La inteligencia integrada (EI) es un campo de investigación emergente y tiene como objetivo incorporar algoritmos de aprendizaje automático y capacidades de toma de decisiones inteligentes en dispositivos o sistemas móviles y embebidos. Hay varios desafíos que deben abordarse para realizar implementaciones eficientes de EI en hardware, como la necesidad de: (1) alto procesamiento computacional; (2) baja consumo de energía (o alta eficiencia energética); y (3) escalabilidad para adaptarse a diferentes tamaños y topologías de red. En los últimos años, una tecnología de hardware emergente que ha demostrado un fuerte potencial y capacidades para implementaciones de EI es la tecnología FPGA (campo de matrices de compuertas programable). Este documento presenta una visión general y revisión de la inteligencia integrada en FPGA con un enfoque en aplicaciones, plataformas y desafíos. Hay cuatro clasificaciones principales y descriptores temáticos que se revisan y discuten en este documento para EI: (1) técnicas de EI que incluyen aprendizaje automático y redes neuronales, aprendizaje profundo, sistemas expertos, inteligencia difusa, inteligencia de enjambre, mapa autoorganizado (SOM) y aprendizaje extremo; (2) aplicaciones para EI que incluyen detección y reconocimiento de objetos, localización en interiores y monitoreo de vigilancia, y otras aplicaciones de EI; (3) hardware y plataformas para EI; y (4) desafíos para EI. El documento tiene como objetivo presentar a los investigadores interesados en esta área y motivar el desarrollo de soluciones prácticas de FPGA para implementaciones de EI.