FPGA芯片定義及物理結構

FPGA芯片作為專用集成電路（ASIC）領域中半定制電路面市，克服定制電路靈活度不足的問題以及傳統可編程器件門陣列數有限的缺陷。

FPGA（Field Programmable Gate Array）芯片基于可編程器件（PAL、GAL）發展而來，是半定制化、可編程的集成電路。

發明者：賽靈思聯合創始人Ross Freeman于1984年發明FPGA集成電路結構。全球第一款商用FPGA芯片為賽靈思XC4000系列FPGA產品。

FPGA芯片按固定模式處理信號，可執行新型任務（計算任務、通信任務等）。FPGA芯片相對專用集成電路（如ASIC芯片）更具靈活性，相對傳統可編程器件可添加更大規模電路數量以實現多元功能。

物理結構：FPGA芯片主要由三部分組成，分別為IOE（input output element，輸入輸出單元）、LAB（logic array block，邏輯陣列塊，賽靈思定義為可配置邏輯塊CLB）以及Interconnect（內部連接線）。

FPGA芯片特點及分類

FPGA芯片在實時性（數據信號處理速度快）、靈活性等方面具備顯著優勢，在深度學習領域占據不可替代地位，同時具有開發難度高的特點。

FPGA芯片具備以下特點：

設計靈活：屬于硬件可重構的芯片結構，內部設置數量豐富的輸入輸出單元引腳及觸發器。

兼容性強：FPGA芯片可與CMOS、TTL等大規模集成電路兼容，協同完成計算任務。

并行計算：FPGA內部結構可按數據包步驟多少搭建相應數量流水線，不同流水線處理不同數據包，實現流水線并行、數據并行功能。

適用性強：是專用電路中開發周期最短、應用風險最低的器件之一（部分客戶無需投資研發即可獲得適用FPGA芯片）。

地位提升：早期在部分應用場景是ASIC芯片的批量替代品；近期隨微軟等頭部互聯網企業數據中心規模擴大，FPGA芯片應用范圍擴大。

FPGA廠商主要提供基于兩種技術類型的FPGA芯片：Flash技術類、SRAM技術類（Static Random-access Memory，靜態隨機存取存儲器）。

兩類技術均可實現系統層面編程功能，具備較高計算性能，系統門陣列密度均可超過1兆。

核心區別：

1、基于Flash的可編程器件具備非易失性特征，即電流關閉后，所存儲數據不消失。

2、基于SRAM技術的FPGA芯片不具備非易失性特征，是應用范圍最廣泛的架構。

FPGA芯片與其他主流芯片對比

CPU為通用型器件，FPGA架構相對CPU架構偏重計算效率，依托FPGA并行計算處理視覺算法可大幅提升計算速率，降低時延。

FPGA芯片相較于CPU芯片

CPU處理計算指令流程：

CPU通過專用譯碼器接收任務指令，接收過程分為兩步：指令獲?。–PU從專門存放指令的存儲器中提取執行指令）以及指令翻譯（根據特定規則將指令翻譯為數據并傳輸至計算單元）。其中計算單元為晶體管（CPU基本元件），“開”、“關”分別對應“1”、“0”機器碼數字。

CPU處理計算指令特點：

?CPU物理結構包括Control（指令獲取、指令翻譯）、Cache（臨時指令存儲器）、計算單元ALU（約占CPU空間20%）。

?CPU為通用型計算任務處理核心，可處理來自多個設備的計算請求，可隨時終止當前運算，轉向其他運算。

?邏輯控制單元及指令翻譯結構較為復雜，可從中斷點繼續計算任務，為實現高度通用性而犧牲計算效率。

CPU視覺算法與FPGA視覺算法比較：

?CPU架構：CPU用于處理視覺算法需按指定順序執行指令，第一指令在圖像整體運行完成后，第二指令開始運行。在4步操作指令環境下，設定單個操作指令運行需10毫秒，完成總算法耗時約40毫秒。

?FPGA架構：FPGA用于處理視覺算法采取規模化并行運算模式，可于圖像不同像素內同時運行4步操作指令。設定單個操作操作指令運行需10毫秒，FPGA完成圖像整體視覺算法處理時間僅為10毫秒，FPGA圖像處理速度顯著快于CPU。

?“FPGA+CPU”架構：此架構下，圖像在CPU與FPGA之間傳輸，包含傳輸時間在內的算法整體處理時間仍低于純CPU架構。

?算法案例：以卷積濾鏡圖像銳化計算任務為例，系統需通過閾值運行圖像生產二進制圖像。CPU架構下，系統需在閾值步驟前完成圖像整體卷積步驟，FPGA則支持相同算法同時運行，相對CPU架構，卷積計算速度提升約20倍。

GPU作為圖形處理器件，計算峰值較高，遠期在機器學習領域（多指令平行處理單一數據），FPGA相對GPU在靈活性、功耗方面更勝一籌。

FPGA芯片相較于GPU芯片

GPU物理結構：

GPU為圖形處理器，針對各類計算機圖形繪制行為進行運算（如頂點設置、光影操作、像素操作等），標準GPU包括2D引擎、3D引擎、視頻處理引擎、顯存管理單元等。其中，3D引擎包含T&L單元、PiexlShader等。

GPU處理計算指令流程：

?頂點處理：GPU讀取3D圖形頂點數據，根據外觀數據確定3D圖形形狀、位置關系，建立3D圖形骨架。

?光柵化計算：顯示器圖像由像素組成，系統需將圖形點、線通過算法轉換至像素點。矢量圖形轉換為像素點為光柵化計算過程。

?紋理貼圖：通過紋理映射對多變形表面進行帖圖處理，進而生成真實圖形。

?像素處理：GPU對光柵化完成的像素進行計算、處理，確定像素最終屬性，多通過Pixel Shader（像素著色器）完成。

GPU與FPGA特點對比：

?峰值性：GPU計算峰值（10Tflops）顯著高于FPGA計算峰值（小于1TFlops）。GPU架構依托深度流水線等技術可基于標準單元庫實現手工電路定制。相對而言，FPGA設計資源受限，型號選擇決定邏輯資源上限（浮點運算資源占用較高），FPGA邏輯單元基于SRAM查找表，布線資源受限。

?內存接口：GPU內存接口（雙倍數據傳輸率存儲器等）帶寬優于FPGA使用的DDR（雙倍速率同步動態隨機存儲器）接口，滿足機器學習頻繁訪問內存需求。

?靈活性：FPGA可根據特定應用編程硬件，GPU設計完成后無法改動硬件資源，遠期機器學習使用多條指令平行處理單一數據，FPGA硬件資源靈活性更能滿足需求。

?功耗:GPU平均功耗（200W）遠高于FPGA平均功耗（10W），可有效解決散熱問題。

ASIC芯片專用度高，開發流程非重復成本（流片）極高，5G商用普及初期，FPGA可依托靈活性搶占市場，但規模化量產場景下，ASIC芯片更具競爭優勢.

FPGA芯片相較于ASIC芯片

ASIC與FPGA開發流程區別：

?ASIC需從標準單元進行設計，功能需求及性能需求發生變化時，ASIC芯片設計需經歷重新投片，設計流程時間成本、經濟成本較高。

?FPGA包括預制門和觸發器，具備可編程互連特性，可實現芯片功能重新配置。相對而言，ASIC芯片較少具備重配置功能。

ASIC與FPGA經濟成本、時間成本區別：

?ASIC設計過程涉及固定成本，設計過程造成材料浪費較少，相對FPGA重復成本較低，非重復成本較高（平均超百萬美元）。

?FPGA重復成本高于同類ASIC芯片，規?；慨a場景下，ASIC芯片單位IC成本隨產量增加持續走低，總成本顯著低于FPGA芯片。

?FPGA無需等待芯片流片周期，編程后可直接使用，相對ASIC有助于企業節省產品上市時間。

?技術未成熟階段，FPGA架構支持靈活改變芯片功能，有助于降低器件產品成本及風險，更適用于5G商用初期的市場環境。

中國FPGA芯片行業產業鏈分析

FPGA芯片構成人工智能芯片重要細分市場，產業鏈細長，FPGA廠商作為中游企業對上游軟、硬件供應商及下游客戶企業議價能力均較強。

中國FPGA芯片行業產業鏈由上游底層算法設計企業、EDA工具供應商、晶圓代工廠、專用材料及設備供應商，中游各類FPGA芯片制造商、封測廠商及下游包括視覺工業廠商、汽車廠商、通信服務供應商、云端數據中心等在內的應用場景客戶企業構成。

中國FPGA芯片行業產業鏈上游分析

FPGA芯片作為可編程器件，流片需求較少，對上游代工廠依賴度較低，需專業設計軟件、算法架構支持。

底層算法架構設計企業

FPGA芯片設計對底層算法架構依賴度較低，上游算法供應商對中游FPGA芯片研發制造企業議價能力有限。境外算法架構設計企業包括高通、ARM、谷歌、微軟、IBM等。

專用軟件供應商

FPGA芯片企業需通過EDA等開發輔助軟件（quartus、vivado等）完成設計?？商峁〦DA軟件的國際一流企業（如Synopsys）向芯片研發企業收取高昂模塊使用費。中國市場可提供EDA產品的企業較少，以芯禾電子、華大九天、博達微科技等為代表，中國EDA企業研發起步較晚，軟件產品穩定性、成熟度有待提高。中國FPGA芯片研發企業采購境外EDA軟件產品成本高昂，遠期有待境內EDA企業消除與境外同類企業差距，為中游芯片企業提供價格友好型EDA產品。

晶圓代工廠

當前中國主流晶圓廠約30家，在規格上分別涵蓋8英寸晶圓、12英寸晶圓。其中，8英寸晶圓廠相對12英寸晶圓廠數量較多。中國本土12英寸晶圓廠以武漢新芯、中芯國際、紫光等為例，平均月產能約65千片。在中國設立晶圓廠的境外廠商包括Intel、海力士等。中國晶圓廠發展速度較快，如武漢新芯12寸晶圓以平均月產能200千片超過海力士平均月產能160千片。

中國FPGA芯片行業產業鏈中游分析

中國FPGA芯片行業中游企業擁有較大利潤空間，隨研發能力積累及應用市場成熟，中游行業格局或發生裂變，從發展硬件、器件研發業務轉向發展軟件、平臺搭建業務。

FPGA芯片產品可快速切入應用市場，具備不可替代性， 現階段應用場景較為分散。隨技術成熟度提升，終端廠商或考慮采用ASIC芯片置換FPGA芯片以降低成本（ASIC量產成本低于FPGA）。

FPGA芯片利潤空間巨大：

相對CPU、GPU、ASIC等產品，FPGA芯片利潤率較高。中低密度百萬門級、千萬門級FPGA芯片研發企業利潤率接近50%（可參考iPhone毛利率接近50%的水平）。高密度億門級FPGA芯片研發企業利潤率近70%（可以賽靈思、Intel收購的阿爾特拉為例）。

中國中游企業面臨市場潛力釋放節點

相較賽靈思、Intel等巨頭，中國FPGA在研發方面起步 晚，但研發進度逐漸趕上（與全球頭部廠商相差3代縮短至約2代）。

2017年起，中國FPGA邁入發展關鍵階段（從反向設計 向正向設計全面過度）。本報告期內中美貿易摩擦加劇背景下，完成初期積累的中國FPGA行業中游企業面臨較好發展機遇。相對全球集成電路領域超4,600億美元市場規模，FPGA市場規模較小，存在增量釋放空間。

產業格局或發生變化

隨FPGA行業中游企業集中度提高，行業格局或發生裂 變。中國企業可通過市場策略調整，從硬件研發業務轉向軟件設計，從器件研發轉向平臺建設。

中國FPGA芯片行業產業鏈下游分析

中國FPGA芯片行業下游應用市場覆蓋范圍廣泛，以電子通信、消費電子占據頭部，工業控制、機器人控制、視頻控制、自動駕駛和服務器等多領域具備巨大發展潛力。

FPGA廠商偏重通信市場及消費電子場景

中國FPGA應用市場以消費電子、通信為主。本土芯片在產品硬件性能等方面落后于境外高端產品，在高端民用市場尚不具備競爭力，但短期在LED顯示、工業視覺等領域出貨量較高。隨中國企業技術突破及5G技術成熟，中國FPGA廠商在通信領域或取得市場份額高增長。

汽車、數據中心應用緊隨其后

2025年后，邊緣計算技術及云計算技術在智慧交通網絡、 超算中心全面鋪開，自動駕駛、數據中心領域FPGA應用市場成長速度將超過通信、消費電子市場。

FPGA芯片下游應用市場規模增長情況：

2018年，通信、消費電子、汽車三大場景構成全球FPGA芯片總需求規模約80%以上，且市場規模持續擴大。FPGA器件作為5G基站、汽車終端設備、邊緣計算設備核心器件，加速效果顯著，面臨下游市場確定性增量需求。隨中游本土企業實力提升，遠期國產FPGA芯片產品或以低價優勢切入下游市場，降低下游企業采購高端可編程器 件成本。

中國FPGA芯片行業市場規模

應用場景對FPGA芯片存量需求持續提升，5G、人工智能技術發展推動中國FPGA市場擴張，刺激增量需求釋放。

FPGA芯片行業市場規模

隨下游應用市場拓展，中國FPGA行業市場規模持續提升。2018年，中國范圍FPGA市場規模接近140億元。

5G新空口通信技術及機器學習技術發展將進一步刺激中國FPGA市場擴容。預計2023年，中國FPGA芯片市場規模將接近460億元。

全球FPGA市場規模潛力將釋放，主要得益于以下因素：

下游應用場景趨于廣泛：FPGA芯片相對ASIC更具靈活性，可節省流片時間成本，上市時間短，應用場景從通信收發器、消費電子等拓展至汽車電子、數據中心、高性能計算、工業視覺、醫療檢測等，短期內中國FPGA應用場景保持分散格局，存量市場、增量市場均存在擴容空間。

部分應用場景不可替代性：FPGA芯片在技術不穩定、靈活度需求高、需求量小的場景具備ASIC、CPU、GPU不可替代的低研發成本、制造成本優勢（器件可根據具體需求完成現場編程需求）。

全球市場份額分析：

亞太市場需求顯著

亞太地區市場是FPGA的主要應用市場，占全球市場份額超40%。截至2018年底，中國FPGA市場規模接近140億元，且隨5G通信基礎設施鋪開而面臨較大增量需求空間。

北美龍頭企業把持頭部市場

北美地區賽靈思、Intel（收購阿爾特拉）保持FPGA市場雙寡頭壟斷格局。中國FPGA市場中，賽靈思份額超過50%，Intel份額接近30%。

FPGA芯片技術分析

計算任務：FPGA可用于處理多元計算密集型任務，依托流水線并行結構體系，FPGA相對GPU、CPU在計算結果返回時延方面具備技術優勢。

計算密集型任務：矩陣運算、機器視覺、圖像處理、搜索引擎排序、非對稱加密等類型的運算屬于計算密集型任務。該類運算任務可由CPU卸載至FPGA執行。

FPGA執行計算密集型任務性能表現：

?計算性能相對CPU：如Stratix系列FPGA進行整數乘法運算，其性能與20核CPU相當，進行浮點乘法運算，其性能與8核CPU相當。

?計算性能相對GPU：FPGA進行整數乘法、浮點乘法運算，性能相對GPU存在數量級差距，可通過配置乘法器、浮點運算部件接近GPU計算性能。

FPGA執行計算密集型任務核心優勢：

搜索引擎排序、圖像處理等任務對結果返回時限要求較為嚴格，需降低計算步驟時延。傳統GPU加速方案下數據包規模較大，時延可達毫秒級別。FPGA加速方案下，PCIe時延可降至微秒級別。遠期技術推動下，CPU與FPGA數據傳輸時延可降至100納秒以下。

FPGA體系結構優勢：FPGA可針對數據包步驟數量搭建同等數量流水線（流水線并行結構），數據包經多個流水線處理后可即時輸出。GPU數據并行模式依托不同數據單元處理不同數據包，數據單元需一致輸入、輸出。針對流式計算任務，FPGA流水線并行結構在延遲方面具備天然優勢。

通信任務：FPGA用于處理通信密集型任務不受網卡限制，在數據包吞吐量、時延方面表現優于CPU方案，時延穩定性較強。

通信密集型任務：對稱加密、防火墻、網絡虛擬化等運算屬于通信密集型計算任務，通信密集數據處理相對計算密集數據處理復雜度較低，易受通信硬件設備限制。

FPGA執行通信密集型任務優勢：

1、吞吐量優勢：

CPU方案處理通信密集任務需通過網卡接收數據，易受網卡性能限制（線速處理64字節數據包網卡有限，CPU及主板PCIe網卡插槽數量有限）。

GPU方案（高計算性能）處理通信密集任務數據包缺乏網口，需依靠網卡收集數據包，數據吞吐量受CPU及網卡限制，時延較長。

FPGA可接入40Gbps、100Gbps網線，并以線速處理各類數據包，可降低網卡、交換機配置成本。

2、時延優勢：

CPU方案通過網卡收集數據包，并將計算結果發送至網卡。受網卡性能限制，DPDK數據包處理框架下，CPU處理通信密集任務時延近5微秒，且CPU時延穩定性較弱，高負載情況下時延或超過幾十微秒，造成任務調度不確定性。

FPGA無需指令，可保證穩定、極低時延，FPGA協同CPU異構模式可拓展FPGA方案在復雜端設備的應用。

部署方式：FPGA部署包括集群式、分布式等，逐漸從中心化過渡至分布式，不同部署方式下，服務器溝通效率、故障傳導效應表現各異。

FPGA嵌入功耗負擔：FPGA嵌入對服務器整體功耗影響較小，以Catapult聯手微軟開展的FPGA加速機器翻譯項目為例，加速模塊整體總計算能力達到103Tops/W，與10萬塊GPU計算能力相當。相對而言，嵌入單塊FPGA導致服務器整體功耗增加約30W。

FPGA部署方式特點及限制：

1、集群部署特點及限制：FPGA芯片構成專用集群，形成FPGA加速卡構成的超級計算器（如Virtex系列早期實驗板于同一硅片部署6塊FPGA，單位服務器搭載4塊實驗板）。

?專用集群模式無法在不同機器FPGA之間實現通信；

?數據中心其他機器需集中發送任務至FPGA集群，易造成網絡延遲；

?單點故障導致數據中心整體加速能力受限

2、網線連接分布部署：為保證數據中心服務器同構性（ASIC解決方案亦無法滿足），該部署方案于不同服務器嵌入FPGA，并通過專用網絡連接，可解決單點故障傳導、網絡延遲等問題。

?類同于集群部署模式，該模式不支持不同機器FPGA間通信；

?搭載FPGA芯片的服務器具備高度定制化特點，運維成本較高。

3、共享服務器網絡部署：該部署模式下，FPGA置于網卡、交換機間，可大幅提高加速網絡功能并實現存儲虛擬化。

·FPGA針對每臺虛擬機設置虛擬網卡，虛擬交換機數據平面功能移動至FPGA內，無需CPU或物理網卡參與網絡數據包收發過程。

·該方案顯著提升虛擬機網絡性能（25Gbps），同時可降低數據傳輸網絡延遲（10倍）。

共享部署：分享服務器網絡部署模式下，FPGA加速器有助于降低數據傳輸時延，維護數據中心時延穩定，顯著提升虛擬機網絡性能。

分享服務器網絡部署模式下FPGA加速Bing搜索排序：Bing搜索排序于該模式下采用10Gbps專用網線通信，每組網絡由8個FPGA組成。其中，部分負責提取信號特征，部分負責計算特征表達式，部分負責計算文檔得分，最終形成機器人即服務（RaaS）平臺。FPGA加速方案下，Bing搜索時延大幅降低，延遲穩定性呈現正態分布。該部署模式下，遠程FPGA通信延遲相對搜索延遲可忽略。

Azure服務器部署FPGA模式：Azure針對網絡及存儲虛擬化成本較高等問題采取FPGA分享服務器網絡部署模式。隨網絡計算速度達到40Gbps，網絡及存儲虛擬化CPU成本激增（單位CPU核僅可處理100Mbps吞吐量）。通過在網卡及交換機間部署FPGA，網絡連接擴展至整個數據中心。通過輕量級傳輸層，同一服務器機架時延可控制在3微秒內，觸達同數據中心全部FPGA機架時延可控制在20微秒內。

加速層：依托高帶寬、低時延優勢，FPGA可組成網絡交換層與服務器軟件之間的數據中心加速層，并隨分布式加速器規模擴大實現性能超線性提升。

數據中心加速層：FPGA嵌入數據中心加速平面，位于網絡交換層（支架層、第一層、第二層）及傳統服務器軟件（CPU層面運行軟件）之間。

加速層優勢：

?FPGA加速層負責為每臺服務器（提供云服務）提供網絡加速、存儲虛擬化加速支撐，加速層剩余資源可用于深度神經網絡（DNN）等計算任務。

?隨分布式網絡模式下FPGA加速器規模擴大，虛擬網絡性能提升呈現超線性特征。

加速層性能提升原理：使用單塊FPGA時，單片硅片內存不足以支撐全模型計算任務，需持續訪問DRAM以獲取權重，受制于DRAM性能。加速層通過數量眾多的FPGA支撐虛擬網絡模型單層或單層部分計算任務。該模式下，硅 片內存完整加載模型權重，可突破DRAM性能瓶頸，FPGA計算性能得到充分發揮。加速層需避免計算任務過度拆分而導致計算、通信失衡。

eFPGA：嵌入式eFPGA技術在性能、成本、功耗、盈利能力等方面優于傳統FPGA嵌入方案，可針對不同應用場景、不同細分市場需求提供靈活解決方案。

eFPGA技術驅動因素：

設計復雜度提升伴隨設備成本下降的經濟趨勢促發市場對eFPGA技術需求。

器件設計復雜度提升：SoC設計實現過程相關軟件工具趨于復雜（如Imagination Technologies為滿足客戶完整開發解決方案需求而提供PowerVR圖形界面、Eclipse整合開發環境），工程耗時增加（編譯時間、綜合時間、映射時間，FPGA規模越大，編譯時間越長）、制模成本提高(FPGA芯片成本為同規格ASIC芯片成本100倍）。

設備單位功能成本持續下降：20世紀末期，FPGA平均售價較高（超1,000元），傳統模式下，FPGA與ASIC集成設計導致ASIC芯片管芯面積、尺寸增大，復雜度提升，早期混合設備成本較高。21世紀，相對批量生產的混合設備，FPGA更多應用于原型設計、預生產設計，成本相對傳統集成持續下降（最低約100元），應用靈活。

eFPGA技術優勢：

1、更優質：eFPGA IP核及其他功能模塊的SoC設計相對傳統FPGA嵌入ASIC解決方案，在功耗、性能、體積、成本等方面表現更優。

2、更方便：下游應用市場需求更迭速度快，eFPGA可重新編程特性有助于設計工程師更新SoC，產品可更長久占有市場，利潤、收入、盈利能力同時大幅提升。eFPGA方案下SoC可實現高效運行，一方面迅速更新升級以支持新接口標準，另一方面可快速接入新功能以應對細分化市場需求。

3、更節能：SoC設計嵌入eFPGA技術可在提高總性能的同時降低總功耗。利用eFPGA技術可重新編程特性，工程師可基于硬件，針對特定問題對解決方案進行重新配置，進而提高設計性能、降低功耗。

云計算：FPGA技術無需依靠指令、無需共享內存，在云計算網絡互連系統中提供低延遲流式通信功能，可廣泛滿足虛擬機之間、進程之間加速需求。

FPGA云計算任務執行流程：主流數據中心以FPGA為計算密集型任務加速卡，賽靈思及阿爾特拉推出基于OpenCL的高層次編程模型，模型依托CPU觸達DRAM，向FPGA傳輸任務，通知執行，FPGA完成計算并將執行結果傳輸至DRAM，最終傳輸至CPU。

FPGA云計算性能升級空間：受限于工程實現能力，當前數據中心FPGA與CPU之間通信多以DRAM為中介，通過燒寫DRAM、啟動kernel、讀取DRAM的流程完成通信（FPGA DRAM相對CPU DRAM數據傳輸速度較慢），時延近2毫秒（OpenCL、多個kernel間共享內存）。CPU與FPGA間通信時延存在升級空間，可借助PCIe DMA實現高效直接通信，時延最低可降至1微秒。

FPGA云計算通信調度新型模式：新通信模式下，FPGA與CPU無需依托共享內存結構，可通過管道實現智行單元、主機軟件之間的高速通信。云計算數據中心任務較為單一，重復性強，主要包括虛擬平臺網絡構建和存儲（通信任務）以及機器學習、對稱及非對稱加密解密（計算任務），算法較為復雜。新型調度模式下，CPU計算任務趨于碎片化，遠期云平臺計算中心或以FPGA為主，并通過FPGA將復雜計算任務卸載至CPU（區別于傳統模式下CPU卸載任務至FPGA的模式）。

全球FPGA大廠競爭

全球FPGA芯片市場競爭高度集中，頭部廠商占領“制空權”，新入局企業通過產品創新為行業發展提供動能，智能化市場需求或將FPGA技術推向主流。

全球FPGA市場由四大巨頭Xilinx賽靈思，Intel英特爾（收購阿爾特拉）、Lattice萊迪思、Microsemi美高森美壟斷，四大廠商壟斷9,000余項專利技術，把握行業“制空權”。

截至2018年底，全球范圍FPGA市場規模由賽靈思占據首位（49%），英特爾（阿爾特拉）占比超30%，Lattice及Microsemi占據全球市場規模均超5%。相對而言，中國廠商整體僅占全球FPGA市場份額不足3%。

FPGA芯片行業形成以來，全球范圍約有超70家企業參與競爭，新創企業層出不窮（如Achronix Semiconductor、MathStar等）。產品創新為行業發展提供動能，除傳統可編程邏輯裝置（純數字邏輯性質），新型可編程邏輯裝置（混訊性質、模擬性質）創新速度加快，具體如Cypress Semiconductor研發具有可組態性混訊電路PSoC（Programmable System on Chip），再如Actel推出Fusion（可程序化混訊芯片）。此外，部分新創企業推出現場可編程模擬數組FPAA（Field Programmable Analog Array）等。

隨智能化市場需求變化演進，高度定制化芯片（SoC ASIC）因非重復投資規模大、研發周期長等特點導致市場風險劇增。相對而言，FPGA在并行計算任務領域具備優勢，在高性能、多通道領域可以代替部分ASIC。人工智能領域多通道計算任務需求推動FPGA技術向主流演進。

基于FPGA芯片在批量較?。髌?萬片為界限）、多通道計算專用設備（雷達、航天設備）領域的優勢，下游部分應用市場以FPGA取代ASIC應用方案。

FPGA

中國FPGA芯片行業驅動因素

5G通信體系建設提高FPGA芯片需求

通信場景是FPGA芯片在產業鏈下游應用最廣泛的場景（占比約40%），隨5G通信技術發展、硬件設備升級（基站天線收發器創新），FPGA面臨強勁市場需求驅動。

5G通信規?；逃迷诩?，推動FPGA芯片用量提升、價格提升空間釋放。

新型基站天線收發器采用FPGA芯片

5G時期Massive MIMO基站技術條件下，基站收發通道數量從16T16R（雙模解決方案）提升至最高128T128R，可采用FPGA芯片實現多通道信號波束成形。如64通道毫米波MIMO全DBF收發器中頻和基帶子系統采用賽靈思Kintex-7系列FPGA。中頻和基帶子系統疊加實現通用無線接入功能。

在FPGA芯片行業內有10年以上產品開發、算法研究經驗的行業專家表示，FPGA相對CPU、GPU在功耗及計算速度方面具備優勢，通信設備企業將加大FPGA器件在基站天線收發器等核心設備中的應用（如頭部移動通信設備廠商京信通信于新型收發器產品嵌入FPGA芯片）。

全球FPGA通信市場快速增長

截至2018年底，全球FPGA通信市場占據應用市場整體近45%。2020年至2025年，全球FPGA通信市場規模年復合增長率預計近10%。

5G基礎設施將以FPGA器件為核心組件

5G通信市場增長具備確定性。相關基礎設施（機房、宏站、微站等）滲透物聯網、邊緣計算等多元領域，5G基建項目以FPGA為核心零部件，推動FPGA價格上升空間釋放。

?未來10年，小基站數量或超10,000座，基站數量帶動FPGA器件用量提升。

?5G MIMO基站面臨數據高并發處理需求，單個基站FPGA用量整體提高（從4G時期2至3塊增加至5G時期4至5塊）。

?現階段基站用FPGA均價處于100元以內，技術復雜度提高等因素推動價格走高（>100元）。

自動駕駛規模化商用提升量產需求

自動駕駛領域ADAS系統、傳感器系統、車內通信系統、娛樂信息系統等板塊對FPGA芯片產品產生增量需求，全球頭部FPGA廠商積極布局自動駕駛賽道。

FPGA巨頭看好自動駕駛賽道

截至2018年底，全球汽車半導體行業市場規模接近400億美元，其中，FPGA應用于汽車半導體領域市場僅占約2.5%。自動駕駛系統對車載芯片提出更高要求，主控芯片需求從傳統GPU拓展至ASIC、FPGA等芯片類型?，F階段，FPGA芯片在車載攝像頭、傳感器等硬件設備中的應用趨于成熟。此外，得益于編程靈活性，FPGA芯片在激光雷達領域應用廣泛。自動駕駛汽車高度依賴傳感器、攝像頭等硬件設備及車內網等軟件系統，對FPGA芯片數量需求顯著。頭部FPGA廠商（如賽靈思）搶占智能駕駛賽道，逐步加大與車企及車聯網企業的合作，截至2018年底，賽靈思FPGA方案嵌入車型拓展至111種。

FPGA在自動駕駛系統領域應用覆蓋面廣

FPGA芯片在自動駕駛領域可應用于ADAS系統、激光雷達、自動泊車系統、馬達控制、車內娛樂信息系統、駕駛員信息系統等板塊，應用面廣泛。具體可以魔視智能自動泊車系統為例，該系統將FPGA芯片接入車內網CAN總 線，連接藍牙、SD卡等通信組件，并通過MCU等與攝像頭、傳感器裝置連接。FPGA大廠賽靈思積極布局ADAS領域。遠期ADAS系統更趨復雜（包括前視攝像頭、駕駛監視攝像頭、全景攝像頭、近程雷達、遠程激光雷達 等），推動FPGA用量空間增大。2025年，自動駕駛進入規模化商用階段，將持續推動FPGA與汽車電子、車載軟件系統的融合。

FPGA

中國FPGA芯片行業制約因素

FPGA設計人才團隊實力匱乏

FPGA芯片設計領域門檻高（高于CPU、存儲器、DSP），中國本土廠商起步晚，處于產業生態建設初期階段，在人才資源儲備方面基礎薄弱。

相對國際市場，中國FPGA芯片設計人才儲備不足

中國FPGA領域人才儲備約為美國相應人才儲備1/10

根據中國國際人才交流基金會等機構發布的《中國集成電路產業人才白皮書》顯示，截至2018年底，中國集成電路產業存量人才約40萬人，該產業人才需求約于2020年突破70萬人，存在約30萬人以上人才缺口。在FPGA板塊，美國頭部廠商Intel、賽靈思、Lattice等及高校和研究機構相關人才近萬人，相對而言，中國FPGA設計研發人才匱乏，頭部廠商如紫光同創、高云半導體、安路科技等研發人員儲備平均不足200人，產業整體人才團隊不足千人，成為制約中國FPGA芯片行業技術發展、產品升級的核心因素。

行業發展起步晚，產學研聯動缺失

中國FPGA行業于2000年起步，美國則具備自20世紀80年代研發起步的背景。2010年，中國FPGA芯片實現量產。美國高校與芯片廠商聯動緊密，將大量技術輸送給企業，相較而言，中國企業缺乏與高校等研究機構合作經驗，產學研聯動不足，行業現有核心人才多從海外引進。

研發實力匱乏制約企業成長

全球頭部FPGA廠商依托專利技術積累及人才培養，以及早于中國企業20年的發展經歷，在全球范圍牢固占據第一梯隊陣營。FPGA行業進入門檻高，中國頭部企業較難取得后發優勢?，F階段，賽靈思已進入7納米工藝億門級高端FPGA產品研發階段，中國頭部廠商如紫光同創、高云半導體等啟動28納米工藝千萬門級（7,000萬）中高密度FPGA研發工作，與全球頂尖水平相差約2代至3代，亟需人才資源支持。

FPGA

中國FPGA芯片行業政策法規

政策分析

為進一步引導FPGA行業有序發展，凸顯集成電路產業戰略地位，國家政策部門整合行業、市場、用戶資源，為中國集成電路企業向國際第一梯隊目標發展打造政策基礎。

“十二五”以來，國家強調集成電路產業作為先導性產業的地位，更加重視芯片科技發展對工業制造轉型升級和信息技術發展的推動力。國家從市場需求、供給、產業鏈結構、價值鏈等層面出發，出臺多項利好政策。

FPGA

中國FPGA芯片行業發展趨勢

FPGA芯片設計復雜度持續提高

2016至2018年，全球FPGA研發領域高性能、高安全性可編程芯片設計項目比重提高，FPGA設計復雜度日趨提升，具體可以安全特性設計增加為例。

安全特性需求增加，高性能FPGA芯片設計復雜度提高

安全關鍵標準、指南增加

安全特性需求增加可以安全關鍵標準、指南增加為表現。2016年及歷史FPGA開發項目多基于一個安全關鍵標準進行，2018年及以后，更多FPGA研發項目以一個或多個安全關鍵標準、指南進行開發。

安全保證硬件模塊設計項目增加

安全保證硬件模塊設計多用于加密密鑰、數字權限管理密鑰、密碼、生物識別參考數據等領域。相對2016年，2018年全球FPGA安全特性模塊設計項目占比顯著增加（增幅超5%）。安全特性提升增加設計驗證需求及驗證復雜度。

其他設計項目提高芯片驗證復雜性

①嵌入式處理器核心數量增加：相對2016年，2018年更多FPGA設計趨向SoC類（SoC-class）設計。2018年，超過40%FPGA設計包含2個或2個以上嵌入式處理器，接近15%FPGA設計包含4個或以上嵌入式處理器，SoC類設計增加驗證流程復雜性。

②異步時鐘域數量增加：2018年，約90%FPGA設計項目包含2個或以上異步時鐘域，多個異步時鐘域驗證需求增加驗證工作量（驗證模型趨于復雜，代碼異常增加）。

廣泛應用于機器學習強化項目

醫學診斷、工業視覺等領域對機器學習需求增強，且面臨神經網絡演化帶來的挑戰。相對CPU、GPU，FPGA技術更適應非固定、非標準設計平臺，與機器學習融合度加深。

FPGA芯片更適用于非固定、非標準機器學習演化環境

FPGA在機器學習領域表現優越

?性能對比可參考賽靈思公開測試結果

針對GPU、FPGA在機器學習領域的性能表現，賽靈思曾公布reVISION系列FPGA芯片與英偉達Tegra X1系列GPU芯片基準對比結果。數據顯示，FPGA方案在單位功耗圖像捕獲速度方面優于GPU方案6倍，在計算機視覺處理幀速率方面優于GPU方案42倍，同時，FPGA時延為GPU時延1/5。

?賽靈思FPGA與Intel芯片能效對比

相對IntelArria 10 SoC系列CPU器件，賽靈思FPGA器件可助力深度學習、計算機視覺運算效率提升3倍至7倍。

企業采取新架構（視覺數據傳輸至FPGA加速邊緣服務器集群）

?FPGA對流處理進行優化

FPGA方案可針對視頻分析、深度學習推理進行流處理（大數據處理手段技術之一）優化?；陟`活可編程特點，FPGA方案可滿足重新配置需求，適用于庫存管理、欺詐控制、面部識別等普通模型以及跟蹤、自然語言交互、情感檢測等復雜模型。

?初創企業積極采取FPGA方案

初創企業如Megh Computing、PointR.ai等積極采用FPGA方案建立新型視頻數據處理架構，發揮緊湊、低功耗計算模塊優勢。

FPGA

中國FPGA芯片行業競爭格局

競爭格局概述

中國FPGA芯片行業發展起步較晚，呈現藍海市場特征，本土企業主攻中低密度市場，在高端“億門陣列”級細分市場尚不具備與國際頭部廠商競爭的實力。

國際競爭格局：全球FPGA市場早期由美國兩大巨頭（賽靈思、阿爾特拉）高度壟斷，經市場一系列并購行為及初創團隊影響，國際市場第一梯隊陣營擴容（包括賽靈思、Intel、Lattice、Microsemi、Achronix、Flexlogic、Quicklogic等）。

中國FPGA廠商：

中國FPGA芯片研發企業可以紫光同創、國微電子、成都華微電子、安路科技、智多晶、高云半導體、上海復旦微電子和京微齊力為例。

從產品角度分析，中國FPGA硬件性能指標相較賽靈思、Intel等差距較大。紫光同創是當前中國市場唯一具備自主產權千萬門級高性能FPGA研發制造能力的企業。上海復旦微電子于2018年5月推出自主知識產權億門級FPGA產品。中國FPGA企業緊跟大廠步伐，布局人工智能、自動駕駛等市場，打造高、中、低端完整產品線。

中國FPGA企業競爭突破口

現階段中國FPGA廠商芯片設計軟件、應用軟件不統一，易在客戶端造成資源浪費，頭部廠商可帶頭集中產業鏈資源，提高行業整體競爭力。

TOP10企業排名

中國FPGA芯片行業競爭主體包括研發類企業及應用解決方案供應商，隨人工智能、物聯網、5G技術速發展推動，中國FPGA廠商迎來市場切入最佳時期。

中國FPGA廠商特點

FPGA芯片行業競爭高度集中，中國FPGA廠商多以40nm、55nm產品系列為主，在中國市場及全球市場競爭力尚不可與賽靈思、英特爾匹敵（制造工藝、規模容量、軟件能力均處于劣勢）。中國廠商亟需在高集中度市場中尋求突圍路徑。2017年，通信行業剛需加速FPGA芯片國產化進程，但中國廠商多采取“低價競爭”策略，無法實現良性、可持續競爭。

中國廠商突破競爭瓶頸可從兩方面著手：

?FPGA制造工藝從28nm向16nm過度，并向國際領先水平7nm靠近，芯片邏輯單元規模從500K向1M、2M過度，遠期可挑戰3D芯片技術。

?廠商可依托可測性設計、可靠性設計、高測試標準、量產管理突破質量瓶頸，采取“技術+產品+管理”策略取勝。

芯片開發企業

中國市場FPGA研發企業可以京微齊力、復旦微電子、紫光同創、高云半導體、安路科技、智多晶等為例。

應用解決方案企業

應用解決方案供應商具體可以聯捷科技、深維科技、傲睿智存為例。

TOP10企業特點

中國FPGA芯片行業TOP10企業逐步推進FPGA技術國產化進程，受制造能力、封測工藝、IP資源等因素影響，中國FPGA芯片企業技術創新實力亟待提升。

紫光同創：推出自主知識產權的大規模FPGA開發軟件Pango Design Suite，可支持千萬門級FPGA器件設計開發。

高云半導體：推出中國首顆55nm嵌入式Flash SRAM非易失性FPGA芯片，實現可編程邏輯器件、嵌入式處理器無縫連接。

安路科技：開展28nm、12nm千萬門級、五千萬門級FPGA、SoC FPGA研發工作，自主開發HDL描述至片上調試的完整系統。

遨格芯微：推出中國首個通用FPGA產品系列，在軟件及硬件引腳封裝等方面保持較高相互兼容性，支持低中高端嵌入式應用和升級。

復旦微電子：集成專用超高速串并轉換模塊、高靈活可配置模塊、等適用億門級FPGA應用的模塊電路。

智多晶：實現55nm、40nm工藝中密度FPGA量產，自主研發FPGA開發軟件“HqFpga”,支持布局布線、時序分析、內邏輯分析等任務。

京微齊力：采用40納米工藝芯片應用于智能穿戴設備領域，具備100項以上FPGA專利及專有技術（國際專利）授權及二次開發權。

聯捷科技：研發基于CNN的圖片分析技術，推出FPGA加速方案，可將基于神經網絡的人臉識別速度提升兩倍。

深維科技：側重于FPGA AI應用開發，團隊具備Cadence、IBM、中科院等大廠經驗，產品工程能力占據優勢。

傲睿智存：提供新型FPGA視頻轉解碼服務，無需更換、添加硬件即可支持深度學習應用直接開發。

FPGA

中國FPGA芯片行業投資企業推薦

安路科技

安路科技目標市場包括高端、中端、低端下游客戶，積極參與國際競爭，以差異化競爭為發展戰略，以FPGA異構計算架構為重點研究方向之一。

上海安路信息科技企業簡介

上海安路信息科技有限公司（以下簡稱“安路科技”）于2011年11月在上海市虹口區注冊成立，是可編程邏輯器件、可編程系統級芯片、定制化嵌入式eFPGA IP、軟件設計工具EDA以及創新系統解決方案供應商。

安路科技目標市場包括高端（PHOENIX系列）、中端（EAGLE系列）、低端（ELF系列），安路科技堅持產品差異化、服務本地化、支持連續化、人才國際化戰略，積極參與國際競爭，爭取國際FPGA市場份額。

企業亮點

差異化競爭

安路科技于2015年推出第一代FPGA AL3-10芯片，該器件性能優良、性價比超中國市面同類產品50%或以上，且出貨量滿足規?；逃眯枨螅猜房萍家劳胁町惢瘍瀯萦?016年獲取工信部軟件與集成電路促進中心“最具投資價值公司”獎項。2019年4月，安路科技推出ELF3代系列高性能FPGA產品及相應配套開發軟件。安路科技在FPGA核心架構、軟件算法、系統集成等方面具備多項技術專利。

緊跟大廠布局人工智能領域

現階段，FPGA在云端應用已登錄全球六大云服務中心，云中心多采用搭載FPGA加速器的異構計算機架構，FPGA芯片成為人工智能算法加速迭代背景下快速驗證解決方案。針對人工智能計算市場需求，安路科技推出FPAiA系統計劃，研發出存儲單元與計算單云深度融合的FPGA硬件架構?？商峁┌―NN算法優化、FPAiA硬件位流映射等功能在內的自動化AI協同設計系統。

2019年4月，安路科技推出ELF3系列高性能FPGA產品及相應配套開發軟件。安路科技在FPGA軟件算法、系統集成等方面具備多項技術專利。

上海安路信息科技產品介紹

安路科技代表產品示例

案例分析

智能LED模組（采用安路EF2系列FPGA）

?LED屏幕顯示亮度增強、色彩趨于鮮艷，多搭載FPGA芯片，LED屏幕主控芯片類似，傳輸接口類似，FPGA芯片價格競爭激烈。

?安路科技EF2系列FPGA芯片采用新架構，以低成本保證數據傳輸可靠性，應用于LED屏幕滿足屏幕控制、監控等需求。

?安路科技基于市場調研對EF2 FPGA芯片進行二次優化，將器件嵌入LED顯示模組，在降低數據傳輸EMI的同時做到監控狀態回傳。

?模組在結構上包括CPU、ADC、異步傳輸接口等，滿足LED全需求。

LED控制系統（采用安路EG4系列FPGA）

?應用于千兆以太網同步全彩LED控制系統。

?最多可包括187個通用輸入輸出接口，無需引腳復用即可實現24組顯示數據驅動。

?僅需3.3V、1.2V兩組電源。

?系統可靠性、靈活性較高（支持雙啟動、多啟動），用戶可對系統在線升級。

智多晶

智多晶微電子打造多元、系列化CPLD、FPGA業務，目標客戶滲透民用安防、國防建設等多個領域，已實現55納米、40納米工藝中密度FPGA量產目標。

西安智多晶微電子企業簡介

西安智多晶微電子有限公司（以下簡稱“智多晶”）于2012年11月在西安市高新區注冊成立，是研究可編程邏輯電路器件技術并進行研發生產的公司。智多晶在成都、深圳設立銷售分部。智多晶主要提供可迅速可投入量產的系統集成解決方案，布局高性價比產品線。智多晶早期提供單一CPLD產品，逐步形成多元、系列化CPLD、FPGA產品線，為下游客戶提供系統解決方案。

現階段，智多晶芯片產品滲入民用安防、國防建設等多個領域。智多晶西安總部位于教學園區周邊，另外受西安政府打造千億級半導體產業集群目標帶動，智多晶具備環境優勢。

企業亮點：

創始團隊具備豐厚知識體系、扎實實踐經驗

芯片設計復雜度較高，需研發人員具備龐大知識體系以及對技術、產品市場的融合視野。智多晶四位創始人資歷豐厚，其中CPU專家Jim Keller曾于AMD領導設計Ryzen芯片，助力AMD扭轉相對Intel的競爭劣勢。創始人賈紅是可編程邏輯器件版圖設計和電路設計領域專家。Joanne是可編程邏輯器件結構、軟件硬件接口、系統開發領域技術專家，曾主導境外高端可編程邏輯器件在高速數據流系統上的應用項目。

驗證市場需求，推出針對性解決方案

截至2019年上半年，智多晶已實現55納米、40納米工藝中密度FPGA量產目標，并推出內嵌Flash、SDRAM等集成化方案的針對性產品。其中，55納米海獅FPGA芯片在LED顯示控制領域取得較好市場反饋。LED屏幕結構為分層組合，海獅FPGA支持高速運算，可計算屏幕每個像素點上顯示色值，進而達到最佳圖像顯示效果?；诤＊{系列產品優秀表現，中國LED龍頭企業與智多晶簽訂超千萬元訂單合同。

智多晶產品體系由Seagull 1000系列、Sealion 2000系列、Sealion 2000T系列、Seal 5000系列、HqFpga軟件、圖像加強系統等系列組成。

西安智多晶微電子產品介紹

Seagull 1000系列

?設計方式：正向設計

?采用0.162um生產工藝

?裝配低功耗嵌入式閃存（eFlash）存儲單元

?功耗敏感極低，靜態電流可降至1.0mA

?提供64到256宏單元陣列產品

?差異化競爭點：滿足各類客制化CPLD構架

Sealion 2000系列

?設計方式：正向設計

?芯片軟件設計流程可對接ISE、Quartus網表

?具備倍頻、分頻、相位轉移等系統時鐘功能

Seal5000系列

?通用輸入輸出端口支持高速存儲器界面

?應用場景：支持商業與工業溫度等級

?具備倍頻、分頻、相位轉移等系統時鐘功能

?支持高速串行并行接口(SERDES)

案例簡析：

?支持采集端到處理端工業控制編程需求。

?圖像處理應用可能性擴大，圖像傳輸實時性得到提高。

?支持復雜算法，保證算力需求。

?在大型生產線場景提高機器人使用效率

?低成本、高密度、高精度、高處理速度。

高云半導體

高云半導體主攻中低密度FPGA市場，在55納米SRAM制造工藝方面具備成熟產能，開始穩步推進28納米中低密度芯片產品研發項目。

高云半導體企業簡介

廣東高云半導體科技股份有限公司（以下簡稱“高云半導體”）于2014年1月在廣東省佛山市注冊成立，是一家提供設計軟件、IP核、參照設計、開發板、定制服務一體化完整解決方案的高科技企業。

高云半導體主攻中低密度FPGA市場。截至2019年上半年，高云半導已體開放自研EDA集成電路開發軟件下載服務，版本更新至1.7.9版本。

踐行高云方法論

高云半導體在FPGA芯片產品定義、架構設計、市場開發等方面積累超過10年經驗，前期堅持以中低端FPGA領域為目標市場，穩步邁向高端市場。高云半導體已在55納米SRAM制造工藝方面具備成熟產能，同款55納米FPGA在同等密度器件中具備較多輸入輸出端口，并開始穩步推進28納米中低密度芯片產品研發項目。55納米→28納米

覆蓋多元領域下游客戶

截至2019年上半年，高云半導體FPGA產品滲透工業、車載、通信、家電、消費、IoT等領域，并推出自主研發的軟件平臺“云源軟件”。支持線上分析（邏輯分析、靜態時序分析、功耗分析）等在線功能，大幅降低用戶產品研發時間成本、優化創新設計流程。

晨熙系列及小蜜蜂系列FPGA芯片為通信、工業、消費電子市場提供低功耗、高安全性、非易失性計算資源。

產品及解決方案介紹

解決方案契合以太網、5G網絡，延長客戶產品生命周期。其中，“GoAI”加速平臺相對傳統微控制器性能提高78倍以上。

案例簡析：

超低功耗μSoC射頻FPGA

?集成藍牙5.0低功耗無線電功能，最低功耗可降至5nA（全芯片關閉功能實現）。

?集成32位低功耗ARC處理器和低功耗藍牙。

?可為傳感器、攝像機等提供靈活輸入輸出方案。

?接入電源管理單元，支持各級功耗模式。引領FPGA在邊緣計算領域的應用創新。

基于FPGA的AI解決方案

?解決方案GoAITM針對邊緣測試、AI解決方案部署。設計流程與AI、神經網絡開發框架貼合，便于用戶再開發。

?內嵌微控制器支持模型訓練、量化及測試。

?將嵌入式處理器與FPGA加速器融合，繞過神經網絡模型對專用軟件的需求。

FPGA

行業趨勢

未來3至5年內，中國FPGA投資機會存在于應用平臺（性質接近PaaS）、“FPGA+ASIC”架構集成等方面，架構集成領域或出現獨角獸企業。

應用方案層面存在高價值投資機會（平臺型產品）——他山之石可攻玉

?相對芯片研發業務，FPGA應用方案類產品開發周期短，應用場景需求持續拓展（視頻加速、圖像加速、云渲染、4K高清實時直播、云視頻等）

?FPGA應用類產品性質接近PaaS平臺，創業公司基于大廠既有AI數據中心包裝用戶端FPGA平臺。賽靈思、英特爾看好中國FPGA應用市場。

?FPGA應用平臺投資案例（頭部廠商投資戰略可參考）：

①2018年底，英特爾投資聯捷科技,投資額約2,000萬美元。聯捷科技自身不投入FPGA芯片開發，與阿里巴巴達成戰略合作伙伴關系，基于阿里FPGA云端資源，提供針對電商企業等類型客戶的應用解決方案。

產品模式：聯捷科技基于阿里FPGA平臺搭建FPGA圖像加速處理應用平臺Cticel，出售AI視頻加速服務，客戶購買加速通道，支付通道會員費。

投資回報預期：投資主體有望于2025年實現300%至500%投資回報率，以股權轉讓等形式完成回收。

②2019年8月，全球頭部企業賽靈思投資傲睿智存，提供基于FPGA的服務器的超高速存儲服務。

產品模式：傲睿智存針對中國市場應用需求，基于賽靈思芯片級產品包裝商用級產品，可提供基于視頻、金融大數據、人工智能加速等應用的超高速存儲服務。

投資回報預期：投資主體有望于3年內實現超300%的投資回報率。

芯片集成板塊存在獨角獸投資機會（芯片型產品）——升級版架構

?當前邊緣端計算加速解決方案多采取ASIC芯片，邊緣計算市場發展迅猛。

?相對而言，FPGA在傳統數據中心端市占率較高，在邊緣端功耗等表現不如ASIC。

?創新案例：美國某創業公司（IP核供應商）于2019年上半年推出集成ASIC架構與FPGA架構的全新解決方案“Speed Sger 7T6”，新架構產品具備ASIC、FPGA雙重架構，在擁有低功耗、低延遲（毫秒級響應）優勢的同時具備FPGA特性和功能。

該架構顯著超越傳統產品，為邊緣端進行計算加速任務提供新思路。

?中國市場邊緣端、移動端ASIC、FPGA競爭關系將走向兼容，投資團隊可密切關注中國市場架構集成投資機會，該領域創新企業或成為芯片級獨角獸。

中國FPGA芯片行業投資邏輯及風險概述

專家建議未來5年內，投資團隊關注中國FPGA市場可依據先C端后B端，先應用場景后技術開發，先產品級后芯片級的投資邏輯注入資金。

投資邏輯

?由C端至B端：中國范圍C端市場（應用側）易出爆款，短期內高清云游戲、高清視頻可催生大量應用場景。隨用戶端應用場景數量增加，設備對底層計算資源依賴度提升，市場規模擴容較快，專家建議投資團隊尋找有應用落地價值的細分場景進行投資（金融大數據分析、圖像視頻處理、基因測序、精準醫療、語音識別、圖像識別等）。C端應用成熟后，投資團隊可集中考慮B端需求，被投對象可集成解決方案、FPGA第三方，自主開發PaaS平臺，針對銀行客戶、政府客戶等提供產品化服務。

?由場景至技術：FPGA芯片底層技術研發難度高，投入大，專家建議投資團隊應從場景投資逐步過渡至技術投資，技術投資思路可參考?？怠⒋笕A、深鑒科技等企業研發模式。該類企業利用FPGA半定制化基礎做邊緣側芯片（傾向人臉識別、安防軌跡跟蹤、新零售場景攝像頭等），該類技術基于既有硬件做再開發，投資風險相對底層技術研發較小。

投資風險

芯片研發方面，初創企業如無大廠支持，易面臨資金、技術困境。

風險規避：

避免購置大量FPGA硬件：投資對象可采用阿里云、騰訊云等數據中心提供的FPGA云服務。

爭取政府資金支持：如在政府資金支持下，新疆某云渲染數據中心大量部署GPU、FPGA基礎硬件。

深挖應用場景輸出功能特性服務：無法于短期內迅速提升競爭力的企業可推出針對細分場景的專用FPGA芯片，僅輸出算法，經由代工廠推出芯片，在得到應用場景市場驗證的背景下提供具備針對性功能特性的板卡解決方案。

原文標題：FPGA芯片行業科普

文章出處：【微信公眾號：FPGA技術江湖】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq