“今年进博会给我的感受是，AI在产品中的应用比去年又进了一步。”
第九届进博会期间，全球第三大FPGA(可编程芯片)供应商莱迪思半导体（LSCC）亚太区总裁徐宏来在接受包括21世纪经济报道记者在内的媒体群访时表示。受访当日，他刚在展馆里走了一圈，第一感觉是“展品更丰富了，AI赋能的产品也更多”。
在徐宏来看来，AI产业链正呈现“云端已兑现、边缘在路上”的格局：云端AI已为莱迪思带来可观的业务增长，而以机器人、智能工厂为代表的“物理AI”，则是下一个值得提前布局的增长点。
(莱迪思进博会展台，企业供图)AI工具是否会受算力成本影响？
FPGA芯片的特点是灵活、可编程，响应速度快、延迟低，但开发门槛长期偏高。莱迪思试图用AI来降低这一门槛。
今年9月，莱迪思推出AI工具Lattice Prompt1.0，开发者可以用自然语言提出需求，而不必先具备RTL编码能力。徐宏来介绍，1.0版是第一步，主要是让莱迪思自有的Radiant开发工具与大语言模型顺畅连接；当时，莱迪思的器件、参考IP和设计经验尚未充分纳入其中。
“最近推出的更新版本，把这些知识和能力进一步加了进去。客户在开发时，除了使用大语言模型，也能用到莱迪思积累的独有经验。现在已经有客户开始使用，反馈相当不错。”
不过他也坦言，客户需要改变原来的使用习惯。“过去大家可能只想着用AI自动生成代码，现在更重要的是把自然语言要求写清楚，让工具准确理解，避免误解。”
目前，该工具可以帮助处理RTL编码、时序优化等工作；在展台上，莱迪思还演示了用AI辅助把代码部署到开发板上并逐步定位问题。“我们的目标是把这些环节连起来，让FPGA开发更高效、门槛更低。”
对于这款需要连接大模型的工具，徐宏来并不担心算力与成本问题。在他看来，工具主要涉及推理，客户不需要自己训练大模型，且工具可以连接不同的大语言模型，不限定某一家，“客户也可以选择成本更合适的模型。”
当被问及未来大模型使用成本上涨是否会影响莱迪思毛利率时，徐宏来的回答更加直接：“我不认为会有很大影响。这个工具帮助客户提高开发效率，让产品更快进入市场，它带来的价值远高于模型的使用成本。”数据中心是增长基本盘：从板级管理走向机柜级管理
在莱迪思的业务版图中，数据中心是近年来增长最快的一块。
徐宏来介绍，AI应用可分为云端和边缘端，“最近几年，我们业务增长很大一部分来自云端。国内的云服务商、服务器厂商和ODM都在大量使用我们的FPGA，主要用在控制链路上，包括CPU、GPU、板卡上其他芯片的上电与温度管理，以及液冷系统的漏液监测。”
他进一步解释了FPGA在服务器中角色的演进：最早，FPGA主要在服务器主板上负责上电管理，按顺序给CPU、内存和管理芯片等不同器件上电，并在关机时按序处理、监测过载等异常。如今，服务器从一块板发展到更复杂的整机柜，又大量采用液冷，控制任务成倍增加。“我们要监测温度和漏液，一旦发生漏液，要快速判断哪些器件先下电，哪些阀门要关闭。FPGA响应快，适合做这类控制。”
机柜里越来越多的交换板也在带来新空间。徐宏来透露，莱迪思收购AMI后，正在把后者的平台固件和管理能力与FPGA结合起来，从板级控制扩展到整个机柜的管理。“以一类复杂的NVIDIA机柜为例，从服务器主板到交换板，莱迪思器件可以在其中提供很大价值。单颗器件价格不一定高，但使用数量增加以后，整体价值就比较可观。”
对于当前市场关注的内存紧缺与涨价问题，徐宏来认为对莱迪思的直接影响有限：“我们有少量产品会与存储器结合封装，这部分可能受到影响，但体量不大。更明显的影响在客户的整机物料上，数据中心客户要同时拿到CPU、HBM、DDR等器件，缺了其中一种，整机采购和交付节奏就可能往后推。”
他补充称，一些手机和工业客户也遇到了DDR供应问题，客户原本设计使用DDR3或DDR4即可，现在可能只能拿DDR5，也可能出现相反的情况。“我们无法控制DDR的产能，但新产品开发时会更重视接口兼容性，让客户有更多供应链选择。”押注“物理AI”：机器人与智能工厂是未来增长点
如果说云端AI是莱迪思当下的增长引擎，那么边缘侧的“物理AI”则是未来变量。
“边缘端我更愿意把它放在物理AI的范畴里。”徐宏来以机器人为例：机器人身上有摄像头和各种传感器（885946），莱迪思可以先用FPGA接入这些信号，完成汇聚和预处理，再通过以太网或PCIe等接口交给GPU。“这样既能减少GPU在预处理上的算力消耗，也有助于稳定地传输数据，让后续决策更及时。”他透露，相关方案已经量产，莱迪思已在与国内外机器人客户开展合作。
另一种方式是直接用FPGA做AI处理。此次展台上的超分辨率演示便是一例：部分内窥镜设备更新周期（883436）较长，摄像头可能只有720p，但显示屏已经升级到4K，直接显示会显得模糊。“我们尝试用AI提升图像分辨率，让画面更适合具体的医疗应用，也在与国内内窥镜厂商合作。”
具体到人形机器人（886069），徐宏来把物理AI拆解为三个模块：决策、感知和动作。决策需要计算能力加安全约束；感知要求传感器（885946）信号接入、预处理并保持数据完整；动作则包括电机、力矩控制和相关信号传输。“这三个部分都涉及功能安全。比如机器人与人在同一空间活动时，不能只考虑它能否完成动作，还要考虑它感知到周围有人时如何避免跌倒、碰撞或伤人。”他表示，莱迪思正在围绕AI决策、传感器（885946）接入、电机控制和功能安全开发方案。
工厂同样是值得关注的方向。“未来产线不只是自动化执行固定动作，还会走向更自主的控制。”
不过他也保持了一份清醒：“物理AI的发展速度可能不像数据中心的大语言模型那么快。它需要解决物理模型的问题，也需要让仿真训练和真实环境更一致。机器人必须通过传感器（885946）完整地感知真实世界，才能把仿真中学到的能力可靠地用到现实中。”
