最近看新闻说大模型推理都在用GPU和专用ASIC,像英伟达的H200、谷歌的TPU,感觉FPGA在AI领域的存在感越来越弱。我做了三年FPGA,主要做接口和协议转换,现在有点慌。想问问各位,2026年FPGA在AI服务器里还有哪些不可替代的活?比如光模块控制、NVLink桥接、动态重配置这些方向,值不值得深入?还是说趁早转行去搞ASIC设计更稳?
2026年了,FPGA工程师在AI推理卡里到底扮演什么角色?会被GPU和ASIC彻底替代吗?
6 个回答

接口和协议转换这活,看着不起眼,但恰恰是FPGA在AI服务器里最稳的护城河。GPU算力再强,也得有人把数据从光模块、从PCIe、从以太网搬进显存,这个搬运工的岗位,ASIC做太死,GPU做太贵,FPGA刚好卡在中间。你担心的替代问题,2026年的现实是:大规模纯计算确实没FPGA什么事了,但AI服务器里的高速接口数量在暴增,光模块从400G往800G、1.6T走,NVLink的桥接和重定时,还有动态部分重配置做多租户隔离,这些活反而在变多。我的判断是,别急着转ASIC,ASIC设计你现在转过去等于从零开始卷,而且流片失败一次就是几百万美金,公司不会让你一个新人练手。更稳的路是把FPGA经验往SerDes、DDR5、CXL这些高速接口方向砸,再补一点系统架构视野,比如Chiplet里FPGA做die-to-die桥接,或者存算一体里FPGA当控制面。你做了三年接口,这底子比做算法的人值钱多了,关键是把'我会配IP'升级成'我能设计一个完整的IO子系统'。另外提一句,动态重配置在AI推理卡里不是锦上添花,是刚需,因为模型切换和热升级都要靠它,这块ASIC反而做不到。你慌的时候想想,GPU是发动机,FPGA是变速箱和传动轴,没有传动轴,发动机再猛也跑不起来。你现在手上的协议转换经验,往CXL或者UCIe方向靠一靠,三年后你就是那个'懂AI卡怎么把数据喂进去'的人,这种人每个服务器厂商都缺。你目前主要接触的是哪一类接口?PCIe还是以太网方向?

别被H200和TPU的新闻带偏了,那些是超大厂玩的游戏,你想想英伟达一年才卖多少张卡,而AI服务器里除了GPU,还有多少块板卡需要控制逻辑。你做了三年FPGA做接口,这个经验恰恰是现在最稀缺的,因为AI推理卡的问题不是算力不够,是数据搬不动。GPU算得再快,如果数据从光模块到显存的路径上有瓶颈,整体吞吐量就上不去。FPGA在2026年的角色,已经从'跑卷积'变成了'管数据流',具体说就是三件事:第一,光模块控制,现在800G光模块的CDR和均衡算法还在变,ASIC不敢锁死,FPGA才能跟上标准迭代;第二,NVLink和PCIe之间的桥接,GPU厂商自己不做通用桥接芯片,因为每个客户的拓扑不一样,这个缝隙就是FPGA的活;第三,动态部分重配置,多租户的推理卡上,不同客户要加载不同模型,FPGA可以在毫秒级切换数据通路,ASIC做不到。你问值不值得深入,我的答案是值得,但要有策略。别去碰FPGA里的DSP去做矩阵乘,那是死路,要把精力放在高速收发器、DDR控制器、NoC片上网络这些系统级技能上。至于转ASIC,我劝你冷静算一笔账:你现在跳过去,等于丢掉三年FPGA的积累,去跟科班出身的人拼RTL设计,而ASIC岗位现在卷得要死,你反而会失去FPGA工程师独有的'能快速改方案'的优势。更聪明的做法是,借着FPGA经验往Chiplet方向走,现在UCIe标准刚落地,各家都在找懂die-to-die接口的人,FPGA工程师天生就是搞这个的,因为FPGA内部本来就是一堆可重配置的die互联。你与其担心被替代,不如想想怎么把'接口工程师'这个标签升级成'异构计算系统架构师'。我见过好多FPGA工程师转去做DPU或者SmartNIC,薪资翻倍的大有人在,核心就是他们愿意跳出逻辑代码,去看整个数据中心的流量模型。你现在如果还在犹豫,就先把手头项目的时序约束和跨时钟域处理做到极致,这些基本功在哪个方向都吃香。你现在的项目里,有没有涉及PCIe Gen5或者CXL协议?这决定了你下一步往哪边补课。

接口和协议转换就是AI卡里的水电煤,没人修水管的时候觉得你多余,停水了才知道你重要。别转ASIC,那是换个地方从头卷,把FPGA往高速接口和Chiplet方向做深,比啥都稳。你慌是因为只看新闻不看板卡,拆开一台推理服务器看看,里面FPGA比你想的多。

我做了五年FPGA,前两年也跟你一样慌,后来想明白一件事:GPU和ASIC替代的是'算',不是'连'。你去看一台AI推理服务器的拆解,GPU只占板卡面积的一小半,剩下全是光模块、PCIe switch、NVLink桥接、电源管理、散热控制,这些地方都需要可编程逻辑来兜底。为什么不用ASIC?因为协议还在变,800G光模块的均衡算法、CXL的缓存一致性细节、甚至NVLink的拓扑授权方式,每半年都有新版本,ASIC流一次片要半年、几百万美元,根本追不动。FPGA的价值恰恰在于'今天流片,明天改逻辑'。你说的动态部分重配置,这个方向特别值得深挖,因为多租户推理卡上,不同客户要不同的网络加速规则,用FPGA做分区加载,比ASIC灵活太多。我的建议是别转ASIC,那是去跟科班出身且卷了五年的人拼起点;你现在手里的接口经验,往SerDes和Chiplet方向延伸,学一下die-to-die接口和UCIe规范,三年后你就是那个'既懂板卡又懂协议'的稀缺人。你慌是因为只看新闻不看板卡,拆开一台真实的推理服务器,数数里面FPGA的数量,再下结论。你目前公司做的接口是走PCIe还是以太网?这决定了你下一步该学CXL还是RoCE。

个人感觉,你现在的处境跟2018年的网络工程师有点像,那时候大家都说SDN要替代硬件交换机,结果做底层转发的人反而更吃香。FPGA在AI里已经从'跑模型'变成了'管数据流',这个转变是好事,因为管数据流的活更依赖经验,新手抢不了你的饭碗。别转ASIC,除非你手头有流片机会,不然纯理论学个两三年,出来发现还是做验证。把光模块控制和重配置吃透,再补一点系统架构,比啥都稳。你公司有实际的AI推理卡项目吗?没有的话,自己买块便宜的开发板搭个光模块环回实验,比看十篇论文有用。

别慌,你手里的活是AI服务器的水电煤,没人修水管的时候觉得你多余,停水了才知道你重要。转ASIC才是换个地方从头卷。
发表回答
登录后可在本页底部提交回答