AI数据中心规模扩张催生对底层硬件控制、系统管理与安全防护的新需求,FPGA凭借可编程、低时延和灵活适配优势,正从边缘环节切入服务器主板管理、机柜控制、DPU/网卡卸载及固件安全等场景,迎来新一轮发展机遇。
AI数据中心的快速扩张,正在为FPGA带来新的市场机会。
11月2日,Lattice公布2026财年第三季度业绩,营收达到2.91亿美元,同比增长118%;其中,FPGA收入同比增长约90%。公司CEO Ford Tamer表示,数据中心AI需求的加速,是推动业务增长的重要因素。
这组数据让FPGA重新进入产业视野。过去,FPGA曾被寄予拓展异构计算的厚望,但在AI计算市场的快速发展中,它始终未能成为主流计算平台。
如今,AI数据中心的增长正在打开另一条路径。GPU承担着越来越多的核心计算任务,但服务器、机柜和集群的规模持续扩大,也让系统管理、接口控制和安全防护变得更加复杂。FPGA的可编程特性,恰好能够在这些环节发挥作用。
从争夺计算核心,到进入系统底层,FPGA在AI产业发展中迎来了新的发展期。
半导体巨头曾经希望,FPGA能够成为未来计算架构的重要组成部分。
2015年,Intel宣布以约167亿美元收购Altera。当时,Intel希望将FPGA与Xeon处理器结合,为数据中心提供更灵活的异构计算方案。通过CPU与FPGA协同,用户可以针对特定工作负载进行硬件加速,在通用处理器之外获得更高的性能和能效。
无独有偶,AMD也看中了这一市场。2020年,AMD宣布以约350亿美元收购Xilinx,并于2022年完成交易。相比Intel当时强调的CPU与FPGA协同,AMD希望借助Xilinx补齐自适应计算能力,将CPU、GPU、FPGA以及相关软件技术纳入更完整的产品体系。
当时行业主流判断,数据处理需求越来越多样化,单一架构难以覆盖所有场景,能够根据应用需求灵活调整硬件逻辑的FPGA,有希望成为异构计算的重要组成部分。因此,两笔收购案的背后,承载的正是巨头对未来计算架构的共同期望。
但AI产业的发展,逐渐改变了计算市场的竞争格局。
大模型训练和推理带来了庞大的并行计算需求,GPU凭借成熟的软件生态、开发者基础和规模化部署能力,迅速成为AI数据中心的核心计算平台。与此同时,针对特定工作负载进行优化的ASIC也在不断扩大应用。前者凭借通用性和生态优势占据主流AI计算市场,后者则通过定制化设计,在特定场景追求更高的性能和能效。
夹在两条路线之间的FPGA,处境变得尴尬。面对通用计算,FPGA难以与GPU成熟的软件生态和规模化能力竞争;面对专用计算,ASIC又能围绕固定工作负载进行针对性优化。尽管FPGA具备可编程、低时延和灵活适配等优势,但较高的开发门槛、工具链和IP生态建设难度,也限制了其大规模应用。
这也让Intel和AMD当初对FPGA的设想未能充分实现,此后的业务调整,也让两笔收购的后续显得有些虎头蛇尾。
2025年,Intel宣布向Silver Lake出售Altera 51%的股权,Altera转为独立运营。数据显示,Altera在2024财年实现15.4亿美元营收,但GAAP口径下经营亏损达到6.15亿美元。而AMD虽然保留了Xilinx的产品和技术体系,但FPGA也始终没有成为其AI计算业务的核心。
因此,FPGA需要寻找新的市场落脚点,而AI数据中心的持续扩张,恰好提供了这样一片土壤。
AI数据中心为FPGA打开的新空间,首先来自计算系统本身的变化。
随着AI算力需求持续增长,数据中心正在从以计算芯片为中心的建设,走向计算、网络、供电和散热等多个环节协同的复杂系统。GPU负责处理核心计算任务,但要让大规模算力稳定运行,还需要大量硬件模块相互配合。服务器之间、板卡之间以及不同功能模块之间的连接和管理,也因此变得更加复杂。
这种变化,让计算之外的硬件控制需求逐渐凸显。以AI服务器为例,随着部署规模从单机扩展到整机柜和集群,GPU数量增加,高速网络、供电和散热系统日趋复杂。服务器不仅需要实时监控温度、电压和设备状态,还要协调不同模块之间的通信,并处理上电、复位、故障响应和安全启动等任务。
这里不得不再次提到AMD,虽然收购Xilinx的初衷没能实现,但是它找到了更适合FPGA的应用位置。AMD将FPGA应用在服务器主板管理中,其Spartan UltraScale+系列面向数据中心服务器I/O和主板管理控制器(BMC),在服务器主板上负责电源时序管理、温度和电压监测、风扇控制、I/O扩展及系统状态监控。2026年6月,AMD宣布Spartan UltraScale+ SU200P进入量产准备阶段,并于同年7月正式量产。
与CPU、GPU相比,这些任务不需要复杂的通用计算能力,却要求硬件能够及时响应并持续运行,FPGA可以作为专门的板级控制器承担相关工作。随着服务器主板集成的传感器、电源域和接口数量增加,FPGA在底层管理和控制中的作用也在提升。
另一边,Lattice选择将FPGA的应用从服务器主板延伸至安全管理和机柜控制。在服务器层面,Lattice的低功耗FPGA可以承担安全启动、硬件身份验证、固件保护、传感器监测和接口管理等任务;在机柜层面,则可以配合管理软件监测服务器运行状态、功耗和温度,帮助数据中心运营方进行集中管理。2026年10月,Lattice与Arm宣布合作,将Lattice FPGA、Arm AGI CPU服务器平台和AMI固件结合起来。
与前面两家不同,独立后的Altera则将FPGA进一步延伸至数据中心的数据通路。在DPU和AI网卡中,FPGA可以承担RDMA、虚拟交换、网络安全和数据预处理等任务;在存储系统中,则可以用于NVMe-oF协议处理、数据加密和压缩。这些任务如果交由CPU处理,会占用一定的计算资源。通过将部分功能卸载到FPGA,可以减少CPU负担,并利用可编程逻辑适应不同网络协议和系统架构。
可以看出,AI数据中心带给FPGA的机会,并不局限于增加计算能力。随着算力规模扩大,数据中心对底层硬件控制、设备管理和系统协同的要求也在提高。对于FPGA厂商来说,这些过去相对边缘的环节,正在成为新的市场入口。
FPGA进入AI数据中心,带来的变化不只是应用场景的增加,也在改变厂商之间的竞争方式。
FPGA厂商过去主要围绕芯片性能、逻辑资源、功耗和开发工具展开竞争。但在AI数据中心市场,产品能否进入服务器设计,还取决于其与处理器、固件及管理软件的协同能力。芯片之外的平台支持和生态建设,正在成为厂商争夺市场的新重点。
2026年7月,Lattice完成对AMI的收购。AMI长期提供BIOS、BMC固件和数据中心基础设施管理软件,业务覆盖服务器启动、硬件管理和平台运维等环节。其中最关键的,在于AMI能提供连接处理器与底层硬件的软件和固件支持。对Lattice来说,这笔交易补充了其原本相对薄弱的软件和固件能力,也让FPGA业务有机会进入服务器更底层的管理架构。
与Lattice通过收购补齐软件和固件能力不同,Altera更侧重通过丰富FPGA的产品组合来覆盖多样化的系统需求。2026年10月,Altera发布Agilex 2X产品组合,面向数字AI基础设施、网络和物理AI等领域。其产品布局覆盖高速收发器、以太网和PCIe等连接能力,也涉及板级与机柜控制、接口桥接和硬件信任根等应用。
同时,AMD也在继续依托Xilinx的技术积累,推进自适应计算和嵌入式产品布局。由此可见,虽然各家厂商的竞争路径有所不同,但共同点在于,FPGA正在从单一芯片产品向更广泛的系统应用延伸。
除了产品和业务布局,FPGA厂商还开始参与数据中心管理标准的建设。
2026年10月,Lattice与AMI在开放计算项目(OCP)推动成立SCMP工作组,AMD、Arm、Intel、Jabil、ASPEED和Microsoft等企业参与其中。该工作组希望推动开放、厂商中立的安全控制与管理架构,改善不同设备之间身份验证和管理接口的兼容问题。
随着数据中心规模扩大,服务器内部及不同设备之间的管理关系越来越复杂。统一的管理标准有助于降低不同厂商硬件之间的集成难度,也能减少平台建设对特定供应商方案的依赖。对参与其中的芯片厂商来说,标准制定还关系到未来平台架构的话语权,以及自身产品进入产业链的机会。
海外FPGA厂商正在加快向AI数据中心拓展业务,中国厂商也面临着一次新的市场机会。
从市场规模来看,Grand View Research预计,中国FPGA市场将从2023年的约21.01亿美元增长至2030年的46.89亿美元,2024年至2030年的复合年增长率为12.2%。通信和工业控制仍是重要应用领域,数据中心、汽车电子和人工智能则为市场提供了新的增长方向。
但市场需求扩大,并不意味着国产FPGA能够直接分享AI算力增长的红利。尤其在数据中心领域,FPGA厂商需要针对不同应用场景提升产品能力。高性能计算和高速网络应用,要求芯片具备较强的逻辑资源、高速SerDes、先进接口和功耗控制能力;服务器管理则更看重低功耗、接口兼容、安全控制和长期稳定运行能力。不同应用方向对芯片性能、功能配置和配套生态提出了差异化要求。
前文中,海外厂商的布局提供了一种值得参考的思路:国产FPGA不必将所有资源都集中在高端计算加速市场,也可以从更具体的系统需求寻找突破口。例如,服务器板级管理、接口扩展、协议转换和安全控制等环节,对FPGA的灵活适配能力有实际需求。与直接参与GPU周边的高性能计算竞争相比,这些细分场景或许更适合作为部分国产厂商进入数据中心供应链的起点。
不过,进入数据中心供应链,需要的不只是硬件产品,还包括开发工具、IP资源、软件支持和平台适配能力。国产厂商如果希望从提供芯片进一步走向平台导入,同样需要补齐这些环节。
目前国内市场的优势在于拥有规模庞大的服务器和数据中心市场,应用场景丰富,并且本土FPGA厂商在客户沟通、定制开发和供应链协同方面也具备一定灵活性。如果能够围绕本土服务器厂商的实际需求进行产品开发,并与处理器、BMC及固件供应商建立合作,就有机会缩短产品验证和导入周期。
当然,这些优势最终仍要接受产品和市场的检验。
FPGA在AI时代重新获得关注,反映出数据中心对硬件能力的需求正在变得更加多元。未来的竞争,既发生在GPU所代表的计算核心,也发生在支撑整个系统稳定运行的底层环节。
对FPGA厂商而言,这轮变化带来的价值,在于拓宽了产品的应用空间,也让软硬件协同、平台适配和生态建设成为新的竞争环节。FPGA或许不会成为AI计算的主角,却有机会在AI基础设施中占据更重要的位置。
本文来自微信公众号“半导体行业观察”(ID:icbank),作者:夏雪