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....
AI数据中心规模快速扩张,FPGA这门生意重新有了市场空间。
11月2日,Lattice交出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把增长归因于数据中心AI需求提速。这组数字也让FPGA重回产业视野——此前它曾被看好用来拓展异构计算,结果在AI计算市场的爆发中一直没坐上主流计算平台的位置。
眼下,AI数据中心的增长给出了另一条出路。GPU扛下的核心计算任务越来越多,服务器、机柜和集群的规模也跟着膨胀,系统管理、接口控制和安全防护随之变得复杂。FPGA可编程的特点,正好能在这些环节派上用场。
不再盯着计算核心,而是往系统底层走,FPGA在AI产业里等来了新的发展期。
巨头押注,FPGA却没能进入主流
半导体巨头当年有过这样的设想:FPGA会成为未来计算架构中的一块重要拼图。
2015年,Intel宣布以约167亿美元收购Altera,打算把FPGA和Xeon处理器配在一起,为数据中心提供更灵活的异构计算方案。CPU与FPGA协同之后,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。
无独有偶,
彼时业内普遍的看法是,数据处理的需求正变得愈发多样,靠单一架构包打所有场景并不现实。FPGA 能依照应用需要随时调整硬件逻辑,因而被看好,认为它有望在异构计算中占据一席之地。两笔收购背后,装的正是巨头对未来计算架构的同一份期待。
不过,AI 产业的成长逐步改写了计算市场的竞争版图。大模型训练与推理催生出海量的并行计算需求,GPU 依靠成熟的软件生态、开发者队伍和规模化部署能力,很快坐上了 AI 数据中心核心计算平台的位置。另一边,针对特定负载做过优化的 ASIC 也在拓展自己的地盘。前者以通用性和生态见长,拿下主流 AI 计算市场;后者走定制化路线,在特定场景里追求更高的性能与能效。
被夹在两条路线中间的 FPGA,位置就有些难堪了。论通用计算,它拼不过 GPU 那套成熟的软件生态和规模化能力;论专用计算,ASIC 又能围着固定负载做针对性优化。FPGA 本身有可编程、低时延、适配灵活这些长处,可开发门槛偏高,工具链和 IP 生态建起来也难,大规模落地因此受限。
结果,Intel 和 AMD 当初对 FPGA 的设想没能充分兑现,后来的业务调整,也让这两笔收购的收尾显得虎头蛇尾。
2025年,Intel 宣布把 Altera 51% 的股权出售给 Silver Lake,Altera 转向独立运营。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 这边虽然留住了 Xilinx 的产品和技术体系,FPGA 却始终没成为其 AI 计算业务的核心。
这样一来,FPGA 就得另找市场落脚点。AI 数据中心的持续扩张,恰好留出了这样一片土壤。
AI数据中心,给FPGA带来新位置
计算系统自身的演变,是AI数据中心给FPGA让出新空间的第一层原因。AI算力需求一路往上走,数据中心不再只围着一颗计算芯片转,计算、网络、供电、散热这些环节要一起配合,成了一个复杂系统。核心计算任务由GPU扛,可要让大规模算力稳稳跑起来,还得靠大量硬件模块彼此咬合。服务器之间、板卡之间、不同功能模块之间的连接与管理,于是变得越来越麻烦。
麻烦一多,计算之外的硬件控制需求就冒了出来。拿AI服务器来说,部署规模从单机推到整机柜、再推到集群,GPU数量往上加,高速网络、供电和散热系统也跟着变复杂。服务器不光要盯着温度、电压和设备状态,还得协调各模块之间的通信,上电、复位、故障响应、安全启动这些活也得管。
说到这儿,又得提AMD。收购Xilinx的初衷没兑现,但它给FPGA找到了更合适的位置——服务器主板管理。AMD的Spartan UltraScale+系列瞄准数据中心服务器的I/O和主板管理控制器(BMC),在服务器主板上管电源时序、温度和电压监测、风扇控制、I/O扩展以及系统状态监控。2026年6月,AMD宣布Spartan UltraScale+ SU200P进入量产准备阶段,同年7月正式量产。这些任务跟CPU、GPU干的活不是一回事,不需要复杂的通用计算能力,但要硬件及时响应、长时间不停机,FPGA正好当专门的板级控制器。服务器主板上集成的传感器、电源域和接口越堆越多,FPGA在底层管理和控制上的分量也跟着涨。
另一头,Lattice把FPGA的用场从服务器主板往外扩,伸到安全管理和机柜控制。服务器这一层,Lattice的低功耗FPGA可以干安全启动、硬件身份验证、固件保护、传感器监测和接口管理;到了机柜这一层,它能配合管理软件盯住服务器运行状态、功耗和温度,帮数据中心运营方做集中管理。2026年10月,Lattice与Arm宣布合作,把Lattice FPGA、Arm AGI CPU服务器平台和AMI固件凑到一起。
独立后的Altera走的路又不一样,把FPGA往数据中心的数据通路上推。DPU和AI网卡里,FPGA能接RDMA、虚拟交换、网络安全和数据预处理;存储系统里,它可以做NVMe-oF协议处理、数据加密和压缩。这些活要是全丢给CPU,计算资源得被占去一块。把部分功能卸到FPGA上,CPU的负担能轻一些,可编程逻辑也方便适应不同的网络协议和系统架构。
这么看,AI数据中心给FPGA的机会,不只是多加点计算能力那么简单。算力规模一大,数据中心对底层硬件控制、设备管理和系统协同的要求就往上走。对FPGA厂商而言,这些原先偏边缘的环节,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,改变的不只是能用在哪些地方,厂商之间比拼的方式也跟着变了。
过去,FPGA厂商较量的重点放在芯片性能、逻辑资源、功耗和开发工具上。到了AI数据中心这一市场,产品能不能被服务器设计采用,还要看它与处理器、固件和管理软件配合得怎么样。芯片之外的平台支持与生态建设,正成为各家争夺市场的新焦点。2026年7月,Lattice完成对AMI的收购。AMI长期做BIOS、BMC固件和数据中心基础设施管理软件,业务涉及服务器启动、硬件管理和平台运维等环节。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而言,这笔交易补上了原本偏弱的软件与固件能力,也让FPGA业务有机会切入服务器更底层的管理架构。
与Lattice靠收购补齐软件和固件能力不同,Altera更倾向于用丰富的FPGA产品组合去覆盖多样的系统需求。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。其产品布局涵盖高速收发器、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。
另一边,AMD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。几家厂商走的路子并不一样,但有个共同点:FPGA正从单一芯片产品,向更广泛的系统应用延伸。
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。该工作组想推动开放、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。
数据中心体量一上去,服务器内部、设备与设备之间的管理就变得盘根错节。有了统一的管理标准,不同厂商的硬件往一块儿集成会省事不少,平台建设也不必再绑死在某一家供应商的方案上。而对掺和其中的芯片厂商而言,标准怎么定,还牵扯到日后平台架构上谁说话算数,以及自家产品能不能挤进这条产业链。
中国FPGA产业,能否抓住新机会
海外FPGA厂商正把业务重心往AI数据中心挪,国内厂商眼前也多了一个新的市场窗口。
市场规模方面,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。
市场在扩大,并不代表国产FPGA就能直接吃到AI算力增长的红利。数据中心这块尤其明显,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各不相同。
前文提到的海外厂商布局,给出了一种可以参考的思路:国产FPGA未必要把所有资源都押在高端计算加速市场,从更具体的系统需求里找突破口也是条路。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的灵活适配能力就有实际需求。跟直接参与GPU周边的高性能计算竞争相比,这些细分场景或许更适合一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走到平台导入,这些环节同样要补齐。
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一定灵活性。如果能围绕本土服务器厂商的实际需求做产品开发,再与处理器、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,这些优势最后还是要过产品和市场这两关。
结语
AI 时代 FPGA 重新被看见,说明数据中心对硬件的要求已经不只一种。往后比拼的不光是 GPU 这类计算核心,还有托住整套系统运转的底层部分。
这一轮变化对 FPGA 厂商的意义,是产品能用的地方变多了,软硬件配合、平台适配和生态搭建也成了新的较量点。FPGA 未必会站到 AI 计算的舞台中央,但在 AI 基础设施里,它有机会拿到比过去更重的位置。