上海复旦微电子集团股份有限公司副总经理俞剑发表题为《Agent时代——不可忽视的FPGA行业变革与价值重估》的主旨演讲，围绕Agent对研发范式的重构，系统剖析了FPGA行业面临的成本结构变革与价值重估机遇。

俞剑认为，Agent正在给整个社会带来四个层面的变革。

第一，边界必将破除。行业之间的边界、专业之间的壁垒、组织之间的围墙都在加速被打破，跨界协作正在成为常态，而个人认知的边界必须先破除——过去认为不可行的事情，在Agent时代要重新思考。以芯片领域的“生态”为例，他提出一个不同以往的定义：“真正的生态，是把芯片使用的入口交给AI。你只有交给AI，这才是真正的生态；过去所谓的生态壁垒，都不是生态。”

他具体举例说，在CPU领域，过去大家倡议把RISC-V生态做起来，但应用端迁移成本很高，RISC-V一直没有真正起来。“接下来半年到一年的时间，国内RISC-V一定会遍地开花，因为软件应用迁移成本将无限降低。”在GPU领域，跟随CUDA的脚步也没有必要，只要保证编译适配高效，开发交给智能体就够了。FPGA同样如此，过去EDA工具的综合布局布线门槛特别高，接下来这些开发都会交给Agent。

第二，AI带来技术平权。过去技术沉淀在少数人手中的局面正在被Agent拉平，善用AI来创新、抓住需求，将决定一家企业的生存能力。第三，科研将爆发式产出。研究的效率会被Agent快速放大，成果产出的节奏将远超过去的预期。“Agent带来的不是让我们转做低端技术，而是去做高端的创新。”俞剑说。第四，个性化定制将极大得到满足。各行各业将以合适的成本提供个性化产品，这对制造业是一次质变。而FPGA天然站在个性化定制这条线上，正是个性化定制高端芯片的代表。

俞剑将计算芯片分为三类并逐一判断其在Agent时代的命运：CPU/GPU的软件编程已经变天；ASIC因制造测试周期至少8个月到1年、且对bug容忍度极低，客观上“变不了天”；而FPGA介于两者之间，既可偏向ASIC的效率，又具备CPU式的通用性，更关键的是它可以在线编程、持续迭代，对bug容忍度高。“FPGA是硬件中的软件，接下来一定会变天。”俞剑强调。

他同时指出，软件行业已经率先完成了这场变革——从AI辅助问答，到今天Agent可以理解工程上下文、调用工具链、写代码、做测试、持续迭代。AI不再是辅助功能，而是开始参与工程任务的组织。同样的变化，正在向硬件世界传导。

FPGA多年未能突破的根本原因，俞剑归结为其硬件自由度与软件生产力之间的长期矛盾。

一方面，FPGA的硬件自由度极高：并行结构可任意定制、时延可精确到纳秒、接口可任意配置、功耗可精细控制。另一方面，由此带来的工程代价同样高昂——并行逻辑需手写RTL，时序收敛依赖个人经验，优化依赖反复综合迭代，CDC/复位异常排查困难，调试时间占比超过40%。

“经验留存在个人，而不是沉淀于工具链。”俞剑指出，DDR4时序调试约需2周，PCIe链路训练约需1个月，这些能力都系于少数关键专家，导致FPGA的应用宽度一直起不来——无线通信、测试测量、有线网络、原型验证，经验所至之处才是市场，“而半径之外，都是市场”。

俞剑在演讲中提出“经济临界线”的分析框架：过去，获得FPGA能力的成本随场景复杂度呈陡峭的指数式上升，很快越过经济临界线；而在Agent时代，这条成本曲线将趋于平缓——大量过去在临界线之外的复杂场景，进入了值得重新评估的区间。“这不是FPGA万能论，而是判断前提变了。”

俞剑将由Agent驱动的开发范式的转变概括为：从“工程师驱动工具、经验主导迭代”，走向“Agent自主分析、识别根因、调整策略”，人只需输入规格、审查迭代结果。整个研发将从经验能力驱动转向业务需求驱动；专家的时间分配也将从“80%执行、20%决策”反转过来——人只花20%的时间做高价值判断，剩余80%交给Agent。

据俞剑介绍，复旦微的FPGA智能开发Agent目前已是产品化状态。他从管理的视角理解Agent：“Agent其实是一门管理学问——如何做好约束，让Agent按你的指示干正确的活、杜绝幻觉。”

该平台底层由四部分构成：纪律层负责质量体系与合规，满足ISO 9001，设置质量门控与转阶段评审；编排层通过状态机路由与Spec合约驱动整个研发流程，上下文采用JSONL策展；执行层提供30多个Skill按需组合，包括各种工具与插件，由Agent作为“项目经理”统一调度；自进化体系则在每一阶段自省与沉淀经验，项目完成后复盘并输出IP，让Agent越用越聪明。

整个开发流程划分为12个阶段——从需求发现、质量策划、系统方案、FPGA方案、模型开发、RTL实现、验证签核、开发工程构建、硬件调试、驱动开发、系统测试，到交付复盘。“过去一个全新的IP项目，至少需要一个大团队半年。接下来两三个人就能搞定，而且项目周期以周来衡量，一周就能把整个项目开发完。”

针对AI生成代码“看起来对、跑不通”的行业痛点，复旦微提出“Agent与FPGA协同飞轮”：Agent生成的每一版RTL，都在真实FPGA硬件上被校准，通过硬件验证、日志反馈、根因定位、迭代优化的闭环，将幻觉在硬件真实运行中清零。“FPGA既是Agent的开发对象，也承担了仿真加速、布局布线加速、原型验证的功能，飞轮效应即将形成。”俞剑说。

他进一步提出Hardware in the Loop的判断：“接下来卷模型、卷算力的必要性已经没那么强了，真正要卷的，是卷工具。”在这一格局中，FPGA将承担双重角色：一是硬件级安全承载，复旦微面向客户的商业模式以私有化部署为主、SaaS为辅；二是工具加速——仿真、布局布线等最耗时的环节都可以由FPGA承载。“专用测试仪也不再需要了，把软件下载到FPGA算力机箱里就行，它就变成通用算力了。”

基于上述变革，俞剑描绘了Agent时代FPGA的价值重塑图景。

其一，经济可行域扩大。过去无法使用FPGA的场景将重新进入评估区间；过去只能承接中小规模项目的团队可以扩大FPGA的使用范围；在确定性时延、可定制数据流的环节，FPGA成为现实可行的替代路径。

其二，数字孪生实时共生。软件仿真从数小时缩短到硬件执行的毫秒级，FPGA开发从依赖少数专家到自然语言驱动的按日迭代，孪生模型更新从以周、月计变为每日更新。“实时性×快迭代=实时共生。”

其三，仿真加速与科学计算两大市场同步巨变。在仿真侧，FPGA可将FFT延迟从微秒级降到纳秒级，让任何行业的工程师都能部署FPGA加速，覆盖航空航天、汽车碰撞、芯片设计、电力系统、医疗器械等凡需仿真的领域；在科学计算侧，FPGA每瓦算力可达CPU的5至10倍，配合自然语言生成RTL，研究院和大学不养FPGA专家也能用，气象预测、分子动力学、天体物理、基因比对、材料模拟等场景由此打开。

俞剑还对比了FPGA与GPU的区别：GPU是通用芯片，效率低一些；FPGA的架构可以定制，效率更高。在内存方面，FPGA可以把内存访问降到最低，这对于当前存储的结构性短缺来说非常友好。

俞剑列举了复旦微内部已落地的方向：科学计算领域包括分子动力学仿真加速平台（LAMMPS）、基因测序比对平台、数据库加速平台；AI推理侧做GPU“伴侣”，提高推理效率、降低对高带宽昂贵存储的依赖；安全领域面向后量子密码（PQC）全栈；视频领域，“过去做264、265的编解码压缩，现在Agent直接把266做出来了”；商业航天领域包括NTN卫星通信基带方案和相控阵天线；金融领域覆盖低时延交易、实时风控等场景。