FPGA为何是AI金矿

为什么二零二六年 fpga 会成为理工科公认的长线黄金赛道？看完真实行业现状，你就彻底懂了！当下普通软件开发内卷越来越严重，岗位饱和迭代太快，职业生命周期短，职场瓶颈肉眼可见。但 fpga 硬件开发完全是两个发展维度。 目前国内高端芯片硬件人才缺口已经突破三十二万，行业人才供需比例接近一比七，优质工程师长期供不应求，门槛高、技术壁垒强，几乎不会被 ai 替代，越积累越吃香。 给大家看一组当下真实薪资水平。本科应届生入行月薪普遍幺四 k 至二十 k， 硕士起步薪资大多集中在二五 k 至三十五 k， 拥有三年一线项目经验，年薪稳定在三十万至五十万。资深架构工程师综合年薪轻松摸到六十万至八十万。 应用赛道覆盖面积广，人工智能、算力加速、高端通信、自动驾驶、航空航天、工业芯片、国产集成电路，每一个核心领域都离不开 fpga 底层支撑。随着国内芯片自主化算力产业高速推进，行业需求量还在逐年上涨。 不靠短期风口炒作，不吃青春饭，是理工科能够深耕十年、稳固增值的硬核技术赛道。

在之前的视频中，我们讲过 fpga 如何应用于高频交易 hft。 很多粉丝想要深入了解 fpga 的 内部工作原理，所以在本期视频中，我们将探索 fpga 技术的基础，它们与 cpu 和 gpu 的 区别、内部结构，以及如何用 verlog 等硬件描述语言。 hdl 描述自定义硬件逻辑。我们会拆解逻辑快、查找表 lot、 可编程互联和输入输出 e o 快 等关键概念，并解释编程 fpga 的 原理 不是通过软件指令，而是直接配置硬件本身。看完之后，你会清楚了解 fpga 如何实现速度与灵活性，以及为什么他们在金融、电信和 ai 等行业如此强大。让我们开始吧现场可编程门诊列 fpga 是 一种特殊的集成电路 ic， 简单说就是包含许多微小电子原件的芯片，比如逻辑门、存储器和连接器。 fpga 与 cpu 或 gpu 等普通芯片的不同之处在于，它不局限于单一功能，即使制造完成后仍可重新编程，使其表现得像定制硬件。你可以把它想象成一块空白的乐高底板，随心所欲拼接积木， 搭建计算器、视频处理器或网络交换机。 fpga 内部有许多小型可重复使用的单元，称为可配置逻辑块 clb、 c、 l、 b， 就 像可重复使用的乐高积木，每个都能执行与或加法等简单逻辑运算。它们的强大之处在可通过不同组合搭建复杂硬件单元。每个 c、 l、 b 内部都有一个微小组建，称为查找表 lot。 你 可以把 lot 想象成极小的硬编码，如果，否则表 用于将输入映射到输出。如果你是软件工程师，那就像预填充的哈希表或函数表。这个例子中那的作用就像 e 或门 x， o， r， f， p， g， a。 不 会像与门或门那样硬连线实现逻辑，而是通过存储针织表， 用 lot 模拟这些逻辑行为。这意味着单个 lot 可被重新编程，实现任意小型逻辑功能。 fpga 内部有大量导线，用于在芯片不同部分之间传输信号。这些导线并非固定连接，你可以决定它们连接哪些模块。这种可定制的布线称为可编程互联， 让你能控制 fpga 内部的数据流向，搭建任何所需的数字电路，输入输出 i o 快 式 fpga 与外部连接的部分位于输入输出引脚旁边，可配置为接收数据、发送数据或闲置。这使得 fpga 能与传感器、显示器或其他芯片等外部设备通信。要编程 fpga， 不需要编辑 python 或 java 这类传统代码。相反，需使用硬件描述语言 hdl， 如 verlog 或 vhdl。 硬件描述语言部描述，逐步指令它定义硬件是什么，而非做什么。 所以，用 verlog 或 vhdl 编写代码时，你不是直接指令将这个值存入锁存器，而是描述所需的逻辑功能。 fpga 工具链如 viva 或 cortis 会自动计算如何用锁存器实现该逻辑。例如， 这是一段 verlog 代码，编辑完成后，综合工具会识别出需要 e 货门，它会查看可用的 lot， 通过设置真值表，将其中一个编程为二。输入 e 货门综合工具是一种软件接收 verlog 或 v h d l 编写的 h d l 代码，并将其转换为硬件电路。 具体来说，它会计算如何配置 f p g a 内部的 lot 触发器和布线，以匹配你的设计需求。它就像编辑器，但不生成机器码，而是生成网表， 一份描述逻辑门和连接布局的底层蓝图。因此，从某种意义上说， hdl 描述逻辑行为综合工具，将其映射到 lte 和布线上，最终生成比特流来编程 fga。 它们之间的关系如下，集成电路 ic 是 物理芯片，比如电脑的 cpu 芯片。 fga 是 可编程集成电路，就像可自定义设计的虚拟机。 clb 是 基本构建块， 类似功能模块，那的是每个 clb 中的微型逻辑核心，而 hdl 是 描述所需逻辑的代码。现在你已了解 hdl 代码如何配置 fpga 逻辑。 让我们拉远视角，看看 fpga 在 整个计算领域的定位。你可以把硬件领域想象成一个光谱， cpu、 gpu， fpga 和 asic， 它们在灵活性和性能之间各有取舍。 c p u 为最大灵活性而设计，可运行任何程序，但在单一任务上并非最快。比如操作系统、应用程序脚本，它们一次处理少量任务并灵活切换，但这会带来开销，且因上下文切换和缓存等因素，执行时间难以预测。 gpu 就 像庞大的迷你 cpu 团队，并行执行相同任务，非常适合图形处理和机器学习。任何需对大数据执行大量相似运算的场景，不过它们遵循固定流水线，需用 qda 等语言编辑代码。 fpga 是 可重构芯片， 你可直接设计硬件行为，对于特定任务比 cpu 更快，运行性更强，且与 asic 不 同，部署后仍可重新编程。如果你的算法可预测且能流水线化，比如交易电信或压缩场景， fpga 性能可比 cpu 高出几个数量级。最后， asic 是 为单一用途定制的芯片，效率极高，速度极快，但制造成本高，周期长，一旦制造完成就无法修改，比如比特币矿机、苹果的神经网络引擎或谷歌的张量处理单元 tpu。 当然， fpga 并非适用于所有工作复杂，编程难度更高，不适合处理杂乱无章的不规则任务。 但当你需要速度、控制力和灵活性时， fpga 最强大的实际应用之一就是高频交易 hft 这个领域中，速度就是一切，那秒级的决策差异可能意味着数百万美元的盈亏。高频交易早期，机构不断突破软件极限，使用超频、 c p 网络优化甚至 g p u 来获取速度优势。但随着时间推移，这些基于软件的方法开始触及瓶颈。这时 f p g a 登场并改变了格局。为什么？ 因为与 cpu 上的软件不同， fpga 可直接在硬件中处理数据，无需等待操作系统、网络驱动程序或共享资源。它能以实际 bps 以上速率接收源，实施长数据，完成过滤、筛选、逻辑运算并发送交易订单，全程无软件占干扰， 一气呵成。从高频交易到电信，再到边缘人工智能， fpga 已在为那些最看重速度、可预测性和定制硬件逻辑的系统提供动力。好，本期视频就分享到这，记得关注、点赞、收藏！

同样是计算加速芯片，在 ai 时代， fga 与 gpu 相比似乎没有边缘化。为什么会这样？它到底哪里比不上 gpu？ 它在 ai 领域的定位又在哪？ 我们先来说说主流是 ai 市场， fga 为何落后于 gpu？ 从需求端来看，在大模型出现之前， ai 模型多样，计算模式不一， fga 在 ai 应用领域有着灵活性和功耗的独特优势。 大模型出来后，以 transformer 为核心的模型，超过百分之九十的计算是及其规则的矩阵运算， gpu 这种为并行计算而生的架构，恰好能蛮力地最大化这种计算吞吐量。 fga 算力不如 gpu， 是 其为灵活性牺牲了专用性的底层架构，恰好与当前大模型所需的密集计算模式不匹配。 fga 的 本质是一堆可自定义连接的门店路， 数据向在工厂流水线上流动，经过多个定制化处理单元，擅长处理流势不规则或需要超低延迟的计算。 而 gpu 的 本质是专用固定的海量计算核心阵列，数千个核心同步执行相同指令，处理不同数据，完美适配大模型训练所需的极度规则的海量矩阵乘法 当算力成为绝对王道。 f p g u 的 独特优势被 g p u 简单粗暴的算力优势降为打击。从供给侧来看， f p g a 在 生态与开发效率与 g p u 存在巨大鸿沟。一方面，英伟达的库达构建了从算法到硬件的完整软件站，极大降低了开发门槛， 而 fga 开发仍需硬件描述语言或高层次，综合周期长，门槛高。另一方面， gpu 作为游戏和通用计算的成熟产品，已实现大规模量产，单位算力成本更低， fga 则更偏向定制化，成本较高。尽管在主流战场身世不如 gpu， 但 fga 在 ai 版图中仍有其坚固阵地，主要解决 gpu 不 擅长或无法解决的问题。 一是超低且确定性的延迟，这是 f p g a。 最核心的优势。 g p u 的 延迟受操作系统调度、内存访问等因素影响，是尽力而为且不稳定的。 而 f p g a 的 硬件电路一旦烧写，每次执行都像流水线一样延迟，可以精确到纳秒级且完全固定，这在工业控制、自动驾驶、高频交易等对实时性有严苛要求的场景中是生命线。二是出色的能效。 在功能敏感的环境中， f p g a 则通过定制化硬件以远低于 g p u 的 功耗完成推理。研究显示，在某些优化下， f p g。 能效比可达 g p u 的 七点五倍以上。三是特定场景下的性价比。 在一些特定的推理赋载，尤其是低批量甚至单次推理时， f p g a。 可以 充分发挥其流水线优势。有厂商数据显示，在处理大元模型时，其 f p g a 方案在每透肯成本和每透肯能耗上比 g p u 方案更具优势。 因此，像边缘端、 a i o t 等领域，主要面向推理应用，对能效需求高，这些或许才是 f p g a。 在 ai 时代能够大显身手的地方。

二零二六年直接被称为 ai 智能体元年，以前的 ai 还停留在你问我答，今年不一样了， ai 开始真正变成能自主思考、自主干活的智能体。但光有模型没用，想让 ai 真正落地， ai 加 fpga 才是最强组合。 为啥这么说？ fpga 延迟低、功耗小，硬件可编程，特别适合边缘场景。不管是工业控制、自动驾驶 机器人还是智能设备， ai 智能体想要反应快，跑得稳，能落地， fpga 就是 最硬核的底座。二零二六年，两大风口直接撞在一起， ai 智能体爆发，加上 fpga 人才紧缺，市场缺口大，薪资高，懂 ai 加 fpga 的 人直接站在风口最前面。一句话总结，二零二六是 ai 智能体元年，而 ai 加 fpga 就是 这波风口最能打的，落地在体。想抓住这波机会的，真的可以重点关注了。

现在智能硬件这么火，真正藏在幕后的核心硬件，很多人都没注意到。大家都在聊大数据、聊算力，却很少有人说，这些设备要落地，要跑得快，还不能太费电，靠的往往不是普通显卡，而是一块叫 fpga 的 芯片。它不算大众网红， 但几乎所有智能设备、数据中心、自动驾驶背后都离不开它在默默扛算力。以前偏小众，现在因为智能产业爆发，直接变成行业里的刚需硬件。很多学电子计算机的人都是入行后才发现，原来这个方向这么稳，这么吃香不倦不浮躁，技术越沉淀越值钱。懂 f p g a 的 人，在硬件圈真的很受欢迎。

在 c p u 与 g p u 主宰的算力竞技场中， f p g a 长期扮演着低调的幕后配角。它不像 c p u 和 g p u 功能固定，更像是可自由拼接的电子积木，出场后依然能通过编程重构电路， 灵活适配各类任务，因此被誉为芯片界的瑞士军刀。然而，复杂的开发和相对封闭的生态让它长期隐匿在聚光灯后。 在国产化浪潮下，国际巨头的垄断格局更让国内厂商举步维艰，高端市场难以切入，中低端市场又陷入同质化内卷，仿佛遇上了一场芯片界的中年危机。好在，一场用 ai 驱动的计算范式改革，正在悄悄改写着游戏规则。 过去， fpga 主要应用于通信基站、航空航天等对时事性和可能性要求极高的领域。而今天，随着 ai 应用进入爆炸式碎片化发展的新阶段， fpga 迎来了属于自己的第二春。 模型渗透到千行百业，应用场景变得分散且多变。工业产线需要实时视觉质检，智慧城市的海量视频流要求及时处理。 科研仪器则呼唤特定的算法加速为每一个场景定制专用芯片成本高、周期长。而通用的 gpu 在 处理这些多样化、低延迟任务时像是杀鸡用牛刀。功耗高、利用率低并非是最优解。在这样的背景下， fga 的 独特优势就被充分释放。 这块可重复烧制的硬件画布能够根据特定的算法需求现场绘制出对应的专用电路。在边缘 ai 推理场景中，它能提供比 g p u 更稳定的延迟与更优的能效表现。在视频流处理中， f p g a 方案叫 g p u， 工号降低百分之五十八， 速度提升三点二倍。在数据中心，他更是高效后勤专家，负责网络存储、数据库加速，用 fpga 做存储网关延迟可压制微秒级，减轻 cpu 的 运算负担。 fpga 不 再是备选方案，而是特定场景下的刚需优选。 面对由 amd、 intel 等巨头占据百分之七十到百分之八十份额的全球市场，国产 fpga 的 机遇从来不是正面硬钢巨头， 而是扎根巨头无暇顾及的缝隙市场。在自动驾驶、工业质检等对低延迟、高定制有极致需求的场景中，国产厂商凭借灵活性和快速响应找到了突破口。国内企业不再只拼芯片参数，而是转向芯片加工具链加参考设计的整体方案，贴近客户、快速响应场景，深度绑定。 如今，复旦微电子、光同创等已实现二十八纳米等先进工艺突破，功耗与性能逼近国际水平，国产 f p g a 试战率持续攀升。 f p g a 的 复兴，是对算力一刀切时代的修正，行业正从盲目追风直转向在正确的地方用正确的算力，这也为国产半导体指明了差异化路径。无 必须在巨头主场硬碰硬，靠本土场景理解与灵活方案也能站稳脚跟。当通用算力的狂热逐渐褪去，那颗灵活可编程、能适配万千场景的变形金刚，正迎来属于它的高光时刻。

同样都是芯片，为什么 cpu 和 gpu 买回来之后功能基本定型，而 fpga 却能在现场反复改写，像重新搭电路一样工作？如果普通芯片像装修好的房子，那 fpga 更像一间可以不断改墙改线路的空房间。先看懂这个差别，后面很多应用就很好理解了。 fpga 的 全称是现场可编程门阵列，意思是芯片做出来以后，功能还没有完全锁死，你可以根据任务重新配置。它内部放着很多逻辑单元、寄存器和连线资源。工程师做的不是写一串固定步骤，而是像搭数字电路一样，决定这些资源怎么连接。 fpga 最关键的思维转换是，它不像传统处理器那样一条条执行指令，而更像把一套专用电路直接摆进芯片里。配置文件下载进去后，逻辑单元、寄存器、片上存储和 dsp 等资源就会按你的设计连起来， 所以很多数据通路可以同时工作，这也是它运行强、延迟低、响应稳定的原因。把 cpu、 gpu 和 fga 放在一起看， cpu 像全能管家，控制能力强。 gpu 像一大群同时干活的工人， fga 则像你亲手定制的一条生产线。 它不一定像 cpu 那 么方便，也不是所有场景都比 gpu 强，但在需要精确持续、边处理边输出，还要把延迟压低的时候，它往往很有优势。 所以 fpga 经常出现在实时性要求很高的地方，比如高速网络、通信设备、视频链路、工业控制、雷达处理，还有很多 ai 系统里的前后处理和数据搬运。这些任务的共同点是，数据一进来就要立刻处理，不能总等软件慢慢调度。 fpga 很 适合把这类固定流程做成一条高吞吐、低延迟的数据通道。说前景不能简单理解成 fpga 会取代所有芯片，真正的趋势是溢购计算，也就是 cpu、 gpu、 fpga 甚至 asic 各自做最擅长的部分。 随着边缘计算、高速通信和工业自动化发展，很多场景都需要既灵活又实时的硬件方案。而且在专用芯片量产前， fpga 还常被用来做原型验证和快速迭代。 如果你是新手，学 fpga 最容易犯的错就是把它当成普通编程，其实它更接近设计硬件结构，建议先弄懂组合逻辑、持续逻辑、寄存器和时钟，再去学 verlog 或 vhdl。 最后记住一句话， fpga 的 核心价值是把很多实时任务直接变成高效稳定的硬件通路。

你是否想过，为什么有些芯片可以像软件一样随时改变功能，而有些芯片却生来就只能做一件事？在 ai 算力需求爆发的今天，我们究竟应该选择灵活的 fpga 还是专用的 npu？ 这两个问题的答案藏着芯片设计的核心哲学， 通用与专用的博弈。今天我们就来揭开 fpga 与 npu 的 神秘面纱。一九八五年，一位工程师提出了芯片功能应该像软件一样可编程的疯狂想法，它是如何实现这个颠覆性理念的来源与定义？一九八五年，塞林斯 cels 发明 rossfreeman 提出核心思想 xc 二零六四，基于 sram 查找表架构定义 fpga 技术基因行业定位，填补 cpu、 gpu 与 aacs 之间的空白， 兼具 a s i c 高性能与软件灵活性发展历程四十年跃迁，晶体管从八五万到一千三百八十亿， 逻辑单元从六十四 c l b 到一千八百五十万，工艺从三微米到五纳米分类低密度 i o t 控制 中密度工业控制高端五 g 基站 ai 加速易购 a c a p 自适应计算对比优势 fpga vs asic 可编程无流片成本 fpga vs mcu 性能更高硬件级并行 fpga vs cp 料低规模更大，功能更复杂 fpga 工作原理 fpga 凭什么能做到想变就变？它的核心秘密武器是什么？大家好，有芯片需求找我，我是 mcu 等主控芯片主理人 spring 基本架构， clb 逻辑快 l u t 加 f f i o b 输入输出快可编程互联 brm 快 存储器 dsp 数字信号处理单元 l u t 工作原理，核心本质是真值表存储器六输入 l u t 包含六十四乘一 r n m 输入信号作为地址线直接查表输出。开发流程设计输入 velora v h i l 综合实现仿真验证配置下载生成比特流核心参数， l u t 数量逻辑速发度 d s p slices 乘加运算 br a m 数据缓存 sirdes pci 高速通信当 fpga 设计出现持续为例，功耗过高时，工程师该如何破局？选型要点，明确应用场景通信图像 ai 评估资源需求，预留三千零五十余辆，考虑性能要求，频率速度等级。常见问题 持续为例，关键路径延迟超时钟周期，采用流水线优化添加物理约束。功耗过高，逻辑翻转频繁开启时钟门控动态调频调压。国产 f p g a 能否打破 amd's intel 的 垄断？国际厂商 amd cilinx 市场领导者 intel ultra 主要竞争者 lattice 低功耗小尺寸国产厂商紫光同创二十八纳米量产复旦微电翼门级军工航天 安路科技，高性价比工业控制市场规模二零二四年全球九十亿美元，中国两百亿元国产化率，二十二零三零年预计五十加技术方向，先进工艺五纳米三 n m chiplet 易购封装 ai 引擎集成车规级认证二零一七年，华为麒麟九七零和苹果 a 十一同时集成了一个神秘模块，这个模块为何能引发手机 ai 革命？ npu 的 来源与定义，二零一四年寒武纪 dano 论文颠覆学术基础二零一七年华为麒麟九七零 苹果 a 十一开启商用元年， npu 的 核心使命在算力功耗面积 ppa 三维度全面超越通用处理器，专为矩阵乘法加速设计 n p u 的 发展历程萌芽期，二零零六二零一五起飞期，二零一六二零二零二零二三二零二三 chat gpt 生化期，二零二四至今为什么说 n p u 的 能效比是 cpu 的 一百倍， gpu 的 十倍？ cpu 通用计算低，延迟少，核心四百六十四核，无 ai 针对性，能效比低。 gpu 并行计算高，吞吐 多核心数千数万，支持 ai 训练能效比中等。 npu 神经网络专用硬件级适配中等核心数百数千，能效比是 cpu 的 一万零一百倍。典型场景 cpu 负责系统调度， gpu 负责图形渲染和 ai 训练， npu 负责终端 ai 推理。 npu 工作原理，什么是脉动阵列？它如何让数据像波浪一样流动，实现极致的计算效率？基本架构， pe 计算阵列脉动阵列存储层次 global buffer 加 hpm 数据通路向量单元加标量单元加速原理，神经网络核心操作卷积全连接转化为矩阵乘法脉动阵列并行计算核心优势，最大化数据复用率，消除内存待宽瓶颈，实现超高计算吞吐量精度。支持 f p 三十二训练 f p 十六 b f 十六训练优化 i n t 八主流推理 i n t 四极致推理当 n p u 算力足够但带宽不足时，为什么会出现吃不饱的现象？核心参数，算力指标 t o p s 整数推理 t f o lops 浮点训练内存带宽 g b s 决定数据传输速度， 影响算力利用率、功耗效率。 topswell 每瓦算力终端设备落地的核心指标选型要点明确。场景云端训练、边缘推理、终端推理 估算算力需求，模型复杂度加精度加帧率评估。软件站支持 temperature flow pie torch on x。 当模型精度从 f p 三十二量化到 n t 八时，如何避免精度大幅下降？常见问题，精度损失量化感知训练 q a t 加混 合精度策略待宽瓶颈，算子融合与图优化加数据域取与并行模型兼容性，算子替换 o n n x 格式加自定义算子扩展国际厂商， nvidia h 一 零零 b 两百 c u d a 生态， google tpu， apple neural engine， quadcom， hexagon mpu 国产厂商，华为、海思、申腾九一零三一零含五 g m l u 系列，地平线征程系列，阿里平头哥含光八零零 市场规模，二零二五年全球 ai 芯片九百亿美元，中国一千一百亿元。 npu 占比三十一个极致灵活，一个极致高效。 fpga 和 npu 能否协同作战？ 核心差异， fpga 硬件级可编程，灵活性更效比中高。开发周期四百一十二周，适合算法多变场景。 npu 算法级适配， 灵活性更削比能效比开发周期二十八周，适合成熟算法大规模部署协同趋势， cpu 系统调度加 fpga， 数据预处理，协议转换加 npu， 神经网络推理等于 易购计算最佳平衡。从万能硬件原型到 ai 专用引擎芯片的未来会是怎样的融合之路？技术趋势，先进工艺，五纳米、三纳米工艺， chip 三 d 堆叠易购融合 f p g a 集成 ai 引擎 存算一体突破内存强软件化 h l s v t s ai 降低开发门槛，国产替代政策支持加技术突破，国产化率快速提升。选择哲学算法灵活多变，小批量验证 fpga 成熟 ai 算法，大规模部署 npu 复杂系统，多任务协调 cpu 加 fpga 加 npu 易购平台 市场规模 fpga 二零二六年一百一十一亿美元 ai 芯片 npu 核心，二零二五年到九百二十六亿美元从一九八五年 fpga 的 可编程革命，到二零一七年 npu 的 ai 加速源年，芯片设计 走过了一条从通用到专用的进化之路。未来不是 fta 取代 npu， 也不是 npu 取代 fpga， 而是两者在异构计算的大框架下，各司其职，协同进化。 掌握这两者的差异与协同，是每一位硬件工程师面向 ai 时代的必修课。有芯片需求找我，我是 mcu 等主控芯片主理人 spring， 我 们有专业的软硬件工程师，可提供完整的 mcu 一 体解决方案。

大家好，我叫辛可诺，是一名热爱生活的科技博主。入门嵌入式开发的第一步，先把 led 灯点亮，俗称点灯大师，比如这样，还有这样。 最近看了一款新的硬件 fpga， 它和其他的开发版完全不一样，普通开发版是在运行程序，受限于厂家做好的 cpu 结构，而 fpga 是 在定制芯片，它的编程本质不是写一行行按顺序执行的 指令，而是在重构芯片内部的物理电路。这种定制让它在处理复杂任务时极具优势，可以 让硬件电路进化成最贴合算法的样子，尤其是 ai 算法领域，可以做出极强能耗比的硬件。先来个入门点个灯吧。首先控制它需要的语言是 verlog， verlog 是 一门硬件描述语言，学习它的窍门在于不要把它当成 c 语言代码，而 要把它想象成在画电路图，它的语言需要一点一点的啃，这个没什么捷径。开发版用的是小脚丫 auto max 十 f p g a 开发版安装软件 cortis， 这个只能安装 light 免费版。 打开 cortis。 然后开始我们的点灯之旅吧， 看吧，我们的 led 亮起来了。最后解释下这个代码吧，当看到这个代码的时候，你一人想到的是不是像其他编程一行一行执行的，它是瞬间都在执行，就是电流在各个导线上疏通了。 第一行， mark start lesson 表示的是这个电路模块的边界，你可以把它想象成一个黑盒子，外面露出了几个接线柱，一个叫 xcode 的 时钟输入 和八个叫 light out 的 输出引脚。第九行， always apostrophe， 这些不是循环语句，它描述的是一个触发机制，当 apostrophe 这个引脚上的电压从 低变高的瞬间上升延，后面里的所有动作会同时发生。 b 十行到十八行，它们不是一行行直行的，而是八根并行的导线直接把计数器的第二十位到第二十七位分别焊到了八个 led 的 控制端上。第二十一行 在焊上一排永久的导线。这段代码不是在给电脑下指令，而是在搭建一套自动运行的流水线。

fpj 现场可编程门阵列是一块数字集成电路逻辑芯片，因为它具有比较独特的硬件可重构能力，包括并行处理能力，还有低延迟的特性，所以它现在在很多的领域都有不可替代的一个作用。因为现在越来越多的同学关注到了 fpj 这个方向， 有一些同学想了解这个方向后边对于就业的话能有哪些选择，他的发展前景是怎么样的？所以我们今天这条视频呢，给大家做了一个比较详细的列举和介绍，大家可以作为参考。如果说想了解具体的 f p j 行业的一些入行的问题，包括一些学习的路径，学习的一些资料，都可以来找我。

fpga 就 业到底怎么样呢？咱们首先来说重点啊， fpga 不是 冷门专，也不是炒作起来的专业，而是高新刚需缺口，大，门坎适中。那本科呢，也可以深耕，新手入门呢，一万左右，只要本科毕业就能拿到不错的起薪， 比很多行业起薪都高。那第一个方向呢？入门首选协议接口，比如说 lpga 逻辑设计工程师，接口开发工程师最容易上手，学个 vlog， 会做 uart， sba 这些简单接口就能找工作。硬件售入门十五 k 左右 稳定就业。那第二个呢？风口高新 ai 加速，比如说 ai 加速工程师，机器学习硬件工程师，现在大模型这么火， ai 就是 帮 ai 加速的， 学会模型部署。资深的工程师呢，年薪四十万加本科凭技术也能逆袭。那第三个呢？新蓝海汽车电子，比如说 lpga 汽车电子工程师，自动驾驶 激光雷达都要 lpga 车规级开发，溢价高，只要肯学直接进大厂供应链包括通信行业，华为中心常年招人，那做五 g 基站光通信新手呢，也是二十 k 左右起步，包括咱们的资深从业者，月薪呢，三十 k 到四十 k， 军工工业控制也缺人，而且国企呢，福利好，资深专家年薪三十万，加上市公司随便挑。那最后学 l p g a 不 用怕没学历，不用怕没经验， 选对方向，新手十二 k 到二十 k 起步，资深从业者年薪三十万到一百万不等，只要咱们是本科毕业，都能来站稳脚跟，拿到一个不错的高薪。

为啥军工导弹雷达只认 f p g a 芯片，而不是更高端的 c p u 和 g p u 呢？因为军工要的不只是快，更是零失误、零延迟、零档机。 f p g a 的 优势在于，第一，纯硬件电路，没有操作系统，信号进来当场算完当场输出，不存在卡顿死机 延迟低到那秒级， cpu 根本赶不上。第二，超强的并行处理能力，实时性拉满一枚导弹要同时接收卫星 独立红外雷达，图像识别目标，计算飞行姿态、输出控制信号，还要抗电磁干扰， f p g a 可以 所有任务硬件并行跑算力、密度和实时性碾压通用芯片。第三，抗造能力超强，抗干扰、抗震动、抗高温、抗辐射， 十年不掉链子，绝不荡机。第四，不换硬件，现场改逻辑， f p g a 不 用拆弹，不用换芯片，远程刷个固件，功能立刻改变，支配不同任务。这就是为什么航天军工只热衷于 f p g a 芯片。

多人都听说或者是是中国一些 fga 的 一些旗舰，那我手上这一颗呢，就是国产的一颗，中科一海威的一颗 fga 的 旗舰。 嗯，今天我们就来从 fga 的 发展的一些历史，以它的一些技术的架构啊特点，以及在现场使用的一些情况，包括目前在最火的机器人和 ai 的 一些情况，包括目前在最火的机器人的一些情况，我们可以在简单的来聊一聊。 嗯，其实 f p j 呢，它全称呢，其实就是现场可编程的一个门阵列，它最早的时候呢，在一九八四年时候是由塞利斯，然后就是说提出这个架构，八五年推出第一科那个期间。 嗯，在死之前呢，其实可编程的逻辑阵列或者是可编程的逻辑器械的话呢，其实在七十年代早就开始在发展，我们在学校的时候，九十年代初的时候就开始在学，就是盖尔的一些器械就是可编程的一个阵列。当时那个呢就很简单，就主要是用于替代一些 呃宇飞或飞等等一些门逻辑，然后用它呢可以里面实现几十个，比如说宇门、飞门之类的一个组合逻辑。 呃，在九十年代末的时候呢，我我自己就开始接触一些这个可编程的逻辑阵列呢，就是那时候是叫 e p l d。 呃，再后来就发展到复杂的可编程逻辑阵列，就 c p l d。 我 第一次真正的接触到 f p j 呢，是在零三年的时候，在做电信的产品的时候，里面用到了很多的自主化的配置的时候， 在做一些基站的设备，或者是那个呃局端的设备的时候，用到了一些那个相机的 x c 系列的在外部的移风 p e 里面的存储的一些部件，可以在商店出售化的时候导进到 fpt 内部去 实现了现场的一些配置。如果你想修改这些东西，只需要重新去申，去修改一方 pem 里面的内容，他那么瞬间就像硬件变成软件化了，重新配置的时候不用再重新去更换硬件。 呃，所以它强调了一个现场的可配置即配即用的一个特点，它跟 cprd 这个最大的区别就是 cprd 的 话，你需要先将它通过专用软件编程，就形成了一个 ic 颗粒一样就是一个芯片 它，但是呢 cprd 最大的好处就是稳定可靠，你烧完了以后的话，经过验证以后呢，就跟硬件的芯片一样去使用，每一次逻辑都是固定的，然后它的时序逻辑所有东西都是固定， 嗯具有很强的一个逻辑的替代性。但是呢， f p g 呢，在嗯发展到目前为止的话，它的功能已经远远超出了最初的最初的一个逻辑胶水的这个概念，它的接口更加的高速， 而且是通话，比如说从普通的 l、 v， d， s 啊，高速的网口，网络信号啊这些这个一些模拟信号的采集等等这块的话呢，它的高速接口这一块已经，嗯在千兆级别的话已经不在话下了。 嗯，第二个呢，因为 ipg 的 管脚非常多，它在实实现那个多路的并行的各种各样的那个多那个接口，高速接口的时候它有得上多的条件，所以这是它对高速接口的支持。 第二个呢，它从它的逻逻辑的时候呢，逻辑控制这块是天然的，它是它的属性，里面就包含了一大块，就是做呃逻辑这个控制，这是它的优势。 呃，第三个的话呢，还有个计算能力，两大核心的，一个是塞里斯，一个是特拉，现在分别被 amd 和英特尔收购以后，它，嗯，这两大主流里面呢，通常都在朝 ai 的 易购的一个平台去发展。首先它里面有一系列的 ai 的 引擎， 再加上呢在高端的一些里面呢，比如说 zincare 在 里面，就瑞士里面就加上 am 的 一些 a 九的一个双核了。还有就是里面的 dsp， 再加上它内部本身可以嵌入呃大量的那个 rad， 它就可以实现了， 就是三合一，就是呃，甚至是四合一，就是接口，高速的接口，那个逻辑控制，复杂的逻辑控制以及高速的运算平台，以及 ai 的 一些引擎和这个加速的功能等等。所以在现在的这个时代叫 ai 时代和机器人时代的话， 呃这些高速的这个 ipad 从呃几千万门向上亿门的这个发展，从不管它的能力也好，它的各种那个适应广度也好，嗯，都有不可替代的作用。 我们在做那个 aiot 的 时候，用那个 inker 的 这个就是做过它的 aiot 里面的智能语音的一些 ip 的 一些验证啊之类的。 后来呢在做电力的里面的，比如六就 ic 六幺八五零的故事里面，多路的故事的话，它在它的延时啊和响应性这块要求都非常的高。通常的以太网呢？呃，读读完整个的这个接收完全部的以太网包再去解包， 那这个延时就来不及，但是我用 f p g 就 很轻松的可以解决这个问题，因为 f p g 在 做以太网包的这个数据接收的过程中，每一个 数据收过来的时候都可以同时同步就可以做了。校验是如果不是我自己要接受的东西，我当场就可以扔掉，就完成了数据清洗和前期的一些御姐包啊，御御分析等等。 呃，后来在做汽车的预控制器这块的时候，也有同样的道理，比如说我们有多路的对于 lvds 的 一些支持，就摄像头啊，或者来来源一些信息，然后它需要转化成高速的千兆网，多个千兆网口的分发，用普通的一般千兆系统来说呢，是非常难做到的。 但是用这种大容量的 fda 就 很轻松的完成这个问题，因为它本身数据接口多，速度也快，而且对这个支持的 内部利用它的高激发、高激发能力和它的低延时所见即所得，就是它相当于它的性能可以达到硬件级的这种颜色，达到微辣秒级。现在你再稍微复杂一点的， 呃，预控啊，或者是这个 ai 的 一些产品啊，包括现在我们国内所熟知的大华的摄像头啊，或者一些高端的摄像头等等，同性类的产品就更加便利。就是。 呃，这这个这一类的机器人里面的话，目前也在朝机器人的一些核心的，比如于控制器这块也在发展的过程当中，多传感器的一些融合等等，这块的里面都会。 呃，在向那个专用的啊， fga 的 这个这个方向去发展，这就是它的这个带来一些革命性的一些东西吧，一些好处， 但是呢，就是他自身的技术发展呢，也不是一成不变的，他的发展从最开始的几十门，几百门这种级别，现在向千万门，千万级，亿级的在发展，所以容量在不断的提升。第二个内部呢，从无数据存储到有数据存储， 从基层呃单一的这个逻辑，到基层多核的这个一各种不同的一个异构，呃，另外呢，现在的通用的一些逻辑，再加一些固定的一些，呃硬件的 ip 用到的更多的是 v， h， d， l， vlog， vlog 语言啊等等，它的这个综合啊，仿真啊，这个要求的话都是 呃，虽然是以软件的形式出现，但它又具有很多硬件的特性，所以对于软件工程师来说也不容易，对于硬件工程师来说其实也是有很有挑战的。现在呢，就说这些年随着这个他的工具和生态的发展呢，已经逐渐的从一些专用的硬件语言，现在可以开始支持 c， c 加加直接就 呃完成了高级的一些 sl 的 高级的逻辑综合，所以对于他的开发的难度的话呢，当然呃坦率的说，这个开发难度的门槛还是非常高的。现在啊，对于一些电子工程师来说，或者说一些即将毕业或者是刚刚毕业还在迷茫呢， 一些想有志于从事技术系统的开发的一些，如果是能够静下心来，花上一定的精力去真正的去实现你对 ipg 的 一些开发的一些认识，或者是一些技技能的提升，用普通的 cpu 或者 soc 都很难完成的一些工作的话， 你都会有一些用武之力，所以呢，我觉得就是 ipg 真的 是一个呃，芯片界的或者是电子行业里面的一个扫地僧，绝对是一个隐形的一个高手，他的技能之全面，他的性能之爆棚，都是值得我们去关注的。

安全安全，快问快答。哎，你好， fga 是 什么？嗯， fga 是 一种可以编程的那个硬件芯片，可以根据自己的需求然后反复烧录程序去改变它的那个功能。好，对了，给你。谢谢老板。塞尔斯，塞尔斯芯片一般是在哪里测风的？台湾那二特拉呢？韩国 给你。谢谢你。哈喽哈喽，三零四芯片 dc 二五二零，它是什么时候生产的呢？嗯，它是二五年第二十周生产的。对的，谢谢。为什么三零四有些芯片停产很久了，但是它还有新的 一次呢？嗯， nda 妇产还有特殊渠道订货呀。专业大脸，为什么军工喜欢用 fga 而不是 gpu 或者是 cpu 呢？ 要涂它四点啊，第一个是无延迟，持久性快，不死机啊，能加密，抗干扰，还有的话它的一个环境适应特别强，这些都是 c p u 和 g p u 比不了的。好的，那你的为什么是一款？没有为什么，买卖赛也是，记得找大力哦。