Lattice三季度营收2.91亿美元:FPGA在AI数据中心找到新位置
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
AI数据中心规模越铺越大,FPGA也跟着有了新的生意可做。
11月2日,Lattice交出了2026财年第三季度成绩单:营收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的说法是,数据中心AI需求提速,是拉动这块业务的重要原因。
这组数字把FPGA又拉回了产业界的视线。早些年,业界对它撑起异构计算抱过很大期待,可AI计算市场跑起来之后,它一直没能站上主流计算平台的位置。
眼下,AI数据中心的扩张给出了另一条路子。GPU扛下的核心计算任务越来越多,服务器、机柜和集群的体量却一路膨胀,系统管理、接口控制、安全防护这些活儿随之变复杂。FPGA能编程,正好在这些环节派上用场。
从抢计算核心,转到扎进系统底层,FPGA在AI产业里算是赶上了一个新的发展窗口。
巨头押注,FPGA却没能进入主流
半导体大厂不是没想过,让FPGA在未来计算架构里占一块重要地盘。
2015年,Intel宣布以约167亿美元收购Altera,打的算盘是把FPGA和Xeon处理器搭在一起,给数据中心提供更灵活的异构计算方案。CPU与FPGA协同起来,用户能针对特定工作负载做硬件加速,在通用处理器之外拿到更高的性能和能效。
AMD也盯上了这块市场。2020年,AMD宣布以约350亿美元收购Xilinx,交易在2022年完成。Intel当时强调的是CPU与FPGA协同,AMD的路子不一样:借Xilinx补齐自适应计算能力,把CPU、GPU、FPGA连同相关软件技术装进一套更完整的产品体系。
当时行业里主流的看法是,数据处理需求越来越多样,单靠一种架构覆盖不了所有场景,FPGA能按应用需求灵活调整硬件逻辑,有希望成为异构计算的一块拼图。两笔收购案背后,装的正是巨头对未来计算架构的共同期待。
可AI产业一路发展下来,计算市场的竞争格局慢慢变了。
大模型训练和推理带来海量并行计算需求,GPU靠着成熟的软件生态、开发者基础和规模化部署能力,很快坐稳AI数据中心核心计算平台的位置。另一边,针对特定工作负载优化的ASIC也在不断拓展地盘。前者凭通用性和生态优势占住主流AI计算市场,后者靠定制化设计,在特定场景里追更高的性能和能效。
夹在两条路线中间的FPGA,处境尴尬起来。拼通用计算,它比不过GPU成熟的软件生态和规模化能力;拼专用计算,ASIC又能围着固定工作负载做针对性优化。FPGA有可编程、低时延、灵活适配这些长处,可开发门槛偏高,工具链和IP生态建起来也难,大规模应用因此受限。
Intel和AMD当初对FPGA的设想,也就没能充分落地。此后的业务调整,让这两笔收购的后续显得虎头蛇尾。
2025年,Intel宣布把Altera 51%的股权出售给Silver Lake,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。AMD这边保留了Xilinx的产品和技术体系,可FPGA始终没成为其AI计算业务的核心。
FPGA得找新的市场落脚点,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,给FPGA带来新位置
AI数据中心给FPGA打开的新空间,首先来自计算系统本身的变化。
AI算力需求持续增长,数据中心的建设重心正从以计算芯片为中心,转向计算、网络、供电和散热等多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,还得靠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,也就变得更复杂。
计算之外的硬件控制需求,就这样逐渐凸显出来。拿AI服务器来说,部署规模从单机扩到整机柜和集群,GPU数量增加,高速网络、供电和散热系统日趋复杂。服务器不光要实时监控温度、电压和设备状态,还得协调不同模块之间的通信,处理上电、复位、故障响应和安全启动等任务。
这里又得说到AMD。收购Xilinx的初衷没能实现,但它找到了更适合FPGA的应用位置——把FPGA用在服务器主板管理上。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。
跟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。服务器主板上集成的传感器、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选择把FPGA的应用从服务器主板延伸到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。
独立后的Altera走的路又不一样,把FPGA进一步延伸到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。
AI数据中心给FPGA带来的机会,不只是多一份算力那么简单。算力规模一大,数据中心对底层硬件控制、设备管理、系统间配合的要求也跟着往上走。对FPGA厂商来说,这些原先比较边缘的环节,正变成新的市场入口。
FPGA厂商,开始争夺平台入口
FPGA进入AI数据中心,变化不只在于用武之地变多,厂商之间的竞争方式也在被改写。
以往FPGA厂商比拼的是芯片性能、逻辑资源、功耗和开发工具。到了AI数据中心市场,产品能不能被服务器设计采用,还要看它跟处理器、固件、管理软件配不配合得好。芯片之外,平台支持和生态建设成了厂商抢市场的新重点。
2026年7月,Lattice把AMI收入囊中。AMI做BIOS、BMC固件和数据中心基础设施管理软件由来已久,服务器启动、硬件管理、平台运维这些环节都有涉及。最关键的一点,是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,这桩交易补上了原本偏弱的软件和固件短板,FPGA业务也借此有机会深入到服务器更底层的管理架构里。
Lattice靠收购补齐软件和固件,Altera走的是另一条路,更看重用丰富的FPGA产品组合去覆盖多样的系统需求。2026年10月,Altera推出Agilex 2X产品组合,瞄准数字AI基础设施、网络和物理AI等领域。产品布局里有高速收发器、以太网和PCIe等连接能力,也涵盖板级与机柜控制、接口桥接、硬件信任根等应用。
AMD这边,则继续借Xilinx的技术积累,推进自适应计算和嵌入式产品布局。几家厂商的竞争路径并不相同,但有个共同点:FPGA正从单一芯片产品,往更广的系统应用延伸。
产品和业务布局之外,FPGA厂商也开始参与数据中心管理标准的制定。
2026年10月,Lattice与AMI在开放计算项目(OCP)里推动成立了SCMP工作组,AMD、Arm、Intel、Jabil、ASPEED和Microsoft等企业都参与进来。这个工作组想推的是一套开放、厂商中立的安全控制与管理架构,解决不同设备之间身份验证和管理接口不兼容的问题。
数据中心规模越大,服务器内部以及不同设备之间的管理关系就越复杂。有了统一的管理标准,不同厂商硬件之间的集成难度能降下来,平台建设也不必再绑死在某一家供应商的方案上。对参与其中的芯片厂商来说,标准制定还牵涉未来平台架构的话语权,以及自家产品进入产业链的机会。
中国FPGA产业,能否抓住新机会
海外FPGA厂商正加紧往AI数据中心拓展,中国厂商面前也摆着一次新的市场机会。
市场规模上,Grand View Research预计,中国FPGA市场会从2023年的约21.01亿美元增长到2030年的46.89亿美元,2024年至2030年的复合年增长率为12.2%。通信和工业控制依旧是重要应用领域,数据中心、汽车电子和人工智能则给市场添了新的增长方向。
市场需求变大,不等于国产FPGA就能直接分到AI算力增长的蛋糕。数据中心领域尤其如此,FPGA厂商得针对不同应用场景把产品能力提上去。高性能计算和高速网络应用,要求芯片有较强的逻辑资源、高速SerDes、先进接口和功耗控制能力;服务器管理更看重低功耗、接口兼容、安全控制和长期稳定运行能力。应用方向不同,对芯片性能、功能配置和配套生态的要求也不一样。
前文海外厂商的布局提供了一种可参考的思路:国产FPGA未必要把所有资源都押在高端计算加速市场,也可以从更具体的系统需求里找突破口。比如服务器板级管理、接口扩展、协议转换和安全控制这些环节,对FPGA的灵活适配能力有实实在在的需求。跟直接挤进GPU周边的高性能计算竞争相比,这些细分场景或许更适合部分国产厂商作为进入数据中心供应链的起点。
不过,要进数据中心供应链,光有硬件产品不够,开发工具、IP资源、软件支持和平台适配能力也得跟上。国产厂商想从卖芯片进一步走到平台导入,这些环节同样得补齐。
国内市场的优势在于服务器和数据中心市场规模庞大,应用场景丰富,本土FPGA厂商在客户沟通、定制开发和供应链协同上也有些灵活性。如果能围绕本土服务器厂商的实际需求做产品开发,再跟处理器、BMC及固件供应商建立合作,产品验证和导入周期就有机会缩短。
当然,这些优势最后还是得过产品和市场这一关。
结语
FPGA在AI时代重新受到关注,说明数据中心对硬件能力的需求正变得更多元。往后竞争既发生在GPU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厂商来说,这轮变化的价值在于产品应用空间被拓宽了,软硬件协同、平台适配和生态建设也成了新的竞争环节。FPGA未必会站到AI计算的C位,却有机会在AI基础设施里占到更重要的位置。