NE时代

AI会写代码之后，还能替FPGA工程师做多少工作？莱迪思给出的案例，已经涉及代码迁移和时序优化。

9月17日，莱迪思半导体发布AI驱动型FPGA开发工具Lattice Prompt，以及安全控制FPGA系列Mach-N2。

前者让工程师通过自然语言调用设计工具，完成代码生成、仿真和优化；后者面向AI服务器，承担系统控制与安全防护。

AI既在改变芯片的开发方式，也在带来新的芯片需求。

在线上新品发布会上，莱迪思半导体亚太区应用工程（AE）高级总监谢征帆介绍了两项新品：如何将工程经验接入AI开发流程，以及如何为日益复杂的服务器提供控制与安全支持。

01.

AI开始参与完整设计

谢征帆谈到，产品开发周期正在缩短，功能需求却在增加。工程师需要更快完成原型并验证硬件，工作还涉及器件架构、资源使用和底层调试。他认为，AI的应用可以从编写代码，扩展到系统设计、仿真与优化。

Lattice Prompt在用户选择的AI开发环境和莱迪思设计工具之间提供连接。工程师通过自然语言描述需求，Prompt利用开放的模型上下文协议MCP和技能包，结合莱迪思文档、数据手册及知识库，在后台调度Radiant设计软件。

谢征帆解释，莱迪思把软件工程师和应用工程师多年开发、调试的经验浓缩进技能包，帮助用户分析关键路径、优化资源使用，再解决时序问题。大模型有了针对具体器件的专业内容，也能调用实际设计工具。

发布会上给出的自然语言示例，是为运动控制驱动器生成一个时间敏感网络（TSN）以太网终端，要求确定性与低功耗。预期输出包括用于配置器件的位流、时序分析和仿真结果，以及文档。谢征帆还举例，工程师可以通过自然语言描述需求后，Lattice Prompt可结合莱迪思文档、数据手册及知识库，在后台调度Radiant设计软件。

Prompt覆盖仿真、综合、映射、布局布线、时序分析和比特流生成，并可生成报告与文档。用户可以选择Claude Code、Cursor、Trae等开发环境，以及Claude、DeepSeek、Kimi等模型。谢征帆还介绍，国内客户已经尝试中文输入，千问等国产模型也已进行测试。

Prompt承担的是连接层的工作，并不是莱迪思另行训练的一款大模型。模型与开发环境由客户选择，莱迪思提供面向FPGA的知识、技能和设计工具调用能力。谢征帆介绍，Claude、ChatGPT，以及DeepSeek、Kimi、千问等模型已进行接入测试，后续将公布更完整的测试名单。

目前，Lattice Prompt已支持Radiant。根据莱迪思发布资料，用户既可以在本地运行Radiant，也可以通过网络远程调用。

02.

从代码迁移到时序优化

OCT，即光学相干断层扫描，是莱迪思展示代码迁移能力的案例。客户已有CUDA重建实现，希望把它迁移到Avant系列FPGA。开发流程先以CUDA代码为参考验证Python代码，再以Python代码验证模块级RTL代码，最后进行资源与性能优化。

莱迪思介绍，完成验证的OCT设计在Avant上以200MHz运行，开发者从需求到完成方案耗时30小时，以往需要数月。这个案例包含代码转换，也包含以参考实现检查后续代码，再优化资源与性能的过程。

第二个案例从已有FPGA设计出发。客户的Relay-BP量子纠错解码器以200MHz为目标，优化前实际可达约98MHz，并存在5ns的时序违例。工程师已经写出了设计，却还需要处理限制运行频率的路径。

在Prompt辅助流程中，根因分析报告指出，row_pointer信号连接的负载较多，网络延迟影响了时序。优化后，设计达到200MHz，在85℃条件下仍有+0.075ns时序裕量，保持时间检查零错误，全部仿真通过。莱迪思给出的排查与修复耗时为4小时，以往需要数天。

OCT案例检验了软件实现能否迁移到FPGA；Relay-BP案例则处理已有设计的运行频率。代码生成之后的验证和性能优化，也进入了AI辅助开发的工作范围。

莱迪思表示，在常规设计任务中，Prompt可使开发效率提升10倍或更高。谢征帆对开发门槛的期待是：“我们的终极目标是，可以让软件工程师借助Lattice Prompt，配合大语言模型和开发环境，完成FPGA的开发。”

他表示，内部测试已经打通从概念、实现到调试与发布的流程，接下来继续改善可靠性、准确性和设计时效性，减少AI幻觉带来的反复修复。

Prompt现已提供免费下载、一键命令行安装程序及用户指南，并兼容最新版本Radiant。用户可以本地运行Radiant，也可以远程调用。涉及私有数据时，客户可选择私有云或企业内部的模型基础设施，Prompt适配客户自主选择的开发环境与大模型。

03.

AI服务器需要安全控制

AI也带来了新的芯片需求。谢征帆表示，莱迪思的AI业务增量主要来自AI服务器，FPGA在其中处理平台级控制与底层安全，未来还将参与机架级基础设施管理。他明确提到：“Lattice Mach-N2以AI服务器应用作为起点。”

他介绍，近两年AI相关FPGA应用合作是莱迪思增长最快的细分市场。AI服务器及云计算客户已率先启动相关采购，后续公司计划将安全控制应用扩展到工业、汽车和通信市场。训练之外，他也看好推理、尤其是边缘推理带来的机会。

服务器厂商的需求反馈，是开发这款产品的主要驱动力。随着系统复杂度增长，客户需要更高逻辑资源、更快接口，以及低延迟、确定性的监控和控制能力。Mach-N2基于Nexus 2平台，系统逻辑单元覆盖65K至220K，可编程架构性能达350MHz。

连接方面，Mach-N2支持PCIe 4.0、最高16Gbps串行收发器（SERDES）和10G以太网，可以直接连接片上系统（SoC）及主处理器。它还提供LPDDR4-2133内存连接与多种I/O，用于计算、通信及工业基础设施的电源时序控制和系统管理。

Mach-N2的重点是安全控制，而不是替代服务器中的主计算芯片。谢征帆强调，FPGA可以并行监控多条数据通路，并将安全功能与板级控制放在同一颗芯片中。低延迟、确定性和可编程性，使它能够承担需要及时响应、又需要持续调整的控制任务。

在介绍处理器协同时，他举了伺服电机的例子：对响应速度要求很高的部分由FPGA处理，MCU负责对时序不敏感的任务或系统级控制。两者分担不同工作，FPGA作为“伴侣芯片”参与系统。

这种分工也延伸到边缘AI。谢征帆认为，在功耗敏感、算力需求相对有限的推理应用中，FPGA值得考虑。他以十亿级参数以下的小模型举例，强调并行处理、实时响应、可重新编程及丰富接口的组合价值。FPGA还可以在同一颗芯片中承接推理之外的分布式功能。

Mach-N2将配置闪存集成在片内。谢征帆介绍，配置数据在芯片内部传输，减少了外部访问配置数据的路径。220K系统逻辑单元器件可以在30毫秒以内完成全部配置，最多保存主配置、备用配置和黄金恢复配置三组镜像，并提供用户闪存分区。

谢征帆用“First-on、Last-off”解释安全控制器的板级角色：“在整板上面，FPGA是最早上电、最晚下电的芯片。”在这类方案中，FPGA先完成自身安全启动，再为后续上电器件建立信任链。30毫秒以内的配置速度，让它可以尽早开始工作；保存多组镜像，则方便切换配置和故障恢复。

Mach-N2还监测运行中的电压、温度异常。用户设置阈值，并根据事件严重程度配置响应，例如发出中断、清除密钥或将I/O设为三态。方案同时保留利用配置镜像恢复器件的能力，将异常检测、响应和恢复纳入设计。

需求增长也让供应成为客户关心的问题。谈到半导体价格，谢征帆分析，AI服务器扩大了FPGA需求，制造产能和原材料又受到不同芯片品类的共同需求影响。莱迪思将根据实际情况与客户协作，优先保障供应安全。

04.

安全能力要能持续更新

谢征帆介绍，一些基础设施会运行多年，设计时需要考虑未来密码方案的变化。莱迪思为Mach-N2系列提供后量子密码、可更新的密码算法和硬件可信根，公司表示该系列符合商用国家安全算法套件CNSA 2.0要求。

莱迪思公布的后量子方案中，ML-DSA、LMS和XMSS用于身份认证，ML-KEM用于密钥交换。经典密码能力则包括AES-256-GCM、521位ECC及4096位RSA，用户可以在运行时通过API调用相应服务。

算法可以在设备部署后更新，防回滚机制用于防止退回旧版本。随着算法要求变化，客户可以利用FPGA的可编程性调整安全方案。

谢征帆将后量子密码视为安全相关FPGA应用需要具备的能力。在讨论竞争时，他重点提到集成密码核的ASIC安全芯片，强调FPGA能够重新配置、适应协议与算法更新的优势。莱迪思希望通过可编程硬件，减少安全方案升级对重新开发芯片的依赖。

“加密敏捷性本质上是芯片的可编程特性。”谢征帆解释，上一代MachXO5-NX TDQ也支持算法更新与后量子密码。Mach-N2进一步增加逻辑资源，将PCIe连接从Gen2升级到Gen4，并提供莱迪思所强调的完整CNSA 2.0支持。

设备身份方面，产品基于物理不可克隆函数PUF生成唯一标识，结合DICE和SPDM可信认证机制，并支持SPDM 1.4。加密API同时向用户逻辑开放，芯片的安全服务可以在运行时供平台其他部分调用，用于数据保护和认证，不局限于自身配置。

莱迪思强调的差异化，集中在片内配置闪存、快速配置及完整CNSA 2.0支持的组合。三组配置镜像、可更新算法，以及用户可以设置的异常响应机制，则分别服务于故障恢复、长期维护和运行中的安全管理。

安全要求也可以进入AI辅助设计流程。谢征帆表示，如果技能包中提供安全相关内容，并配有足够的安全参考设计，用户可以通过自然语言提出位流加密、数字签名等要求，由工具辅助实现。Prompt帮助开发者落实设计要求，Mach-N2则提供硬件安全能力。

在系统层面，莱迪思希望与AMI协同提供安全方案。谢征帆介绍，双方有一部分重合客户，也各有客户群，并保持相对独立运作：“希望AMI更多提供系统级方案，莱迪思更多聚焦芯片层面”。莱迪思提供底层芯片与硬件可信根，AMI提供固件与平台级管理方案，双方计划面向云服务提供商、OEM和ODM拓展客户。

Mach-N2已开放订购，并向头部计算、通信客户出货样品。MH-16和MH-20当前已有样品，其他型号计划于2027年下半年提供。系列按型号配置128Mbit或256Mbit闪存，可通过Radiant和Prompt获得开发支持。

中国市场方面，谢征帆表示，上一代安全控制产品已有成熟客户群，Mach-N2计划在2026年晚些时候或2027年导入部分国内客户。国密算法支持在规划中；Prompt也已与国内部分工业客户初步接洽，准备通过早期用户反馈继续改进工具。

这些国内安全控制客户包括CSP和ODM厂商，已有客户试用MachXO5-NX TDQ。谢征帆介绍，MachXO3D、MachXO4及MachXO5-NX TDQ等前代产品已进入量产和成熟应用阶段，新一代产品将在这一客户基础上推进导入。

他将安全能力与工具链视为莱迪思在中国市场的竞争优势，同时强调深入客户需求、共同开发应用方案。与AMI的协同也将面向具体客户展开：底层芯片、固件安全与终端应用结合，形成系统级方案。

生态合作方面，谢征帆介绍，莱迪思与TrustiPhi、EXOR已建立合作，相关方案在中国的落地仍处于观察阶段。对于物联网及机器人等应用，他还提到，设备与人更密切地交互后，除了加解密与数字签名，功能安全也会成为重要需求，需要软件与硬件共同支持。

通用模型提供了新的开发入口，FPGA厂商则需要把针对器件的知识、工具和验证流程接进去。Prompt展示的迁移与优化案例，让这些长期依靠工程师积累的经验，有了新的使用方式。

当开发工具可以调用专业知识、执行设计并检查结果，客户选择FPGA时，也有了参数表之外的依据。器件厂商提供的开发支持，开始从文档和人工指导，延伸到客户可以直接调用的AI辅助流程。