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。
AI数据中心规模不断扩大,FPGA也因此迎来新的市场空间。
11月2日,Lattice晒出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的说法是,数据中心AI需求加速,是拉动业务增长的关键因素之一。
这组数字把FPGA重新拉回产业视野。早些年,外界对FPGA拓展异构计算抱有很大期待,可在AI计算市场一路狂奔的过程中,它一直没能站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在持续膨胀,系统管理、接口控制和安全防护随之变得更复杂。FPGA可编程的特点,正好能在这几个环节派上用场。
从争抢计算核心,到切入系统底层,FPGA在AI产业的发展中迎来了新一轮成长期。
巨头押注,FPGA却没能进入主流
半导体巨头一度设想,FPGA会成为未来计算架构里的重要一块。
2015年,Intel宣布以约167亿美元收购Altera。按照当时的规划,FPGA要和Xeon处理器搭配,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。
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的思路则是借Xilinx补齐自适应计算能力,把CPU、GPU、FPGA以及相关软件技术装进一个更完整的产品体系。
行业当时的主流判断是:数据处理需求日益多样,单一架构很难覆盖所有场景,能按应用需求灵活调整硬件逻辑的FPGA,有望成为异构计算的重要拼图。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。
不过,AI产业的发展逐渐改写了计算市场的竞争格局。
大模型训练和推理带来庞大的并行计算需求,GPU靠着成熟的软件生态、开发者基础和规模化部署能力,迅速坐上AI数据中心核心计算平台的位置。与此同时,针对特定工作负载优化的ASIC也在扩大应用。前者以通用性和生态优势占据主流AI计算市场,后者靠定制化设计,在特定场景里追求更高的性能和能效。
夹在两条路线中间的FPGA,处境有些尴尬。拼通用计算,它难以对抗GPU成熟的软件生态和规模化能力;拼专用计算,ASIC又能围绕固定工作负载做针对性优化。FPGA虽然有可编程、低时延、灵活适配这些长处,但开发门槛偏高,工具链和IP生态建设也不容易,大规模应用因此受限。
结果就是,Intel和AMD当初对FPGA的设想没能充分落地,后续的业务调整,也让这两笔收购的收尾显得有些虎头蛇尾。
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。AMD这边虽然保留了Xilinx的产品和技术体系,FPGA却始终没有成为其AI计算业务的核心。
说到底,FPGA需要找到新的市场落脚点,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,给FPGA带来新位置
AI数据中心给FPGA打开的新空间,首先来自计算系统自身的演变。
AI算力需求一直在涨,数据中心建设的重点也跟着变了:过去围着计算芯片转,现在得让计算、网络、供电、散热这些环节一起配合。核心计算任务由GPU扛,可要大规摸算力稳住跑起来,离不开一堆硬件模块彼此协作。服务器之间、板卡之间、不同功能模块之间的连接与管理,难度也就跟着上去了。
这种变化,让计算之外的硬件控制需求逐渐凸显出来。以AI服务器为例,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,并处理上电、复位、故障响应和安全启动等任务。
这里又得提到AMD。收购Xilinx的初衷虽然没能实现,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。
和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正好可以作为专门的板级控制器承担相关工作。服务器主板集成的传感器、电源域和接口数量越来越多,FPGA在底层管理和控制中的分量也在上升。
另一边的Lattice,则把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。
独立之后的Altera选了另一条道,把FPGA往数据中心的数据通路上推。放到DPU和AI网卡里,FPGA能接RDMA、虚拟交换、网络安全、数据预处理这些活;到了存储系统,又能做NVMe-oF协议处理、数据加密和压缩。这些事要是全压在CPU身上,多少要吃掉一部分计算资源。分一部分功能给FPGA卸载,CPU的担子就轻了,还能靠可编程逻辑去适配不同的网络协议和系统架构。
AI数据中心给FPGA带来的机会,其实不止是把算力做大这一条。算力规模一上来,数据中心对底层硬件控制、设备管理和系统协同的要求也跟着抬高。对FPGA厂商来说,这些原先偏边缘的环节,正慢慢变成新的市场入口。
FPGA厂商,开始争夺平台入口
FPGA进入AI数据中心,改变的不只是应用场景的数量,厂商之间的竞争方式也在跟着变。
过去,FPGA厂商的竞争主要围绕芯片性能、逻辑资源、功耗和开发工具展开。到了AI数据中心市场,产品能不能进服务器设计,还要看它跟处理器、固件及管理软件配不配合。芯片之外的平台支持和生态建设,正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长期做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。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,这笔交易补上了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。
Lattice靠收购补齐软件和固件能力,Altera走的则是另一条路:用更丰富的FPGA产品组合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。
AMD这边也没闲着,仍在借Xilinx攒下的技术底子,加码自适应计算和嵌入式产品。几家厂商走的路子不一样,但都指向同一件事:FPGA不再只是卖一颗芯片,触角正伸向更宽的系统应用。
产品和业务布局之外,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。
数据中心一上规模,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容易些,平台建设也不至于被某一家供应商的方案拴住。对下场参与的芯片厂商来说,标准怎么定,还牵着未来平台架构里谁说话算数,以及自家产品能不能挤进产业链。
中国FPGA产业,能否抓住新机会
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。
市场在扩大,不等于国产FPGA就能顺手吃到AI算力增长的好处。数据中心这块尤其如此,厂商得盯着不同应用场景把产品能力提上去。高性能计算、高速网络这类应用,对逻辑资源、高速SerDes、先进接口和功耗控制的要求都不低;服务器管理则更在意低功耗、接口兼容、安全控制以及能不能长期稳定跑。应用方向不同,对芯片性能、功能配置和配套生态的要求也就各有各的门道。
前面提到的海外厂商布局,给了一条可以借鉴的路:国产FPGA未必要把资源全押在高端计算加速上,从更具体的系统需求里找切口也行。服务器板级管理、接口扩展、协议转换、安全控制这些环节,其实都需要FPGA的灵活适配能力。比起直接扎进GPU周边的高性能计算竞争,这些细分场景对部分国产厂商来说,或许更适合当作切入数据中心供应链的第一步。
可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、平台适配能力一样得跟上。国产厂商想从卖芯片走到平台导入,这些短板同样得补。
国内市场的长处,是服务器和数据中心盘子大、应用场景多,本土FPGA厂商在跟客户沟通、做定制开发、供应链协同上也灵活一些。若能围着本土服务器厂商的实际需求开发产品,再与处理器、BMC及固件供应商搭上线,产品验证和导入的周期就有望压短。
当然,这些优势最终仍要接受产品和市场的检验。
结语
FPGA在AI时代又被看重,说明数据中心对硬件能力的需求正变得更多元。接下来的竞争,既在GPU所代表的计算核心上打响,也在支撑整个系统稳定运行的底层环节上展开。
对FPGA厂商来说,这轮变化带来的好处是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比拼环节。FPGA未必能当上AI计算的主角,但在AI基础设施里占个更重要的位置,机会是有的。