自面世起，FPGA因靈活性和高運算能力等特點嶄露鋒芒，市場規模不斷擴大。不過長期以來，FPGA市場被國外寡頭壟斷。如今，大數據時代的到來及人工智能技術的日趨成熟，在一定程度上，為國產FPGA追趕國外龍頭企業帶來了新的機遇。

大數據+AI，數據處理能力迎新挑戰

提起大數據與人工智能，人們往往把以它們為代表的的全新技術革命，稱作繼蒸汽機、電力、信息互聯網之後的第四次技術革命。大數據和AI時代的到來，絕不僅僅意味著智能機器人的批量生產與應用，而是作為核心驅動力驅動產業結構、城市形態、生活方式和科技格局的顛覆式變革。

最早提出“大數據時代”的是全球著名諮詢公司麥肯錫，麥肯錫認為：“數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對於海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈餘浪潮的到來。”

2014年，馬雲就曾在公開演講中表示：世界正從IT（Information Technology）進入DT(Data Technology)時代。大數據時代具有數據量大、數據類型繁多、價值密度低、處理速度快的四大顯著特徵。

大數據時代萬物互聯 圖片來源：攝圖網

首先，大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；其次，其數據類型包括網絡日誌、音頻、視頻、圖片、地理位置信息等，對數據處理能力提出了更高要求；再次，隨著物聯網的廣泛應用，信息海量但價值密度較低，如何通過強大的機器算法更迅速地完成數據價值“提純”，是大數據時代亟待解決的難題；最後，數據處理速度快，時效性要求高，是大數據區分於傳統數據挖掘最顯著的特徵。

人工智能與大數據密不可分。大數據是人工智能的基礎，人工智能需要有大數據作為“思考”和“決策”的前提，並依賴大數據平臺和技術來完成深度學習。而大數據也需要人工智能技術進行數據價值化操作。

目前在互聯網企業，大數據與人工智能的結合應用比較常見，電商平臺普遍採用的推薦系統就是大數據與人工智能技術的結合應用。

當既有的技術架構無法高效處理海量數據，大數據與AI時代就對人類的數據駕馭能力提出了新的挑戰，也為人們獲得更深刻、全面的洞察能力提供了前所未有的空間與潛力。

如今，雲端智能化加速，雲計算為人工智能、大數據、物聯網等領域帶來算力的支撐。集成電路作為關鍵核心器件，是人工智能的算力之本。與此同時，大數據與AI時代的到來與發展，也在逐步打破芯片傳統格局，在一定程度上，使得賽道上的部分新玩家有機會嘗試彎道超車。

FPGA——大數據時代，大有可為

據IDC預測，從2018年至2025年，全球每年被創建、採集或複製的數據將增長5倍以上，預計將從2018年的32ZB增至2025年的175ZB。其中，中國將在2025年以48.6ZB的數據量及27.8%的市場佔比，成為全球最大的數據彙集地。

那麼，人們對數據進行處理的能力是否有了明顯提升呢？英特爾“以數據為中心（Data-Centric）”創新峰會上曾指出，隨著摩爾定律延續，從2012年至2017年，處理數據所需的計算和存儲成本分別下降了56%和77%；同時，處理數據的性能相較2006年則提升41倍。但即便如此，如今只有不到1%的數據被有效的進行了處理、分析和利用。

面對數據處理任務指數級增長，在數據中心融合發展的趨勢下，通過硬件重構+軟件定義的融合架構，實現敏捷、可重構、高性能功耗比的可定製計算將是未來數據中心創新的重要解決之道。

目前，在海量數據處理方面，主流方法是通過易編程多核“CPU+GPU”來進行數據處理、應用開發。設計開發人員一方面希望GPU易於編程， 另一方面又希望硬件具有低功耗、高吞吐量和最低時延功能。但由於依靠半導體制程升級帶來的單位功耗性能在邊際遞減，“CPU+GPU”架構設計遇到了瓶頸。

此時，異構處理器的概念被提了出來。換言之，就是將CPU不擅長的工作卸載到其它更適合的器件中處理，不同架構的數據處理器件協同工作，以提升效率。那麼，到底誰更適合與CPU搭檔工作呢？以吞吐率、延遲、功耗和靈活性等為基本評估標準，FPGA閃亮登場！

“CPU+FPGA”協同工作的優勢 數據來源：財富證券

“CPU+FPGA”可提供更好的單位功耗性能，且易於修改和編程。瑞士蘇黎世聯邦理工學院(ETH Zurich)研究發現，基於FPGA的應用加速比CPU+GPU方案，單位功耗性能可提升25倍，時延則縮短了50到75倍，還能實現出色的I/O集成(PCIe、DDR4、SDRAM 接口、高速以太網等)。

其實，FPGA以其高能效和可重編程的優勢，在大型互聯網企業內部早有應用並逐漸成為常態。AWS（亞馬遜網絡服務）曾藉助雲傳輸模型採用高端 FPGA 器件，以開發者的角度而不是擴展高層次工具，從未幫助潛在的用戶學習和體驗 FPGA 的加速效果。

公共雲服務開始採用 FPGA，平臺廠商與FPGA硬件廠商合作，在雲端提供統一硬件平臺與中間件，可大大降低加速器的開發與部署成本。各種不同的應用都將受益於FPGA加速特性。

如今，數據中心加速市場正在迅速成長。據Research And Markets數據顯示，從2018年到2023年，數據中心加速器市場將從28.4億美元增長到211.9億美元，年複合增長率為49.47%。其中，FPGA預計將會是年複合增長率最高的細分市場。

全球 FPGA 市場規模現狀及預測 數據來源：Gartner 興業證券經濟與金融研究院製圖

隨著大數據和AI技術的不斷髮展，FPGA行業需求量的增長將成為一種必然。根據Gartner預測，全球FPGA市場規模2019年達到69億美元，2025年將達125億美元，未來市場增長穩中有升。

FPGA——AI加速落地的關鍵引擎

在今年全國“兩會”上，人工智能（AI）連續第三年被寫入政府工作報告，並首次將人工智能衍生為“智能+”的概念。作為國家戰略的人工智能將加速與產業融合，為經濟結構優化升級發揮重要作用。

AI發展的基礎是算力，而算力的基礎是芯片。不過，受限於摩爾定律，傳統芯片算力的進步遠跟不上爆炸性增長的數據對算力的需求，加之傳統芯片開發週期通常在18-24個月左右，而AI項目經常要在幾個月內提出方案搶佔市場。

有業內人士曾談到：“現在，每三個月AI模型就要變一次，工程師想建立一個ASIC或GPU需花要一年半時間設計硅芯片，半導體的設計週期遠遠大於AI模型更替週期。”

此時，具備可編程特性且靈活多變的FPGA成為不二之選。隨著雲計算、高性能計算和人工智能等發展，擁有不可替代優勢的FPGA有望提升在AI領域的地位。同時，也有更多創新者將把目光聚焦在通過FPGA實現AI功能，把人工智能創新理念落地變成現實。

FPGA加速數據處理 圖片來源：網絡

以往以“CPU+GPU”架構進行數據處理時，是以大量已知數據集，不斷迭代和調整神經網絡的參數，一般需要幾個小時甚至數天。而在使用FPGA進行數據處理時，是利用已經訓練好的神經網絡，對新輸入的數據進行判斷和歸類，這樣一來，基本可以實現實時處理。

FPGA在AI應用方面的增長預測 圖片來源：Semico Research Corp

對此，國產FPGA龍頭企業紫光同創市場總監呂喆認為，“在助力人工智能落地方面，FPGA發揮著不可替代的作用。我們認為ASIC專用芯片在AI終端更具功耗和成本優勢，FPGA在終端側存在短期的原型機和算法迭代的應用機會，但在邊緣側和雲端的AI，FPGA的應用價值更大，甚至不可或缺。”

市場增量下，國產FPGA能否彎道超車？

大數據時代的到來、人工智能的不斷髮展，為全球FPGA帶來了一定的市場增量。不過，FPGA市場長期以來被處於寡頭壟斷的局面。前兩大廠商Xilinx、Intel(收購Altera)佔有近90%的市場份額，專利超6000餘項。

目前，雖然中國是全球FPGA需求最大的市場，佔全球約30%以上，但幾乎100%被美國廠商壟斷，國產率極低。

那麼，對於國產FPGA企業來說，究竟能否有機會抓住大數據與AI時代的機遇，實現彎道超車呢？對此，芯師爺專訪了國產FPGA企業龍頭紫光同創市場總監呂喆，呂喆先生認為：“國產FPGA廠商要在數據中心和AI兩個新興市場實現彎道超車，有三個關鍵因素，一是器件性能和規模層面的支撐，二是工具鏈和軟件棧的生態，三是針對細分市場的定製或架構創新。”

首先，器件性能和規模層面的支撐指的是FPGA性能和規模指標能夠達到數據中心和AI應用場景的要求，這是硬指標。比如當前主流的數據中心FPGA加速卡所採用的均為16nm或7nm工藝的高端FPGA，邏輯規模基本在100萬個LUT或以上，用於AI推斷的FPGA算力至少需要達到INT8精度下100TOPS才能夠具備競爭力。

紫光同創市場總監呂喆說：“當前中國FPGA廠商的發展水平相對落後，對許多應用需求望塵莫及，未來誰能在工藝、邏輯規模、器件性能方面率先突破，誰就能具備彎道超車的基礎。”

其次，在工具鏈和軟件生態方面，不管是Xilinx的Vitis還是Intel的OneAPI，實質就是整套工具鏈和庫的大集合，他們在構建和擴展屬於FPGA的生態鏈。通過軟件棧的方式，從底層硬件驅動和連接層，往上到Runtime庫和硬件映射優化層，再往上對接業界標準應用框架，比如針對AI的TensorFlow框架，針對機器視覺的OpenCV框架，針對金融加速的Fintech庫等，最後是面向應用開發層的API接口，這樣就打通了不同細分市場對FPGA加速的使用需求，把軟件開發者也納入到FPGA的價值鏈當中。

這也是FPGA兩個巨頭與CPU和GPU在生態層面的較量。紫光同創市場總監呂喆認為，對於國產廠商來說，相比於硬件平臺方面的挑戰，此方面需攻克的難關可以說是有過之而無不及。因為工具鏈的構建和生態的開發，已經超越了傳統FPGA硬件和軟件的範疇，是一個系統工程。

其次，針對細分市場的深度定製或架構創新，是指針對特定的應用場景做專用的加速方案，而不再追求跨場景的通用解決方案。在這方面呂喆建議，國產FPGA廠商可以多與垂直行業的專業合作伙伴深入探討，結合他們端到端的解決方案能力，在FPGA架構和功能層面，對細分場景進行定製，在一定程度上彌補芯片性能和規模的缺失。

總之，呂喆認為，國產FPGA廠商想要在大數據和AI的時代實現彎道超車，需要在以上三個方面均有所佈局，任重而道遠。國產FPGA龍頭企業紫光同創目前在努力建設自身的能力，沉下心來打磨技術平臺，優先解決通信和工業市場需求，並開始長遠佈局數據中心和AI，致力於儘快跨越替代階段，開啟國產FPGA的創新時代！

寫在最後

這把大數據與AI之“火”，最終會點燃國產FPGA嗎？對國內企業來說，究竟是否有能力積極反應、緊抓機遇，在這場市場熱潮中脫穎而出，實現彎道超車，還有待時間與市場的最終檢驗。

閱讀更多 芯師爺 的文章

關鍵字: 英特爾 人工智能