彻底改变了半导体设计的面貌。开发人员有史以来第一次能够设计芯片，并且即使在设计中途，甚至制造完成后，即使规格

今年是首款商用现场可编程门阵列（FPGA）诞生40周年，当时，它首次引入了可重复编程硬件的理念。通过创造“像软件一样灵活的硬件”，FPGA的可重编程逻辑彻底改变了半导体设计的面貌。开发人员有史以来第一次能够设计芯片，并且即使在设计中途，甚至制造完成后，即使规格或需求发生变化，也可以重新定义其功能以执行不同任务。这种灵活性加速了新芯片设计的开发进程，缩短了新产品的上市时间，并为专用集成电路（ASIC）提供了替代方案。

FPGA对半导体市场的影响非凡。它催生了一个规模超百亿美元的产业。在过去四十年中，仅赛灵思（已被AMD收购）一家就已向7000多家来自不同市场领域的客户交付了超过30亿片FPGA和自适应片上系统（SoC，即将FPGA架构与片上系统及其他处理引擎相结合的设备）。

加速创新

FPGA由赛灵思公司联合创始人、已故的罗斯・弗里曼（Ross Freeman）发明。作为一名工程师和创新者，他认为除了标准的固定功能ASIC器件外，必须存在一种更优、更具成本效益的芯片设计方式。FPGA为工程师提供了即时更改芯片设计的自由和灵活性，使其能够在一天内开发和设计定制芯片。此外，FPGA还推动了“无晶圆厂”（fabless）商业模式的兴起，这一模式彻底改变了整个半导体行业。通过消除对定制掩膜工具和相关一次性工程成本的需求，FPGA向业界证明，企业无需拥有晶圆厂即可创造突破性硬件——他们只需要愿景、设计能力和一块FPGA，从而加速硬件创新。

自全球首款商用FPGA（XC2064）上市以来的40年间，FPGA已在电子领域无处不在，并深度融入日常生活。如今，自适应计算设备（包括FPGA、自适应SoC和系统级模块SOM）广泛应用于汽车、火车、交通信号灯，到机器人、无人机、航天器和卫星，再到无线网络、医疗和测试设备、智能工厂、数据中心，甚至高频交易系统等各个领域。

而在目前的数字化转型浪潮中，边缘计算和人工智能正引领着技术革命。而FPGA正逐渐成为边缘AI领域的关键推动力。

边缘计算中的人工智能

如今，大多数人工智能工作负载运行在数据中心的GPU上。然而，越来越多的AI处理正在边缘端进行。FPGA技术正处于各行业AI融合应用快速增长的前沿。边缘人工智能——即在边缘设备端部署AI模型进行本地化算法处理，而非依赖云端等集中式计算平台——已成为人工智能领域发展最快的方向之一，受到业界高度关注。据测算，2024年边缘AI市场规模约为210亿美元，预计到2034年将突破1430亿美元。这一增长态势表明各行业将持续加大基于AI的边缘系统研发投入。

FPGA和SoC能够对传感器数据进行低延迟的实时处理，从而在边缘端实现加速的AI推理。随着最近更小的生成式AI模型的推出，我们可以看到一个“ChatGPT时刻”正在向边缘端延伸——这些新型AI模型能够在边缘设备上运行，无论是在AI个人电脑、车辆、工厂机器人、太空设备还是任何嵌入式应用中。

相较于GPU和NPU，FPGA在边缘AI中的应用具有较多优势：一是能效比，FPGA在深度学习推理阶段具有更低功耗和更高灵活性，适合不断演化的算法需求。相比之下，GPU在深度学习训练模型上高效，但在推理阶段功耗较高，而NPU虽然能效比高，但难以适配快速迭代的AI模型‌；二是‌灵活性‌，FPGA的硬件可重构性使其能够针对不同算法定制加速单元，特别适合需要快速迭代的场景。GPU和NPU在灵活性上相对较弱‌；三是‌通用性‌，GPU具有通用性强的特点，能够应对各类AI负载，而NPU则在特定场景中展现碾压性优势，但编程复杂度较高‌；四是安全性，FPGA固化的硬件逻辑比软件实现更难被攻击者篡改。此外，将AI推理过程在边缘FPGA设备上进行处理，可避免敏感数据传输到云端，有效降低数据泄露风险。

边缘AI的应用前景广阔且充满创新机遇，但开发者在实践中仍需要应对一些独特挑战。例如，开发门槛高，相比于使用Python等语言编写AI软件，FPGA编程技术门槛更高，开发周期更长。其次是资源限制，边缘设备上的FPGA通常规模较小，资源有限，难以直接移植复杂的深度学习模型，需要这些模型进行压缩、量化和结构优化等来适应资源约束。还有就是生态系统不够成熟，与GPU在AI领域的成熟生态相比，FPGA的开发工具链、IP核库和框架支持还有待完善，行业标准也尚未统一。

FPGA在边缘AI中的应用场景

可以肯定的是，未来FPGA在边缘AI中有广泛的应用前景。如智能视频分析，安防监控、交通管理等领域需要对大量视频流进行实时分析，FPGA边缘设备可在摄像头端直接处理视频数据，仅传输分析结果而非原始视频，既减轻了网络带宽压力，又提高了处理实时性。

工业物联网也是FPGA边缘设备的主要应用领域之一。在工厂车间，预测性维护和质量控制系统需要毫秒级的响应速度。FPGA边缘设备能实时处理来自各类传感器的数据流，在故障形成前识别异常模式，大幅提升生产效率和安全性。

便携式医疗诊断设备需要高效处理复杂生物信号，FPGA的低功耗特性和高并行性使其能够成为心电图分析、实时病理图像处理等医疗AI应用的理想平台。

车载AI系统也需要同时处理包括雷达、激光雷达，以及摄像头等多种传感器数据，并在极短时间内做出决策，FPGA的并行处理能力可重构行使其成为这类系统中的理想组件。

写在最后

FPGA的40年走得曲折而扎实，从最初创造“像软件一样灵活的硬件”的想法，发展至在各行各业的普及应用，FPGA凭借其低功耗、可重构的独特特性，一步一个脚印，稳稳推动各领域的发展。

未来，边缘AI领域将是主要的创新前沿阵地，未来的边缘AI设备可能会采用CPU+GPU+FPGA+专用加速器的异构架构，各取所长。但不可否认的是，FPGA虽然存在着一些‘短板’，但它仍是边缘AI领域不可替代的存在。未来不管AI模型怎么变、边缘场景怎么卷，FPGA通过不断“刷新自己”，仍能活跃在各个领域。

来源：王树一一点号