ASIC vs FPGA
芯片设计的两种基本路径 — ASIC 一次流片定型、追求极致性能 / 成本 / 能效；FPGA 现场可重编程、追求灵活性 / 时间窗口 — 二者在 AI 推理市场长期共存与互补。
定义
| 维度 | ASIC（Application-Specific Integrated Circuit） | FPGA（Field-Programmable Gate Array） |
|---|---|---|
| 中文 | 专用集成电路 | 现场可编程门阵列 |
| 编程时机 | 流片前（设计阶段一次性固化） | 流片后（用户随时重新配置） |
| 物理实现 | 标准单元库 + 自定义版图 | 大量 LUT + 可编程互连 |
| 单颗 NRE 成本 | $500 万-$1 亿+（含掩模、流片） | 接近 0（直接采购 FPGA 芯片） |
| 单颗量产成本 | 极低（量大时 $1-$50） | 高（$50-$10,000） |
| 性能 / 能效 | 同工艺下比 FPGA 高 10×-100× | 受限于通用可编程架构 |
| 上市时间 | 设计 + 流片 12-24 个月 | 一周内可重新部署 |
| 算法迭代支持 | 流片后无法修改 | 可现场重新编程适配新算法 |
| 典型代表 | Google TPU、Tesla Dojo、Apple Neural Engine、华为昇腾 | AMD Versal、Intel Agilex、安路 Phoenix |
技术细节
ASIC 的优势场景
- 大算力 / 大批量：年出货 100 万颗+，NRE 分摊到单颗成本可忽略
- 算法已稳定：CNN ResNet、Transformer 标准结构、稳定 5+ 年的协议
- 极致能效要求：移动端 NPU（手机、可穿戴）、超大规模数据中心训练（Google TPU、AWS Trainium）
- 极致延迟要求：高频交易、特定信号处理
FPGA 的优势场景
- 小批量 / 多品种：年出货 1-100k 颗，难以摊薄 ASIC NRE
- 算法快速演进：6 个月内可能升级模型架构（如新型 LLM 推理算子）
- 多算法切换：同硬件平台运行不同模型（CNN → Transformer → 扩散模型）
- 极短上市时间：6G 早期验证、5G 商用初期、新通信协议演进
- 功能安全 + 现场升级：汽车 OTA、卫星载荷、军用装备的现场算法补丁
决策临界点（经验法则）
- 年出货 < 10k 颗 → 几乎一定选 FPGA
- 年出货 10k-100k 颗 → 视算法稳定性而定
- 年出货 > 100k 颗 且算法稳定 → 大概率选 ASIC
混合方案：eFPGA（在 ASIC 内嵌入小块 FPGA 区域）是近年兴起的折中路径，让 ASIC 拥有局部可重构能力。
主要玩家
ASIC 阵营
- NVIDIA — Hopper / Blackwell GPU（虽通用，但 SM 内的 Tensor Core 本质是 ASIC IP）
- Google — TPU v5p / v6（训练 + 推理一体）
- AWS — Trainium / Inferentia
- Tesla — Dojo（训练 ASIC）
- 国产 — 寒武纪 思元、华为 昇腾、壁仞科技、摩尔线程
FPGA 阵营
- AMD / Xilinx — Versal AI Edge / Core / Premium
- Intel Altera — Agilex 5 / 9
- Lattice Semiconductor — Avant / Nexus
- 国产 — 安路科技 / 复旦微电 / 紫光国微 / 高云半导体
中间形态
- eFPGA — Achronix Speedcore、Flex Logix EFLX
- 异构 SoC — Versal（FPGA + AI Engine + ARM CPU）
在 AI 产业链中的角色
AI 推理市场的"ASIC vs FPGA"格局正在被重塑：
ASIC 主导高峰：
- 训练市场：几乎被 GPU + 定制 ASIC（TPU、Trainium）垄断，FPGA 几无份额
- 大规模云端推理：Google TPU、AWS Inferentia、Tesla Dojo 等 ASIC 凭借能效优势占主流
- 手机 / 终端 NPU：苹果 / 高通 / 联发科 ASIC NPU 主导
FPGA 守住价值高地：
- 边缘 AI 推理：低延迟（<5ms）、灵活性、功能安全场景（ADAS、工业机器人）
- 算法快速演进领域：6G、新型 LLM 算子、Diffusion 加速实验
- 通信基础设施：5G Massive MIMO、广播视频处理（RFSoC 几乎垄断）
- 军工 / 航天：抗辐射加固 FPGA（复旦微电 / Microchip FPGA）
总体趋势是"主流场景 ASIC 化，长尾 / 高变 / 高安全场景 FPGA 化"。FPGA 行业总规模仍在增长（全球 2026E $96.9 亿，CAGR 9.6%），但已不再是 AI 推理"通用方案"，转向特定细分。
演进历史
- 1985 — Xilinx 发明 FPGA，定义"现场可重编程"芯片品类
- 1990s — ASIC 主导通信、消费电子；FPGA 主导原型验证
- 2010s — Microsoft 用 FPGA（Catapult 项目）加速 Bing，FPGA 数据中心 AI 推理崛起
- 2016+ — Google TPU 发布，开启"AI ASIC"时代
- 2020s — GPU + ASIC 双向挤压 FPGA 数据中心市场，FPGA 转向边缘 + 工业 + 军工
- 2024+ — eFPGA 兴起，"ASIC 内嵌 FPGA"成为第三条路线
相关概念
- FPGA — 本页主体之一
- ASIC — 本页主体之一
- eFPGA — 折中方案
- GPU — 第三方力量，与 ASIC / FPGA 共争 AI 算力市场
- Chiplet — 让 ASIC 也能局部"模块化升级"的新范式
∈ belongs_to::2-09-FPGA