（文章來源：EET）
? ? ? ?新工藝成本激增的速度，在行業平均的復合年增長率幾近持平的情況下，那些市場規模足夠大的參與者才有機會持續獲利?！蹦軌虺惺?000人/年設計成本的行業其實不多：手機是一個，因為更換頻繁；電腦CPU也是，畢竟電腦也是要更新的；存儲器是一個，它很特殊，數據中心等領域都需要存儲，而且不嫌多；另外，游戲需求加上AI機器學習、深度學習的需要，所以GPU也是可持續的業務?！?/p>

FPGA在這個過程中，實際上是比較特殊的存在?！拔覀兊目蛻舾餍懈鳂I的都有，每個客戶拿FPGA去做不同的東西，成本會被大家分擔掉，而且每個客戶也就不需要花很多錢?？偟氖袌鲎屛覀円材軌蜃呦氯ァ！?/p>

如今出現了一些新的推動力，比如5G、自動駕駛、AI，它們都被認為是半導體行業的重要驅動力和新的機遇。不過這些行業是否如很多人所想的那樣會那么快。

“其實每一代移動通訊技術基本都做了10年，而5G恐怕連10年都不止?，F在大家都在做sub-6GHz的部分，而且現在主要是NSA（non-standalone），借用4G的架構和基礎設施。將來4G基礎設施都換成5G，才能達到5G預期的延遲（laterncy），之后才會考慮毫米波部分的發展?！?/p>

“5G最大的挑戰是大量的投資資金，錢需要從更新的應用中來；所以要解決錢的問題，最終還是要靠時間。5G大概需要很長時間才會慢慢成熟起來。”

“AI、自動駕駛也是很熱門的話題，但汽車的可靠性、質量要求遠高于其他領域。PPM每高出一點，就是關乎許多人生命安全的問題。而且自動駕駛的成本，未來還要求做到比傳統技術更低，一般人才會愿意去購買自動駕駛汽車。但要求高可靠性，成本就會很高。這之間形成矛盾，整個轉換過程會很漫長?！?br /> “應用場景也好，架構也好，其實一直都在變?！?/p>

“賽靈思是希望，當你沒有4000人/年的設計成本，沒有上千萬、上億的市場時，你也可以做自己需要的domain-specific的芯片，我們可以讓你做到。你可能只需要400人，甚至40人就可以做出來?！薄岸斆看螆鼍啊⒓軜嫲l生變化的時候，你也不需要再用4000人/年去重新做一顆芯片，而只需要花20分鐘，重新編程，重新修改?！?/p>

“等到自動駕駛汽車、5G這些市場真正成熟以后，市場規模足夠大了，10-20年以后，部分行業參與者那個時候要開始做自己的專用芯片，那是可以的。不過即便到那時，即便達到Nissan、Mercedes的市場容量，做專用芯片是否劃算，是否可持續成長，都將一直是挑戰。”顯然在賽靈思的眼中，摩爾定律的放緩甚至失效，以及3D-IC異構集成為摩爾定律的“續命”，都是FPGA發展的重要機遇?；趦蓚€原因：一是domain-specific成為推動特定行業、領域發展的關鍵詞；二是半導體從設計到制造成本越來越高，一般的行業和企業都難以承受。以及在5G、自動駕駛等新興行業尚需發展時間的情況下，這些都讓FPGA成了優選。