FPGA行业历史与现状 - FPGA技术已存在数十年，但长期未获应有重视，被认为功能强大但晦涩难懂 [2] - 行业自1980年代起由Altera、Lattice Semiconductor和Xilinx三家公司主导 [2] - 2024年，FPGA在数据中心已不再重要，AI的兴起使GPU成为首选硬件 [8] - 英特尔正在剥离其Altera业务，AMD则正引导Xilinx转向AI相关芯片 [8] FPGA技术原理与特点 - FPGA定义了数据通路，规定了信号在每个时钟周期内的变化方式，描述的是全局的、每个时钟周期的行为 [3] - FPGA本质上是由逻辑块组成的同构结构，在大多数情况下内部结构并非极其复杂 [3] - 硬件描述语言（HDL）是软件，而非硬件本身 [4] - 由于运行方式不同，FPGA程序使用VHDL或Verilog等硬件描述语言，而非传统编程语言 [5] - 对于简单设计，使用HDL通常比传统编码更快，例如编写SPI接口更简单 [7] FPGA开发工具与生态系统的核心问题 - 主导公司同时开发并控制着编程所需的软件，其运行思路仍停留在上世纪70年代 [2] - 传统商业模式类似旧IBM模式：购买芯片、授权软件、购买专用硬件、进行培训，这种模式在其他科技领域已消失，但在FPGA领域持续存在 [2] - VHDL和Verilog均起源于20世纪80年代，仿照60-70年代语言设计，被认为是过时且糟糕的语言 [6] - 工具链封闭，供应商缺乏创新动力，没有外部压力迫使其改变，导致无人开发出更好的编程语言 [6] - 工程师被迫使用过时的语言和专有集成开发环境（IDE），开发体验痛苦 [6] - 专有工具链几十年来一直阻碍着FPGA的发展，开放工具链可使社区进行创新，构建更好的语言和用户体验 [8] 市场应用与战略误区 - 企业通常只在处理极其复杂的任务时才会转向FPGA，这强化了FPGA工作缓慢、复杂且昂贵的印象，形成恶性循环 [6] - 在实际应用中，FPGA几乎总是与处理器（如Zynq或小型MCU）配合使用，是弥合处理器与物理世界鸿沟的绝佳方式 [7] - 但开发流程常将软件和HDL拆分给不同团队，这种做法效率极低 [7] - 2015年英特尔收购Altera，随后AMD收购Xilinx，战略押注数据中心，将FPGA与CPU结合以加速特定工作负载（如加密），但该战略在实践中从未获得成功 [7] - 追逐AI或数据中心的发展方向对该技术行不通，关键在于实现FPGA最初的愿景：灵活高效、人人都能编程的硬件 [8]