东方证券：FPGA逐步切入AI服务器 价值持续提升

先说几个核心判断：FPGA（现场可编程门阵列）这玩意儿，在AI服务器里的戏份越来越重了。从本质上讲，它是个“软硬兼施”的狠角色——既能像软件一样灵活适配算法迭代，又拥有硬件级别的低延迟响应。相比之下，ASIC（专用集成电路）一旦流片就基本定型，想改功能得重新投钱；而CPU/GPU虽然通用性强，但在时延敏感的场景里，FPGA的优势就体现出来了。在AI服务器中，FPGA主要承担控制、互联和计算三大任务，单台服务器的价值量正逐步提升，其渗透路径有望从控制与互联层，逐步向核心计算层迭代。

FPGA内部构成：从逻辑块到布线网络

FPGA的内部架构，可以分为三个层面来理解。首先是输入/输出要素（I/O），它负责芯片与外部电路的连接，完成信号驱动和电平匹配。其次是可编程逻辑要素，也就是逻辑块。逻辑块的核心元件是查找表（LUT），本质上是一小块静态随机存储器（SRAM），其逻辑容量的大小，取决于输入端信号的数量。除了查找表，逻辑块里还集成了触发器和数据选择器，用于实现时序电路。最后是可编程布线要素，包括开关块、连接块和布线块。它们的作用是把不同的逻辑块连接起来，形成用户需要的功能。关键在于，布线要素中的开关块也是可编程的，这意味着可以实现任意的布线通路。这种结构，决定了FPGA“万能芯片”的底层能力。

高度灵活性和低时延：FPGA的两张王牌

与ASIC相比，FPGA最大的优势在于灵活性。下游算法更新或协议升级时，FPGA不需要重新设计硬件，只需更新配置文件即可。在通信协议频繁升级、AI算法快速演进的今天，这种“软升级”的价值尤其突出。举个例子，AI大模型的推理框架几乎每个月都会有重大演进，对底层硬件的计算模式不断提出新要求。FPGA可以在不更换硬件的前提下，通过逻辑重配置快速“装备”新算子，将硬件的生命周期从单一模型代际，延展到跨代复用。这种灵活性在传统通信基站领域已经得到验证，而在AI领域，它的切入速度正在加快。

与CPU/GPU对比，FPGA的时延优势更加明显。原因有三：第一，算法直译硬件。FPGA通过可编程逻辑单元，将算法直接映射为硬件电路，省去了CPU/GPU必须执行的指令解析和调度步骤。第二，数据流驱动。计算单元按照数据到达的顺序直接处理，不需要频繁访问内存或等待全局同步。第三，并行运算。FPGA内部拥有大量可同时工作的逻辑单元，支持任务级和流水线级并行。这三个特性叠加，使得FPGA在时延敏感的推理场景中，拥有天然优势。

AI服务器中的三重角色：控制、互联、计算

在AI服务器里，FPGA的应用场景正在从外围向核心渗透，单台服务器的价值量也随之提升。

控制：这是最基础的应用。CPLD/FPGA负责系统管理与电源顺序控制。随着机柜功耗不断攀升，GPU、HBM、交换芯片、DPU等多芯片的上电时序与过流保护要求变得极为严格。CPLD/FPGA采用非易失性存储介质，上电即工作，可以在毫秒级完成电源轨道的保护响应。

互联：以英伟达的Groq3LPX架构为例，它需要同时处理多种物理层接口与协议。FPGA可以在单芯片内部署多套协议栈，并支持动态在线重配置。在Scale-Up领域，NVLink、UALink、SUE、UB等多协议并存的格局，正在不断强化FPGA作为互联方案的地位。

计算：这是FPGA在AI服务器中价值量最高的应用方向。Altera的Agilex系列集成了AI Tensor Block，支持主流推理框架直接调用。微软的项目已经验证，FPGA在数据中心推理场景中可以实现吞吐量提升。在效能比、时延确定性与功能集成度三个维度上，FPGA都具备显著优势。随着大模型推理需求的增长，FPGA在AI服务器中的渗透路径，有望从控制与互联层，逐步向核心计算层迭代。

风险提示

需要警惕的是：下游需求不及预期、技术研发不及预期、行业竞争加剧等潜在风险。