1998年全球进入信息化时代，率先在互联网产生造富神话，两年后股市泡沫破碎。

狂欢虽然暂时散去，但网络连接效应等集聚的数据量，其越来越庞大的极速膨胀之门，才刚刚推开。

潮水退去，裸露的岩石之下，海量数据不断累积，具有鲜明“硬“科技属性的初创公司，也开始浮出水面。

网络连接一切，硬件加速一切。

或许是纯属巧合，用FPGA构建仿真加速器的法国EVE公司，与基于FPGA加速数据库处理的美国Netezza公司，同在2000年初创成立。

计算机领域看似完全没有交集的细分行业，以创新先锋之势，各自成长为行业领先者。

数年后，又同在金秋9月，被巨头并购。

前者向左，在EDA硬件辅助验证市场，用全新的仿真加速器ZeBu，加速IC设计左移。

后者向右，在群雄逐鹿的数据库行业，一鸣惊人。大数据分析设备(Netezza)，远超当时巨头的竞品，被誉为“性能之王”。

让曾获国家级大奖，数据库领域资深专家王金华博士，也对其赞叹不已。

作为吴荣泉研究员的亲传弟子，师祖更是声名显赫，国内计算机首批领军人物陈仁甫研究员(教授)的江湖地位，横跨政学两界。

1977年，官拜中央候补委员的庙堂高位。

我国第一台X-Z晶体管电子计算机，就出自陈师祖的力作；主持设计的国内第一台大型集成电路计算机，运算能力突破每秒500万次。

1969年美国首桩反垄断案的主角、以大型机成就霸业的蓝色巨人IBM，对后辈Netezza公司，自然也是青睐有加。

2010年，不惜以17亿美元现金，将其并购退市。

移动互联网的发展加快，费城半导体指数持续走高。

在EDA行业首度问鼎的新思科技，也开启买买买，快速切入追求效率优先的硬件加速市场。挟新王登基之势，谋定而后动，连下三城。

2008年，以2.27亿美元收购Synplicity，间接获得IC物理原型验证系统HAPS(High Performance ASIC Prototyping System)，首战告捷。

2009年，收购德国同行proDesign公司的软件部门ChipIT，进一步向SoC芯片调试验证，昂首挺进。

2012年，以白武士身份，解救深陷专利诉讼泥沼的法国EVE公司，传闻的并购价格为3-5亿美元，虽然相对最贵，但多被同行认为，反而是新思捡了大便宜。

其硬件仿真(Emulation)工具强大的软硬件协同调试验证能力，更是天生具备。

至此，用收割小诸侯“点工具”的方式，连同其原有的看家本领数字仿真器(VCS)，在数字验证的全流程产品矩阵，快速搭建完成。

再加上同年收购宝岛上市企业台湾源笙，拥有IC设计“最好用”调试工具Verdi软件后，更是锦上添花，为用户提供统一的数据共享平台。

用现在更有范儿的行话，是验证调试底座。

作为对比，直到2015年，铿腾电子才推出Indago软件，功能趋同的竞品。

再过7年，芯华章研发的昭晓软件，以及合见工软同年发布的类似同款，与铿腾同样的心思，看齐新思。

从计算机体系结构的视角，硬件加速为整个系统带来的收益，大道至简。

不管是EDA行业仿真加速，还是其它领域，包括数据库处理、云端两侧数据在内的所有算力加速应用，都遵循阿姆达尔定律(Amadahl's Law)。

用FPGA加速数据处理，古来有之。

而遍地开花之势，从千禧年的只是“智者见于未萌”，现已成为异构计算时代，硬件加速市场上的主角之一。

就像是《西游记》里的菩提祖师，师傅领进门，至于使用芯片的用户，能否在各个垂直细分领域，闯出些门堂，成就如何，皆看各自不同天赋造化。

既是芯片硬件，也能够像软件一样编程使用的FPGA，芯片内部“数据仓库”的应用变身之术，远不止“怀揣”72项绝技的齐天大圣。

用FPGA芯片实现的硬件加速，是技术活，也是堆人手、做预制菜大餐的体力活。

不能授之与渔，那就授之鱼，直接上桌。

后续跟进的众多初创企业，把“硬件编程难度大，开发周期长，从业人员少”作为行业痛点，再从中定位自己公司的创业G点，已有多年。

开发人员对实现的应用创新大张旗鼓，但对于系统内部使用的FPGA，往往保持秘而不宣。

FPGA因仿真加速而生，算力加速而兴，AI加速而盛，老而弥坚。

随著对未来生活的无限美好想象，人们用芯片构建更加智能二进制数字世界，软件为王的异构计算时代，呼啸而来。

心有猛虎，细嗅蔷薇的创业者，先声夺人。

01

烽火聚诸侯

信息化进程越深入，数据规模就越是巨量。

2020年时，全球产生的数据量已达到40ZB，约等于整个地球的所有沙滩上，全部沙粒加起来的47倍之巨。

如果还像以往那样，只依赖CPU芯片算力，越来越不堪重负。

以前计算性能每两年翻一番的摩尔定律，已成过往。

近年的性能提升，仅在3.5%上下，以至于巨头英特尔被调侃为就像牙膏厂。

改为使用其它芯片，对CPU不擅长的计算任务，进行部分卸载，或者是接管后直接处理，成为整个IT行业的长期应用需求趋势。

把数据作为土地、劳动力、技术、资本之后的第五类生产要素，现在已成共识。

如果要等到权威机构先发布结论，然后再“顺大势”，有所作为，则时日尚早。

比如国家发改委把全球在2000年-2010年的数据，归纳总结为提升生产力的“信息有效论”阶段，是六年前才发生的事情。

用硬件加速数据处理，能够像巨头铿腾电子那样，拥有性能最优的专用DSA芯片——帕拉丁，在仿真加速市场独步天下，当然最好。

但也有可能像分子动力学模拟的安东(ANTON)处理器那样，最后变成独孤求败。

被称为量化投资之父的传奇亿万富豪，专为加快新药研发打造，与帕拉丁一样昂贵，性能宇宙最强。

不同的是，现在用户寥寥。

只有David Shawn自己参与投资的两家药企，还在捧场使用。

远没有帕拉丁同行，明导公司那样的“壕”：

大企业是高举高打，用系出名门的成建制团队，按部就班，整体向前推进，有所不同。

少数资源受限的初创企业，小步快跑，改为直接压榨FPGA的既有本能。

将其定制设计为面向领域应用的“DSA”。

无需流片制造即可使用，快速产品市场适配，生于MVP，成长在PMF。

哪怕只是习得欧阳锋版本的九阴真经，逆向修炼，倒立行走，功成之日，一样是纵横四海。

提供仿真加速器的EVE公司，成为其中的佼佼者；提供大数据处理设备的Netezza公司，在算力加速市场，同样是功成名就。

两家初创，都是在2003年，成立三年后正式向市场发布首款产品。

前者在EDA硬件辅助验证市场，异军突起，到被新思科技收购前，仅屈居铿腾电子的帕拉丁之后，在仿真加速市场排名第二；

Netezza公司的大数据一体机，鼎盛时期，性能直接吊打Oracle(甲骨文)Exdata，SAP HANA等巨头的行业竞品，在数据库行业的这个利基市场，傲视群雄。

2003年推出首款NPS8000系列新品，2007年纽交所IPO，2010年被$IBM Corp(IBM)$ 并购退市。

身处存储数据的首个高速增长期，成就也更大。

2011年进入国内开展业务时，已经服务了包括日本NTT，纽约证交所，万豪酒店等在内，超过500家不差钱的大客户。

让直接受益于IBM公司反垄断案的软件巨头，国内去IOE行动的第二个主角，紧随IBM之后的Oracle公司，也眼红不已。

收购消息正式发布之前，一贯高调的创始人Larry Ellison曾发表评论：“Netezza是我们大数据一体机的灵感来源，并促使甲骨文进军硬件业务"。

被众媒体解读为，Oralce公司也要加入收购战，会像仿真加速市场那样，明导和铿腾电子，共同争夺Quickturn，重演两强相遇的商战大戏。

物以类聚，如果只从外观上看，Netezza天生就长着软硬件紧密绑定，专为大客户服务的模样，恍如IBM大型机巅峰时代的影子。

与仿真加速市场上，流淌IBM血液的帕拉丁，更像是同胞双生兄弟。

出走长成的帕拉丁，在EDA硬件辅助验证市场上，光宗耀祖；2010年被收购的Netezza大数据一体机，在数据库行业，则像是归宗认祖。

成就Netezza极致性能的关键，在于“构建专用高速通道，将无关数据过滤90%以上”。

换而言之，就是把数据绕过CPU，以过顶传球的方式，直接用FPGA硬件速度，在更靠近数据源的地方，就近就地消化处理。

此后几年，国内擅长FPGA硬件业务的科技巨头，陆续渐次登场：

2014年3月，国内公司推出云海金融大数据一体机；

2015年6月，以及跟进发布其研发的女娲大数据一体机等。

著名的Flynn分类模型，将计算系统划分为指令流、数据流两个独立维度，是解释大型机并行加速的基础。

计算机体系结构泰斗Michael J.Flynn教授，对这场以FPGA为主角的硬件加速盛宴，自然也不会缺席。

2003年，与得意门生Oskar Mencer一起，联合创办英国Maxeler公司。

同样是以FPGA芯片为起点，但采用的技术路线，完全不同于市场上，已经完成产品首发，已经走在前面的两家硬件加速公司。

而是更有些类似帕拉丁，借由布尔方程并行化带来的硬件加速能力。

通过公司独立研发的编译器，充分利用FPGA独有的高带宽、低延迟优势，把金融、证券、气象等行业的应用软件，直接硬化到芯片上实现，用FPGA硬件速度完成。

尤其擅长对金融行业的数据，进行加速处理。

能够将复杂金融信用，以及利率衍生品的定价和风险评估模型，单个计算节点加速220倍以上，堪称独门绝技。

客户棘手的问题，就是企业绝佳的机会。

金融行业巨头JP摩根，租用存放服务器的机房，位于帝国大厦夹层，空间有限，寸土寸金，扩容不易。

到了2007年，其用于实时在线交易的数据分析，还是只能以离线方式完成。

改为采用Maxeler公司硬件平台，把以往需要耗费长达7小时的离线数据分析任务，用在线方式仅需12秒完成，整整提升2100倍。

与EDA硬件辅助验证行业鼻祖Quickturn公司，因大幅加快英特尔奔腾5调试验证的成名经历类似。

就此在华尔街一炮而红，名利双收。

2011年，双方的此次跨界合作项目，获得金融技术创新奖。

2013年，获得SGH Capital对其进行200万美元的风险投资。

这也是从2003年初创成立，到2022年3月被收购，仅有的融资记录。

收购方Groq公司，软件定义AI芯片。也是新思科技硬件仿真工具(ZeBu)的大客户，独角兽排名前5。

2014年，新思科技和中国金融期货交易所，一前一后来到复旦大学，与从事国产芯片研究的CAD实验室，进行交流。

也预示FPGA硬件加速的应用市场，从仿真加速开始发端，继续向算力加速发力。

长期以来，FPGA芯片应用行业分散，用户使用数量少，后来成就龙头地位的赛灵思公司，初创时主要面向教育和仿真加速市场提供芯片。

出于市场容量过小，增速有限以及芯片自身技术特点等原因，EDA巨头对其专用开发软件，长期兴味索然，各芯片厂商，只能独立研发支持自己旗下芯片器件的专用EDA软件。

作为“平民版”的ASIC，用户的FPGA应用设计，是以“位流配置”方式，来实现对"自己芯片"内部硬件电路的定制。

相应的，厂商为用户提供的专用EDA软件，麻雀再小，也是五脏俱全。

涵盖synthesis(综合), timing(时序分析), place and route(布局布线), bitstreams(位流生成)等各个环节。环环相扣，紧密衔接的“全流程”服务。

需要提供从RTL设计、综合、仿真、布局布线、位流生成等前端设计环节，贯穿整个设计阶段的全部流程，这与需要流片生产的超大规模ASIC芯片，在设计开发所需的硅前(pre-silicon)调试流程，完全相同。

其中，赛灵思对开源工具的态度，更为友好，对第三方EDA软件，也相对开放，可以有限度的融合使用。

在所有厂商的Synthesis、Timing级别，以及数字仿真器(Simulation)等方面，传统EDA三巨头，以及美国阿尔戴公司(Aldec)占，有一席之地。

但进入到布局布线阶段，一定都是各个FPGA厂商自己的独门绝技。

作为位流生成前的最后一个编译环节，因与芯片结构等核心技术紧密相关。只能是芯片厂商自己的团队，独立研发。

作为用户最宝贵的核心资产，对位流数据进行压缩、加密、签名后，再载入到芯片，也就完成了“定制芯片”的设计过程。

除了IC设计的验证工程师，绝大多数工程师在应用开发过程中，使用的“有限”EDA工具，更像是芯片厂商的“恩赐”，有得用，没法选。

They are at the mercy of the vendor

这样的模式持续到现在，各个厂商的专用EDA软件，彼此既不通用，更不兼容。

即便有些FPGA厂商的芯片，设计开发环境可以“融入”Xilinx、Altera等头部厂商的软件生态，但也必需对位流“打补丁”，才能真正实现将用户设计与自家芯片的“适配”。

完成DSA/ASIC芯片定制配置的“流片”生产过程。

换而言之，对FPGA应用开发的芯片设计，就像挖掘深藏宝矿，芯片用户的工程能力各异，商业成就也会各不相同。

硬件辅助验证的鼻祖Quickturn公司，是用FPGA的硬件速度，对仿真过程进行加速，所以赋名硬件仿真。

作为新增的EDA服务品类，也打开了全新的市场空间。

中途换道，获得IBM专有技术授权，并在铿腾电子手中，持续发扬光大。

西门子收购的明导，则是继续向前推进，但改用自己定制生产的专用经典架构FPGA完成。

相对于两位江湖前辈，ZeBu则是另辟蹊径，逆向思维，从原型验证向数字仿真靠近，且使用的是商用芯片，更具成本优势。

相应的，其市场跟随者也最多。

除了铿腾电子的Palladium、明导的Veloce之外，商用高性能SRAM FPGA，已成为提供仿真加速服务的EDA供应商，在硬件辅助验证市场的“芯片共主”。

近年来，将两大仿真功能进行融合的服务理念，现已渐成行业风气。

2022年9月，新思科技推出其首款硬件仿真与原型验证统一硬件平台(Zebu EP1)，在十亿门级硬件仿真系统，也新添加了原型验证功能。

即便不考虑与硬件平台紧密绑定的调试验证软件，只看硬件板卡设计制造能力，也同样存在行业鄙视链。

仅是把FPGA能顺利启用，就可称为高手；还能制作板卡，再升几个级别。

用大容量芯片制作板卡，所需技术，自然会比使用小芯片设计的单FPGA板卡，高明不少。

所以EDA硬件辅助验证市场的玩家，明显更胜一筹。

能够把多块FPGA拼接成“严丝合缝”的巨幅画卷，为用户提供海量的空白门海阵列，对于众多FPGA应用工程师，就像是远在天边的八仙过海。

谷歌曾把FPGA的硬件编程应用，吐槽为像近海底层活动的肉食性鱼类，鮟鱇鱼的味道，虽然无比鲜美，想要做成美味大餐，殊为不易。

与微软把硬件加速数据处理的希望，都押宝在FPGA不同。谷歌在吐槽之余，转身就推出自家的专用ASIC芯片，大名鼎鼎的TPU。

在被新思科技收购之前的2010年，EVE公司的第一代ZeBu-Server，最大可支持1亿门，单块板卡就使用了多片当时容量最大的FPGA。

再将数块板卡连接成统一硬件加速平台。

尽管是2010年的产物，支持千万门级的小规模设计，四年前的使用租金，仍保持每月45000元的高位。

而在更早的2001年，IKOS公司的硬件仿真系统，只支持更小规模500万门的设计，其广告语是“租金低廉”，每月的仅需40150美元，超过320000元人民币。

德国PRODESIGN公司，先把软件部门卖给新思，再将硬件部门出售给西门子，2021年6月后，仅保留服务高性能计算的板卡定制业务。

芯启源公司2022年发布的第二代原型验证产品(MimicTurbo)，其硬件平台，与数据中心使用的标准加速卡，已经非常接近。

美国阿尔戴公司更彻底，把硬件仿真、原型验证、高性能计算三大功能，共享同一块单FPGA板卡，与数据中心、服务器使用的标准加速卡，几乎没有差别。

现在一块通用板卡，与以往高端专用的仿真加速器相比，同样可支持千万门级以上的应用设计，在AMD官网上的报价，是2965美元，不到23000元。

硬件成本的大幅度下降，以及硬件技术的标准化和模块化，使新思科技在2011年的预判，正一步步成为现实。

单FPGA芯片规模大幅增加，使得调试验证，正在超越其它设计分割、管脚时分复用等专为超大规模IC设计服务的专有技术，成为EDA硬件辅助验证厂商的核心竞争力。

Debug automation technologies that have rapidly extended beyond must-have partitioning , pin multiplexing, increase debug capabilities of the prototying

-- Finding Hardware Bugs Faster with Full Visibility Debug

用技术源于芯片厂商，二次创新后"高于"原厂的调试验证软件，绑定在定制提供的FPGA硬件卡板/设备上，帮助用户提升开发效率，加速IC设计左移。

硬件加速一切，软件"吞噬"世界。

与法国EVE同时代初创的英国Maxeler公司，同样横跨FPGA硬件加速的不同时代，更多是“偏安一隅”。

作为典型技术类创业公司，一体两面。

既可以说成长体量有限，也可以称赞其自身拥有造血能力，属于精益创业。

技术创新为表，但不再是租值掌控为里。

法国EVE公司的创始人，把硬件仿真工具卖给新思科技之后，似乎还有些意难平。

又是只相隔三年，再次启航，2015年创办Mipsology公司。

旨在把GPU的加速程序，无缝移植到FPGA上。用移植后的计算引擎，加速卷积神经网络推断。

从仿真加速器ZeBu的“追求零缺陷”，到人工智能加速器Zebra的“使用不费劲”。

From Zero Bug to Zero Effort

这次所处创业赛道，虽然升级到更热门AI加速，但几乎复刻了在仿真加速市场的成长路径，A轮融资600万美元。

其中的200万，还是参加政府组织的创新创业大赛，拿到的项目奖金。

在航天领域，SpaceX星链的低成本理念，在地面也已显现。

2021年，汽车行业巨头瑞萨电子切入市场，首次推出的ForgeFPGA定价，低至50美分以下：

无论是物联网，还是在任何需要的地方，提供所有的数据处理。

02

诸神的清晨

1998年，明导发起的可重构专利诉讼中，法国元宇宙公司(Meta)浮出水面。

1993年，Meta向法国国防部交付了首款硬件仿真工具；次年3月，正式向市场推出系列SimExpress商用产品。

由于难以获得外部风险投资，决定将自己委身于更为成熟的同行大公司。

消息一出，两家美国上市企业都表达了强烈的收购意向，但法国政府只同意出售给明导，直接排除了行业新贵Quickturn公司。

为日后两家公司恶意并购与反收购，提前点燃导火索。

单就EDA硬件辅助验证服务象限，国内是未雨绸缪，防患于未然。

被众多EDA公司重兵争夺的汽车电子，也被视为将是比手机更大的智能终端，下一个应许之地。

对于汽车电子用户所要求的功能安全和可靠性验证，遵循的是行业标准ISO26262。

在航天航空军工等关键且重要领域，对功能安全和可靠性验证需求，则近乎成为一种信仰。

赛灵思推出初代Virtex芯片的同一年，就联合JPL实验室成立单粒子效应测试联盟(Single-Event Effects Consortium, SEEC），2000年，将其进一步正式升级为的商业化组织。

Xilinx Radiation Test Consortium (XRTC)

使命定位为帮助境内联盟成员更高效进行系统调试，解决FPGA应用设计和产品开发中的问题。

毕竟，不管是作为主处理器，还是核心关键组件使用，FPGA是出了名的设计开发难度大，对大容量芯片的测试验证难度及所需工作量，随之同步增加。

"用户的学习曲线陡，先熟悉不少硬件知识。而且对小白不太友好，得有FPGA基础才行。"

再加上软件在内，软硬件紧密耦合的复杂系统，更是难上加难。

FPGA的强大，除了器件本身外，还与EDA工具的使用密不可分。

按照赛灵思公司在年度质量报告提供的数据，在2011年时，XRTC已经服务了境内超过100家联盟成员单位。

随着赛灵思高性能SRAM FPGA在空间领域逐步得到认可，从作为几代火星车的关键组件使用，到扮演在轨数据的主处理器角色。

包括在美国航天航空局一系列的空间探索中，屡立战功的SpaceCube空间高性能计算机，以及现在以Startlink为标杆的低轨卫星数据处理平台。

XRTC大型设备一直作为坚实基座，涵盖的服务包括：

尽管功能强大，但对包括像雷神公司这样不差钱的终端用户，还是过于厚重。

特别是作为行业黄金法则的辐照试验，价格昂贵不说，每次需要花费数月进行准备。

一旦失败，付出的时间成本、经济成本不菲。

由此以XRTC作为参考基石，研发更轻量的故障注入测试软件。目的是提供轻量化，成本更低的解决方案。

具有快速，高效，且测试粒度更精细等特点。

并且对用户待测FPGA设计的性能、资源使用不会有任何影响。

在工程实用性方面，并非作为项目性质的概念验证框架。而是既能服务日常的应用设计开发，也能与辐照实验无缝融合。

在应用设计过程中，通过故障注入测试，减少“过度防护”带来的性能损失，成本开销，在FPGA可靠性、运行效能、设计成本三者之间进行权衡。

使用更方便，并且成本更低。

从大型专用设备，昂贵复杂的硬件平台，向轻量级进化，已经渐成趋势。

对于航天高性能计算处理，同样如此。

在太空恶劣环境的影响下，不管是CPU还是FPGA，昂贵的抗辐宇航级芯片，通常会成为首选，但性能会受限。

采用普通的商业级FPGA打造的空间高性能计算机，首次亮相就很惊艳。以低成本方式，提供关键交汇对接信号，完成哈勃望远镜的维修任务。

获得NASA的年度技术创新大奖。

如果使用传统的抗辐射计算机，完成同样的工作，需要多达25台。

后续拿奖拿到手软，现在已迭代升级到第三代SpaceCube 3.0，越走越远。

面对下一代航天设备，将以超高采样率工作，带来的数据爆炸的问题。

传统开发抗辐射宇航级处理器芯片(radiation-hardened)的路线也不再奏效……在工艺和计算性能上至少落后两代。

在现有主流使用的芯片算力比较中，FPGA表现相当亮眼：

Microsemi的抗辐芯片(RTG4)，是传统抗辐CPU的1个数量级以上。

赛灵思公司的耐辐射芯片，又是前者的数十倍，可预期的性能优势，还将进一步拉大。

好消息是，在杭州11月的智芯2024年会期间，也有国产厂商公开展出新品，采用三维堆叠架构的某型号FPGA，在可比条件下，8位整型操作的峰值性能为21.3TOPS，是SpaceCube 2.0使用芯片，AMD Ku060的6倍有余。

SpaceCube采用异构处理方法，融合抗辐器件以及商用FPGA模块，同时以一种创新的架构，最大程度利用芯片内部CPU、DSP和LUT的处理能力。

在轨处理能力提升一个数量级以上。

“找到一个中间地带，利用地面商用处理的高端处理能力，使其在空间环境下，能够可靠执行科学数据处理任务。”

获得可接受的可靠性和安全性。

对于科学数据处理，如果每隔一段时间出现一个坏的像素点，或者你必须重新进行复位重启，当然也能接受，只要能够获得100倍以上的性能提升。

不管是体制内的SpaceCube，还是纯商业运营的Starlink，更多用户正在接受这样的现实：

辐射引起的“小问题”可能偶尔会发生，只要恰当处理就行……通过巧妙的系统设计，可以实现任何级别的高可靠！

借用戈达飞控中心嵌入式部门(Embedded Processing Group)2020年所说的，FPGA可重构计算能力，本身就意味着低成本大节省

在NASA的诸多下属机构中，戈达飞控(GSFC)远没有专接大项目、大合同的JPL那样名声显赫。其任务多集中在航天器的在轨运维、燃料加注等“非核心”任务，与"卫星测控中心"较为类似。

SpaceCube项目启动伊始，经费预算有限，时间有限，如果按照NASA一直以来的防护设计思路，将成为不可能完成的任务。

有点被迫向市场找饭吃的意思。

在获得NASA技术创新大奖之后，其负责人Tom Flatley接受“技术简报”访谈时的原话：

“我们是在类似洛克希德-马丁(LMT)“臭鼬工厂“的创新环境下，实现同一类设计方法和策略。就像我们对于更大的系统所做的那样，只是没有那些大型卫星中的管理流程开销。”

以前是不计成本保可靠性，可以花长时间精心打磨产品，现在则是低成本、批量化、快速生产部署。

相比处理模块中的器件等级，健壮的架构和测试工具能够为最终产品注入更多信心。

2017年，美国航空航天局戈达德飞控中心发布消息，将空间高性能计算机先进的异构计算架构、核心专利技术等，授权给Genesis公司，迈出商业化的第一步。

除了继续执行政府机构的太空任务，还能使得那些利用更低发射成本，小型卫星技术探索太空领域的私营企业，也能受益。

提升数据处理效能，满足成本和可靠性要求。

再往后，低成本的创新理念和技术应用，更为极端。

空间也开启了弹性计算模式。

2020年，一家名为"Resilient Computing"的公司初创成立，2021年获得NASA的种子轮投资。

曾经是NASA 戈达德飞控中心的合作伙伴，目标是为小卫星和月球探测提供"经济适用"型计算解决方案。

同样是直接使用地面级别的商用FPGA芯片，通过系统结构设计，再搭配自修复软件，就进化成了小卫星数据处理平台的“ASIC芯片”。

Domain Specific Architecture

用更便宜廉价的普通工业级Artix-7 200T FPGA，构建空间领域的高可靠“DSA芯片”。

低成本设计理念一直在延续，在商业航天时代即将结出硕果，进入大面积丰收期。

而把成本理念发挥到极致的，莫过于独创“白痴指数”的现代东方朔，美国侯任大统领亲密盟友兼科技狂人、新型交通工具的绝对爱好者，喷客个性人、网红马斯克。

旗下SpaceX龙飞船主控系统的芯片组，仅花费2.6万元，还是人民币。

如果沿用传统的抗辐射计算机，单个控制器可能就需要500万，整套系统是1.4亿美元。

两者的成本差异，高达5384倍。

正准备独立IPO的Startlink卫星，据说单星成本还不到1000万元，未来还能进一步继续降低。

FPGA应用市场，呈现两头冒尖，中间体量庞大的橄榄形。

既有对价格最不敏感的硬件辅助验证，不计成本保障可靠性安全性的航天航空和国防军工领域，中间是体量巨大的追求高性价比各个垂直细分行业客户。

在整个设计链条中，各司其职，在行业用户遵循的安全设计IEC61508标准，芯片厂商的工具是核心，但也只是一部分。

这是由厂商器件及专用EDA、用户自身，以及第三方工具（测试设备/EDA软件）共同组成的生态，组合应用，才能将风险将低至可“容忍”的范围。

EDA公司最新的仿真加速器，主要服务不计成本，追求效率至上的IC头部客户。

硬件仿真工具采用14nm工艺的UltraScale+ 19P是主力，原型验证则升级到了更先进的VP1902。头部EDA厂商，更是将两大仿真加速功能合二为一，如新思科技的ZeBu EP1。

国内也有新华章2022年底推出的Prohua E2P，以及华大九天投资参股的亚科鸿禹，业内首创，更早推出的SeMu等，支持的某国产FPGA型号。

同样是以故障注入方式，加速系统失效，但IC设计硅前验证和FPGA应用开发调试验证的差别，区别不止是芯片代际不同。

同样是在FPGA板卡上使用，但功能有异同，好似关公战秦琼。

EDA行业排名前三的公司，很多业务重合，为争夺市场份额，难免会放下矜持，偶尔发生专利诉讼等不和谐场面，彼此一团混战。

既棋逢对手，势均力敌，也身心俱疲。

转念一想，哎哟不对，突然停手，对原本旁观看热闹的老四，合力就是一顿围殴。

继三巨头之后，FPGA头部厂商都为其仿真器开放接口的阿尔戴公司，似乎是个例外，业务相对更加多元化。

作为航空领域DO-254专家，到2015年时，采用其物理验证解决方案的客户数，就已经超过50家。

在全球累积服务的客户数多达35000家。

软件"吞噬"世界的背后，是软件定义一切带来的无限可能。

精密软件定义仪器

Precision Software-Defined Instrumentation

同年，在不被大众熟知的测试测量仪器赛道，一家名为Liquid Instruments的澳大利亚初创公司，浮出水面。

宣布完成了2850万美元B轮融资，估值超1亿美元。投资者包括军工巨头旗下的投资机构Lockheed Martin Ventures。

在工程测试领域，过去主要使用的是硬件测试仪器，需要购买多款测试仪器对应不同的用途。测试系统复杂，配置时间可能高达几个月。

利用FPGA芯片的处理能力和可重构性，提供"多合一"测试仪，显著降低成本。

相对于国家仪器NI，是德科技KeySight等传统玩家，采用差异化竞争策略，小荷已露尖尖角。

比传统测试设备更快、更小、成本更低，并提供更好的灵活性。

Liquid Instruments公司产品显著竞争优势在于，将大部分测试过程从硬件迁移到软件上，建立了一种新的测试设备。

这是已经吃惯了提供昂贵笨重“硬件”设备，追求“高精尖”的头部厂商，不能具备的能力。

但在领投的VC机构看来，其瞄准的是一个"缺乏创新和想象力，却非常重要的市场"。

并寄希望于随着时间的推移，将使更多的行业受益，公司具备“能够颠覆传统的测试和测量领域，领导行业完成从硬件到软件的急需转型” 的巨大潜力。

软件定义武器

国防独角兽Anduril，2017年的初创，营收数亿美元，去年8月最新估值超过140亿美元。

能赚钱的原因也很简单，让政府看到了商业公司用新技术改造保守传统行业的可能性。

传统你为王：

军工巨头，国防承包商注重硬件，生产大型、昂贵、重载的武器系统；

创新我做主：

核心产品是软件，构建软件定义和硬件启用的能力，重点是协调所有的传感器和武器系统，做“点石成金”的军事组合。

“我们不是试图造最精确的雷达，而是制造一个廉价、超级有效的软件系统。”

即大量更小、成本更低的自主系统组成的武器。

Palmer Luckey与Peter Thiel趣味相同，都是魔戒的死忠粉。

公司名出自”魔戒“，主角阿拉贡指挥与索伦对战的那把宝剑； Palantir是书中的水晶球名称，公司产品取名也大都是取自魔戒。

创始人也是相当凡尔赛，"进军国防工业并整出点大动静，只有像我这样的亿万富豪更能成功，几率100%。过去30年中，只有3家国防科技公司成为了10亿美金独角兽，Palantir，Space X和我的Anduril”

创始人在把Oculus VR以20亿美元卖给了Facebook后，抓住了国防科技变革的造富浪潮，是福布斯AI公司TOP 50中的第二家国防科技初创。

已获得美国国防部合同和英国、乌克兰、澳大利亚等国的交易机会，进入收获期，渐成气候，獠牙初长成。

就在1月3月，与洛克希德马丁、雷神等军火商，被列入商务部发布的美企不可靠实体清单。

如果说硬件是软件的基石，软件则是硬件的放大器和倍增器。

仿真加速器Zebu的创始人，亲自创办三个公司，在FPGA不同阶段的硬件加速市场，翻江倒海。

上世纪90年代初的Meta，2000年的EVE，以及现在的Mipsology公司。

同样的异构计算，不一样的硬件加速应用。

把时间轴依次展开，FPGA作为系统硬件模块(FPGA)，加速器(FPGAAAA)，以及AI加速器(FPGAAAAA)三个应用阶段的转折点，正好是市场规模的两次跳涨点。

2003年算力加速器初创Maxeler公司，在2022年被软件定义AI的新贵公司，以450万美元收购。

并购方Groq现在头顶的标签，是AI芯片独角兽，已累计融资3亿美元，只花费融资额的1.5%，450万美元就将其整体并购。

收购原因之一是公司创始人在学术界、政府机构、以及工业界，已深耕多年，拥有丰富的资源。

能够为Groq将来的硬件平台，带来更多的市场新机会。

一方面称赞标的公司对高性能计算和机器学习的数据流方面理解，可能比业内任何人都深。同时直言，Maxeler在金融风险分析、气候建模、量子计算模拟等领域，对客户问题的洞察和Know-How，实际上是作为咨询服务出售的东西。

话锋一转，极力表明不会像仿真加速市场的明导那样，走专用FPGA芯片路线。

在近二十年里涌现的诸多明星初创，如果再加上独缺的俄罗斯，联合国安理会5大常任理事国聚齐，只是都再没有一票否决权。

软件定义AI加速

法国EVE公司创始人，2015年创立Mipsology公司，直接放弃最擅长的用FPGA板卡提供仿真加速业务，而用软件进行编译转换，把运行在GPU上的CUDA程序，无缝移植到芯片原厂在数据中心推广使用的标准加速卡上。

2022年，Mipsology被$AMD(AMD)$ 收购，扩展AI加速的软件生态。

这本来就是FPGA的既有强项，以数据中心优先的赛灵思，7年前对AI加速应用寄予厚望。

2022年底，以ChatGPT为代表生成式AI大模型的横空出世，相对于绿厂GPU的一骑绝尘，不只是FPGA，就连CPU都显得星光黯淡。

按照巴克莱的定制行研报告，数据中心AI推理，将比AI训练市场体量更大，增速也更快。

作为国内AI芯片四小龙之一深鉴科技，成立2年被收购，赛灵思花了数亿美元。

与Maxeler公司一样，作为典型技术类创业，两家都同样擅长硬件加速，并且都拥有自己独立研发的编译器。

公司估值，相差100倍左右。

并非赛道不同，也无需“时来天地皆同力，运去英雄不自由”的感慨。

对于Maxeler公司，更像是技术的诅咒。

创始人作为顶级的技术大牛，公司创立之初，就立足于为金融、能源、生物等行业的大客户，提供高级解决方案。

与之不同，深鉴科技则是把人工智能，所需的海量算力，压缩到低成本的FPGA异构平台上，高效实现。个体仅是出于兴趣爱好，也能使用。

旧时王谢堂前燕，飞入寻常百姓家。

AI平民化的帷幕，徐徐拉开，异构计算普及化的大戏，走上前台。

或许正像科技纵览杂志(IEEE Spectrum)在评论航天电子未来发展趋势所说的，过去我们认为理所当然的一切，比如做事的方法，可接受的理念，以及最佳实践等，现在都受到了质疑。

无论是地面，还是在太空，软件带来的低成本、规模化无处不在。

我们身处技术普惠、算力平权、点石成金的创新变革时代。

变化正在发生，一切皆有可能。

此为行业回顾系列文章的第二篇。

全文完，感谢您的耐心阅读

∷参考资料∷

[1] 彭澄廉教授，国防科研三十年, 复旦大学

[2] 陈仁甫研究员，蓝图汗透少年白头志依旧，华东计算技术研究所

[3] Johu L. Hennessy and David A. Patterson，计算机体系结构：量化研究方法

[4] Marc Lassus&古文俊，芯片陷阱

[5] SpaceCube 3.0: A Space Edge Computing Node for Future Science Missions, MacKinnon J.P. etc.