作者：Michael Yang
AI产业正在经历一次重心转移。
过去几年，行业关注的是"谁拥有更大的模型、更多的GPU、更高的训练效率"；而今天，越来越多企业开始思考另一个问题——如何让AI真正走出数据中心，进入现实世界。
机器人开始进入工厂，智能相机承担现场检测，医疗设备具备实时分析能力，自动驾驶需要毫秒级决策，工业设备越来越多地依靠边缘AI完成自主控制……这些应用有一个共同特点：它们不仅需要算力，更需要实时响应、稳定运行和持续迭代。
这正是Physical AI快速兴起的原因。
与此同时，一个曾被认为属于传统数字逻辑领域的技术，也重新站到了聚光灯下——FPGA。
近日，全球FPGA系统模块（SoM）和嵌入式计算平台厂商瑞苏盈科（Enclustra）宣布，Yvonne Tan博士正式出任公司首席技术官（CTO）。看似是一项普通的人事任命，背后却折射出瑞苏盈科（Enclustra）对下一代边缘智能计算的战略思考：未来的竞争，不再只是芯片性能，而是谁能够构建完整的Physical AI基础设施。
从消费电子到智能汽车，她带来的不仅是管理经验
Yvonne Tan是一位兼具工程实践与技术领导力的研发管理者。
加入瑞苏盈科（Enclustra）之前，她参与创建了沃尔沃汽车新加坡技术中心，推动团队覆盖电力电子、电子工程、机器人、AI与数据分析等多个核心方向，为智能汽车研发体系建设发挥了重要作用。
再往前，她在戴森工作七年，参与数字电机（Digital Motor）技术研发，并长期负责创新产品孵化和青年工程师培养，将实验室里的创新快速转化为真正进入市场的产品。
与此同时，她还是新加坡国立大学兼职副教授，持续参与工程教育和人才培养。从职业经历不难发现，她始终围绕着同一个主题：让先进技术真正落地。
而这，恰恰也是瑞苏盈科（Enclustra）正在努力的方向。
Physical AI时代，需要的不只是AI芯片
很多人提起AI，首先想到的是GPU。但真正进入机器人、工业自动化、智慧医疗和智能制造之后，仅靠GPU已经远远不够。
一套完整的Physical AI系统，需要同时完成高速数据采集、传感器融合、实时控制、AI推理以及高速通信。
例如，一台工业机器人需要同步处理来自多路工业相机、激光雷达、编码器和力传感器的数据，并在毫秒甚至微秒级完成运动控制；自动驾驶平台需要融合摄像头、毫米波雷达、激光雷达等多种传感器，并保证每一次决策都具有确定性；医疗影像设备则要求系统在保证低延迟的同时，具备长期稳定运行能力。
这些需求决定了，Physical AI并不是"把GPU搬到边缘"那么简单，而是需要一种能够把感知、计算、控制和通信融合在一起的异构计算架构。
FPGA正是其中不可或缺的一环。它能够直接连接高速传感器接口，实现低延迟数据预处理；可以通过可编程逻辑构建确定性的实时控制链路；还能与CPU、GPU、NPU协同工作，根据算法变化不断调整硬件架构。这种灵活性和实时性，是固定架构芯片难以兼顾的。
因此，在越来越多边缘AI系统中，FPGA已经不再只是一个加速器，而是承担起连接数据流、控制流和AI推理流的关键角色。
FPGA最大的价值，不只是性能，而是时间
近年来，一个越来越受关注的概念是Time-to-Market（产品上市时间）。
AI算法更新越来越快，市场需求变化越来越频繁，产品生命周期却越来越短。如果一款芯片需要两到三年才能完成设计、验证和量产，那么等它真正上市时，算法和市场需求可能已经发生变化。
ASIC固然可以做到极致性能和能效，但其开发周期长、一次性投入高，设计一旦固化便难以修改。对于仍在快速演进的AI算法来说，这种模式往往意味着更高的试错成本。
FPGA则提供了另一种路径。开发团队可以先利用FPGA快速完成算法验证和系统集成，在产品部署后仍可通过硬件重构持续优化功能。这不仅缩短了开发周期，也让企业能够随着模型演进不断升级产品，而无需重新设计芯片。
对于机器人、工业自动化、医疗设备以及航空航天等生命周期长、可靠性要求高的行业来说，这种可持续演进能力往往比单纯追求峰值性能更具价值。
从某种意义上说，FPGA真正竞争的对象并不是GPU，而是时间。
瑞苏盈科（Enclustra）希望成为边缘AI的"底座"
过去十多年，瑞苏盈科（Enclustra）一直专注于FPGA SoM（System-on-Module）和嵌入式计算平台，为客户提供能够快速集成到终端产品中的模块化解决方案。
目前，公司产品覆盖AMD、Microchip等多个主流FPGA平台，包括基于AMD Zynq UltraScale+ MPSoC、Versal系列，以及Microchip PolarFire SoC等架构，可满足工业控制、智能视觉、机器人、测试测量、航空航天和医疗电子等不同场景的需求。
这种跨平台布局的价值正在不断凸显。
一方面，开发者可以根据性能、功耗、安全性和成本需求选择最合适的平台，而不必被单一生态绑定；另一方面，模块化设计大幅降低了硬件开发门槛，使客户能够将更多资源投入到算法、应用和产品创新，加快从概念验证到量产部署的全过程。
随着边缘AI不断发展，未来FPGA模块提供的也不再只是逻辑资源，而是一套融合高速接口、异构计算、软件支持和长期供货能力的完整平台。
这也是瑞苏盈科（Enclustra）近年来持续投入的方向。
新CTO的加入，意味着什么？
Yvonne Tan出任CTO后，将全面负责瑞苏盈科（Enclustra）的技术战略，推动公司进一步向边缘计算和Physical AI解决方案演进，把FPGA、高性能异构计算以及可扩展的软件生态结合起来，构建更加完整的下一代计算平台。
这不仅意味着瑞苏盈科（Enclustra）将继续深耕FPGA，更意味着公司希望在边缘AI时代扮演更重要的角色——从模块供应商，逐步成长为边缘智能基础设施的提供者。
对于开发者而言，这意味着更成熟的平台、更完善的生态和更快的产品开发速度；对于产业而言，则意味着FPGA正在从幕后走向台前，在Physical AI时代承担越来越重要的基础能力。
当AI开始与现实世界深度融合，决定系统竞争力的已经不只是模型参数和算力规模，而是能否在真实环境中实现稳定、实时、可持续的智能。
在这一过程中，FPGA的价值正从"可编程逻辑器件"升级为连接感知、计算与控制的核心枢纽。
Yvonne Tan的加入，既为瑞苏盈科（Enclustra）带来了丰富的全球工程管理经验，也释放出公司持续加码边缘AI和Physical AI的信号。
可以预见，未来的FPGA竞争，不只是器件性能的竞争，更是平台能力、生态协同以及技术落地速度的竞争。而瑞苏盈科（Enclustra），正在为这场新的产业变革做好准备。
长按下方二维码关注我们，获取更多有趣demo及最新资讯。
瑞苏盈科官方微信公众号
来源：Enclustra