微信公眾號：半導體產業縱橫　 方圓

當2025年被業界冠以"邊緣生成式AI元年"之名時，半導體產業正經歷著自移動互聯網時代以來最劇烈的底層架構變革。在這場由智能終端設備、工業物聯網和實時決策需求共同驅動的技術革命中，傳統算力分配模式遭遇根本性挑戰。IDC數據顯示，全球邊緣AI芯片市場規模在2025年Q1同比增長217%，其增長速度遠超云端AI芯片市場。在這場變革中，GPU、NPU、FPGA三大架構呈現出迥異的演化路徑，背后的技術哲學差異折射出半導體企業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，還需對設備上的所有分支加速任務、用戶交互任務以及設備管理任務進行處理。因此，AI邊緣設計需要從全局視角出發，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，這是新出現的關鍵問題。在未來的邊緣AI應用中，每瓦算力（TOPS/W）將比絕 對算力（TOPS）更為重要。

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

GPU作為執行各類任務的優秀加速器，在云端AI工作負載中展現出卓 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，通過兩大核心創新——神經核（Neural Cores）和爆發式處理器（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Phil Solis表示：“各類設備上的 AI 功能正在迅速演進，但AI系統設計者依然面臨性能、效率與靈活性的多重挑戰。Imagination憑借其長期深耕低功耗 GPU 的經驗，成功實現了GPU架構對圖形與AI的靈活支持。E-Series 結合了 GPU 的可編程性與 AI 性能的飛躍，為邊緣智能（Edge AI）系統開發者帶來了極 具吸引力的解決方案?！?br />
NPU

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

同時，NPU在功率與性能的平衡上展現出獨特優勢，能夠以較低功耗實現高性能AI運算，這種特性使其特別適配于散熱條件有限、能耗管控嚴格或空間緊湊的邊緣設備，包括無風扇計算機、嵌入式物聯網系統以及工業自動化控制器等。

此外，NPU讓設備端本地AI處理成為可能，有效降低了對云端算力的依賴，大幅減少數據傳輸延遲，同時強化了數據隱私保護。憑借并行計算架構與小型化設計，NPU得以靈活部署于智慧城市、智能監控、移動機器人、自動駕駛等多樣化場景，為邊緣智能的規?；涞嘏c持續拓展提供核心驅動力。 

NPU的核心優勢在于能效比與任務專一性。例如，NXP的i.MX 95系列處理器集成eIQ Neutron NPU，算力2 TOPS，在圖像識別任務中較前代速度提升四倍，同時功耗降低30%16。這種特性使其在智能安防、醫療設備等對實時性要求苛刻的場景中占據主導地位。

FPGA

FPGA以其可重構特性，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 的共同優勢，但 FPGA 能在更細粒度邏輯單元級別并行計算。對于 8K 視頻這類數據量巨大的處理任務，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，實現像素級并行。如諾亞星云 MX2000 pro 顯示控制器采用 AMD 的 FPGA，實現單臺設備帶載 88K 超大屏，滿足電影虛擬拍攝中高清 LED 顯示控制、倍頻插幀等技術需求。

此外，FPGA 能夠通過硬件實現特定算法，繞過傳統CPU、GPU 的軟件堆棧瓶頸，實現超低延時。以顏色空間轉換為例，FPGA 處理延時僅為 CPU、GPU 的 1/100。此外，FPGA 固定的電路結構保證確定性延遲，而 CPU、GPU 因系統調度存在延遲抖動。在醫療 8K 內鏡視頻處理、高頻交易等對延遲要求嚴苛的場景中，FPGA 優勢顯著。

當前FPGA 開發門檻降低，廠商提供專業 IP 模塊與完整解決方案，高層綜合等開發方法也適用于音視頻處理。此外，FPGA 生命周期長，滿足專業音視頻設備長服役需求，實現 “一次開發終身可用”，相比依賴算力持續升級的 GPU，在該領域更具應用價值。

廠商布局

各大廠商基于自身技術優勢和市場定位，在不同技術路線上展開布局。

在NPU陣營，意法半導體、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處理單元相結合的方案，既能發揮MCU在控制和管理方面的成熟優勢，又借助NPU強大的AI運算能力，滿足IoT設備對低功耗、實時性AI處理的需求。全志科技推出的V821芯片已實現量產，并成功搭載于領為創新AI眼鏡，為智能穿戴設備的AI應用提供了有力支持，展現出NPU在終端設備上的廣泛應用潛力。

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監控等復雜場景，為汽車智能化升級提供高效的圖形與AI處理解決方案。而行業巨頭英偉達則依托Jetson系列產品，深度滲透機器人視覺領域。Jetson平臺以其高性能、低功耗的特點，成為眾多機器人開發者的首 選，助力機器人在復雜環境中實現精準的視覺識別與決策。

在FPGA陣營，Altera聚焦數據中心與邊緣推理市場，充分發揮FPGA可編程、靈活高效的特性，為數據處理和AI推理提供定制化解決方案，滿足數據中心對高并發、低延遲處理的需求，以及邊緣設備在復雜場景下的實時推理要求。Lattice則憑借低功耗FPGA產品，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苛的應用場景中，Lattice的低功耗FPGA既能保證設備長時間穩定運行，又能滿足實時數據處理和AI分析的需求，為智能安防、環境監測等領域的設備智能化升級提供了可靠的技術支撐。 

并購潮起

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

意法半導體（ST）收購 AI 軟件公司 DeepLite，旨在深化自身在AI 算法優化領域的實力。DeepLite 的核心技術能夠將 AI 模型壓縮至極 致，使復雜的 AI 算法在低功耗設備上高效運行。此次收購完成后，意法半導體可以將 DeepLite 的技術深度融入其 “MCU+NPU” 產品體系，進一步鞏固在 IoT 市場的優勢地位，為智能家電、可穿戴設備等終端產品提供更具競爭力的 AI 解決方案。

高通宣布收購邊緣AI 開發平臺 Edge Impulse，是其完善邊緣計算生態的重要舉措。Edge Impulse 平臺專注于簡化邊緣設備上的 AI 開發流程，支持開發者快速創建、訓練和部署 AI 模型。高通通過此次收購，能夠將 Edge Impulse 的開發工具與自身的芯片技術相結合，降低邊緣 AI 應用的開發門檻，吸引更多開發者基于高通芯片進行創新，加速 AI 技術在智能家居、工業物聯網等領域的落地應用。

恩智浦（NXP）收購 AI 芯片初創公司 Kinara，則聚焦于強化其在高性能AI 推理領域的能力。Kinara 開發的 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 的技術整合到自身產品線中，能夠為汽車制造商和工業客戶提供更強大的 AI 處理解決方案，進一步鞏固其在汽車半導體和工業控制領域的領 先地位。

結尾

在這場由邊緣生成式AI掀起的技術浪潮中，半導體產業正經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的可重構性，不同架構在各自擅長的領域里開疆拓土，也映射出行業對未來計算形態的多元探索。

技術的演進從來不是單一線性的替代過程，而是在不斷適應場景、解決問題的過程中尋找最 優解。面對碎片化且快速變化的邊緣AI應用場景，單一架構難以包打天下，真正的競爭力在于如何結合軟硬件優勢，構建更高效、更靈活、更具延展性的系統方案。

與此同時，廠商們也在通過并購加速補足短板，強化生態布局。這種“內生+外延”并重的發展策略，不僅加快了產品迭代的速度，也為整個產業鏈注入了更多協同創新的可能性。

站在2025年這個被稱作“邊緣生成式AI元年”的節點回望，我們會發現，這場變革才剛剛開始。