文 | 半導(dǎo)體產(chǎn)業(yè)縱橫

當(dāng) 2025 年被業(yè)界冠以 " 邊緣生成式 AI 元年 " 之名時，半導(dǎo)體產(chǎn)業(yè)正經(jīng)歷著自移動互聯(lián)網(wǎng)時代以來最劇烈的底層架構(gòu)變革。在這場由智能終端設(shè)備、工業(yè)物聯(lián)網(wǎng)和實時決策需求共同驅(qū)動的技術(shù)革命中，傳統(tǒng)算力分配模式遭遇根本性挑戰(zhàn)。IDC 數(shù)據(jù)顯示，全球邊緣 AI 芯片市場規(guī)模在 2025 年 Q1 同比增長 217%，其增長速度遠(yuǎn)超云端 AI 芯片市場。在這場變革中，GPU、NPU、FPGA 三大架構(gòu)呈現(xiàn)出迥異的演化路徑，背后的技術(shù)哲學(xué)差異折射出半導(dǎo)體企業(yè)對未來計算范式的不同判斷。

GPU

在過去幾年以大模型為核心的 AI 浪潮中，通用 GPU 憑借其強大的稀疏計算能力和可編程性脫穎而出。然而，邊緣硬件不僅要處理單一模型的推理任務(wù)，還需對設(shè)備上的所有分支加速任務(wù)、用戶交互任務(wù)以及設(shè)備管理任務(wù)進行處理。因此，AI 邊緣設(shè)計需要從全局視角出發(fā)，確保 AI 場景能夠與其他功能共存。更重要的是，隨著性能提升和晶體管密度增加，還必須進行熱分配和熱管理，這是新出現(xiàn)的關(guān)鍵問題。在未來的邊緣 AI 應(yīng)用中，每瓦算力（TOPS/W）將比絕對算力（TOPS）更為重要。

另一個在大模型應(yīng)用中得到驗證的重要規(guī)律是，AI 模型和算法領(lǐng)域始終處于快速變化與演進之中。硬件設(shè)計者需要通過提升加速器的能效和可編程設(shè)計能力，確保其設(shè)備能夠滿足未來的需求。此外，終端 / 邊緣設(shè)備及應(yīng)用的多樣性也是關(guān)鍵因素。硬件設(shè)計不僅要適配當(dāng)前流行的模型和特定應(yīng)用，還需支持下一代模型以及快速變化的應(yīng)用需求。這需要軟硬件協(xié)同配合，目前軟件內(nèi)容應(yīng)具備適應(yīng)未來發(fā)展的能力，突破針對特定模型或應(yīng)用開發(fā)加速器的限制，這對于產(chǎn)品推出速度更快的中國大陸系統(tǒng)廠商及其主芯片供應(yīng)商而言極其重要。

GPU 作為執(zhí)行各類任務(wù)的優(yōu)秀加速器，在云端 AI 工作負(fù)載中展現(xiàn)出卓越的性能、可擴展性和可編程性。近期，Imagination 公司最新推出的 E 系列 GPU IP，通過兩大核心創(chuàng)新——神經(jīng)核（Neural Cores）和爆發(fā)式處理器（Burst Processors），將 INT8/FP8 算力擴展至 200 TOPS，較前代性能提升 400%，同時功耗效率提升 35%。

IDC 研究總監(jiān) Phil Solis 表示：" 各類設(shè)備上的 AI 功能正在迅速演進，但 AI 系統(tǒng)設(shè)計者依然面臨性能、效率與靈活性的多重挑戰(zhàn)。Imagination 憑借其長期深耕低功耗 GPU 的經(jīng)驗，成功實現(xiàn)了 GPU 架構(gòu)對圖形與 AI 的靈活支持。E-Series 結(jié)合了 GPU 的可編程性與 AI 性能的飛躍，為邊緣智能（Edge AI）系統(tǒng)開發(fā)者帶來了極具吸引力的解決方案。"

NPU

隨著 AI 應(yīng)用加速從云端向邊緣延伸，CPU、GPU 等傳統(tǒng)處理器逐漸暴露出在功耗、延遲及資源利用上的局限性。專為應(yīng)對這些挑戰(zhàn)而生的神經(jīng)處理單元（NPU），在邊緣計算領(lǐng)域的價值日益凸顯。NPU 深度聚焦 AI 模型推理階段的加速優(yōu)化，區(qū)別于通用型 CPU 和兼顧多任務(wù)處理的 GPU，它通過消除冗余處理環(huán)節(jié)，顯著提升 AI 任務(wù)的執(zhí)行效率，在對象檢測、語音識別、異常監(jiān)控等實時性要求極高的應(yīng)用場景中表現(xiàn)尤為突出。

同時，NPU 在功率與性能的平衡上展現(xiàn)出獨特優(yōu)勢，能夠以較低功耗實現(xiàn)高性能 AI 運算，這種特性使其特別適配于散熱條件有限、能耗管控嚴(yán)格或空間緊湊的邊緣設(shè)備，包括無風(fēng)扇計算機、嵌入式物聯(lián)網(wǎng)系統(tǒng)以及工業(yè)自動化控制器等。

此外，NPU 讓設(shè)備端本地 AI 處理成為可能，有效降低了對云端算力的依賴，大幅減少數(shù)據(jù)傳輸延遲，同時強化了數(shù)據(jù)隱私保護。憑借并行計算架構(gòu)與小型化設(shè)計，NPU 得以靈活部署于智慧城市、智能監(jiān)控、移動機器人、自動駕駛等多樣化場景，為邊緣智能的規(guī)模化落地與持續(xù)拓展提供核心驅(qū)動力。

NPU 的核心優(yōu)勢在于能效比與任務(wù)專一性。例如，NXP 的 i.MX 95 系列處理器集成 eIQ Neutron NPU，算力 2 TOPS，在圖像識別任務(wù)中較前代速度提升四倍，同時功耗降低 30。這種特性使其在智能安防、醫(yī)療設(shè)備等對實時性要求苛刻的場景中占據(jù)主導(dǎo)地位。

FPGA

FPGA 以其可重構(gòu)特性，在邊緣 AI 中扮演了獨特角色。2025 年 4 月，英特爾旗下 Altera 獨立后，宣布將重點布局邊緣 AI 推理市場。FPGA 的并行處理能力與低延遲特性，使其適合需要快速迭代算法的場景。

并行處理是 FPGA 與 GPU 的共同優(yōu)勢，但 FPGA 能在更細(xì)粒度邏輯單元級別并行計算。對于 8K 視頻這類數(shù)據(jù)量巨大的處理任務(wù)，CPU 指令串行處理難以勝任，GPU 多核渲染也存在局限，而 FPGA 可將視頻流程分階段處理，實現(xiàn)像素級并行。如諾亞星云 MX2000 pro 顯示控制器采用 AMD 的 FPGA，實現(xiàn)單臺設(shè)備帶載 88K 超大屏，滿足電影虛擬拍攝中高清 LED 顯示控制、倍頻插幀等技術(shù)需求。

此外，F(xiàn)PGA 能夠通過硬件實現(xiàn)特定算法，繞過傳統(tǒng) CPU、GPU 的軟件堆棧瓶頸，實現(xiàn)超低延時。以顏色空間轉(zhuǎn)換為例，F(xiàn)PGA 處理延時僅為 CPU、GPU 的 1/100。此外，F(xiàn)PGA 固定的電路結(jié)構(gòu)保證確定性延遲，而 CPU、GPU 因系統(tǒng)調(diào)度存在延遲抖動。在醫(yī)療 8K 內(nèi)鏡視頻處理、高頻交易等對延遲要求嚴(yán)苛的場景中，F(xiàn)PGA 優(yōu)勢顯著。

當(dāng)前 FPGA 開發(fā)門檻降低，廠商提供專業(yè) IP 模塊與完整解決方案，高層綜合等開發(fā)方法也適用于音視頻處理。此外，F(xiàn)PGA 生命周期長，滿足專業(yè)音視頻設(shè)備長服役需求，實現(xiàn) " 一次開發(fā)終身可用 "，相比依賴算力持續(xù)升級的 GPU，在該領(lǐng)域更具應(yīng)用價值。

廠商布局

各大廠商基于自身技術(shù)優(yōu)勢和市場定位，在不同技術(shù)路線上展開布局。

在 NPU 陣營，意法半導(dǎo)體、瑞薩、華為昇騰等廠商通過 "MCU+NPU" 的組合策略，全力搶占 IoT 市場份額。這種將微控制單元與神經(jīng)處理單元相結(jié)合的方案，既能發(fā)揮 MCU 在控制和管理方面的成熟優(yōu)勢，又借助 NPU 強大的 AI 運算能力，滿足 IoT 設(shè)備對低功耗、實時性 AI 處理的需求。全志科技推出的 V821 芯片已實現(xiàn)量產(chǎn)，并成功搭載于領(lǐng)為創(chuàng)新 AI 眼鏡，為智能穿戴設(shè)備的 AI 應(yīng)用提供了有力支持，展現(xiàn)出 NPU 在終端設(shè)備上的廣泛應(yīng)用潛力。

GPU 陣營中，曾被蘋果棄用的 Imagination 正憑借 "AI+ 圖形 " 的融合架構(gòu)謀求新突破。其 E 系列 GPU IP 具備強大的并行處理能力，支持 16 個虛擬機實例并行運行，這一特性使其能夠完美適配車載座艙多屏交互與 ADAS 監(jiān)控等復(fù)雜場景，為汽車智能化升級提供高效的圖形與 AI 處理解決方案。而行業(yè)巨頭英偉達(dá)則依托 Jetson 系列產(chǎn)品，深度滲透機器人視覺領(lǐng)域。Jetson 平臺以其高性能、低功耗的特點，成為眾多機器人開發(fā)者的首選，助力機器人在復(fù)雜環(huán)境中實現(xiàn)精準(zhǔn)的視覺識別與決策。

在 FPGA 陣營，Altera 聚焦數(shù)據(jù)中心與邊緣推理市場，充分發(fā)揮 FPGA 可編程、靈活高效的特性，為數(shù)據(jù)處理和 AI 推理提供定制化解決方案，滿足數(shù)據(jù)中心對高并發(fā)、低延遲處理的需求，以及邊緣設(shè)備在復(fù)雜場景下的實時推理要求。Lattice 則憑借低功耗 FPGA 產(chǎn)品，成功打入智能攝像頭與傳感器市場。在這些對功耗和體積要求嚴(yán)苛的應(yīng)用場景中，Lattice 的低功耗 FPGA 既能保證設(shè)備長時間穩(wěn)定運行，又能滿足實時數(shù)據(jù)處理和 AI 分析的需求，為智能安防、環(huán)境監(jiān)測等領(lǐng)域的設(shè)備智能化升級提供了可靠的技術(shù)支撐。

并購潮起

除了憑借自身研發(fā)力量拓展技術(shù)版圖外，各大廠商也紛紛通過并購整合資源、強化優(yōu)勢，以在快速變化的市場中搶占先機。

意法半導(dǎo)體（ST）收購 AI 軟件公司 DeepLite，旨在深化自身在 AI 算法優(yōu)化領(lǐng)域的實力。DeepLite 的核心技術(shù)能夠?qū)?AI 模型壓縮至極致，使復(fù)雜的 AI 算法在低功耗設(shè)備上高效運行。此次收購?fù)瓿珊螅夥ò雽?dǎo)體可以將 DeepLite 的技術(shù)深度融入其 "MCU+NPU" 產(chǎn)品體系，進一步鞏固在 IoT 市場的優(yōu)勢地位，為智能家電、可穿戴設(shè)備等終端產(chǎn)品提供更具競爭力的 AI 解決方案。

高通宣布收購邊緣 AI 開發(fā)平臺 Edge Impulse，是其完善邊緣計算生態(tài)的重要舉措。Edge Impulse 平臺專注于簡化邊緣設(shè)備上的 AI 開發(fā)流程，支持開發(fā)者快速創(chuàng)建、訓(xùn)練和部署 AI 模型。高通通過此次收購，能夠?qū)?Edge Impulse 的開發(fā)工具與自身的芯片技術(shù)相結(jié)合，降低邊緣 AI 應(yīng)用的開發(fā)門檻，吸引更多開發(fā)者基于高通芯片進行創(chuàng)新，加速 AI 技術(shù)在智能家居、工業(yè)物聯(lián)網(wǎng)等領(lǐng)域的落地應(yīng)用。

恩智浦（NXP）收購 AI 芯片初創(chuàng)公司 Kinara，則聚焦于強化其在高性能 AI 推理領(lǐng)域的能力。Kinara 開發(fā)的 AI 處理器以高效能和低功耗著稱，尤其適用于智能汽車、工業(yè)自動化等對實時性要求極高的場景。此次收購后，恩智浦將 Kinara 的技術(shù)整合到自身產(chǎn)品線中，能夠為汽車制造商和工業(yè)客戶提供更強大的 AI 處理解決方案，進一步鞏固其在汽車半導(dǎo)體和工業(yè)控制領(lǐng)域的領(lǐng)先地位。

結(jié)尾

在這場由邊緣生成式 AI 掀起的技術(shù)浪潮中，半導(dǎo)體產(chǎn)業(yè)正經(jīng)歷著一場深刻而廣泛的變革。從 GPU 的靈活通用，到 NPU 的高效專一，再到 FPGA 的可重構(gòu)性，不同架構(gòu)在各自擅長的領(lǐng)域里開疆拓土，也映射出行業(yè)對未來計算形態(tài)的多元探索。

技術(shù)的演進從來不是單一線性的替代過程，而是在不斷適應(yīng)場景、解決問題的過程中尋找最優(yōu)解。面對碎片化且快速變化的邊緣 AI 應(yīng)用場景，單一架構(gòu)難以包打天下，真正的競爭力在于如何結(jié)合軟硬件優(yōu)勢，構(gòu)建更高效、更靈活、更具延展性的系統(tǒng)方案。

與此同時，廠商們也在通過并購加速補足短板，強化生態(tài)布局。這種 " 內(nèi)生 + 外延 " 并重的發(fā)展策略，不僅加快了產(chǎn)品迭代的速度，也為整個產(chǎn)業(yè)鏈注入了更多協(xié)同創(chuàng)新的可能性。

站在 2025 年這個被稱作 " 邊緣生成式 AI 元年 " 的節(jié)點回望，我們會發(fā)現(xiàn)，這場變革才剛剛開始。