作为一种硬件可重构的体系结构，fpga经常被用作专用芯片（asic）的小批量替代品，随着全球数据中心的大规模部署，以及人工智能应用的落地，fpga凭借强大的计算能力和高度的灵活性有了更多的用武之地。
fpga最大的优势就是处理速度快，因为引脚比较多，而且其逻辑单元可以根据算法需求重组而产生定制化的数据通路，非常适合处理大批量的数据流。
简单来说，cpu中有控制取指、译码等流程，数据处理流程复杂；而fpga是可编程的，每个逻辑单元的功能在重编程（烧写）时就已经确定，不需要指令。其实fpga和gpu内都有大量的计算单元，计算能力都很强，但是gpu在数据处理过程中，需要反复调取片外存储器中的数据，fpga只要数据一次性流入再流出，算法就完成了，因此在批量数据处理方面，fpga完胜。
正是因为数据处理的优势，fpga在数据中心加速和ai推理中成了香饽饽，销量大涨，2018年全球fpga市场达到了60亿美金，mrfr预测fpga在2025年有望达到约125．21亿美元，xilinx也预估数据中心对芯片的需求在未来五年将有67％的年复合增长率。
fpga是否能够独立部署？
虽然fpga有很强的计算能力，但是在数据中心都是和cpu协同工作，采用“cpu＋fpga”的异构架构进行加速。随着fpga应用范围的增加，业内有人也提出，未来fpga是否会脱离cpu独立部署？
计算存储架构
赛灵思数据中心业务部产品规划和市场营销总监jamon bowen在接受与非网记者的采访中，用一个应用案例做了解释，“这是合作伙伴开发的一个存储盒的解决方案，采用了alveo u50，其前端是以太网，后端是固态硬盘，其中加速ip和存储几乎是放在了同一个空间里，有意思的是这个系统没有cpu，是加速器和外围直接连到网络上，所以未来数据中心会被异构计算驱动，没有必要和这个系统连在同一个地方，也就是因为执行的处理器的高性能，深度学习、存储、加速等就没有必要进行本地连接，可以做异地系统连接，这也预示着未来数据中心一个布局的趋势。”
在终端，有些自动驾驶公司的车上系统中就采用了fpga 完成一些实时检测识别任务。小鹏汽车的副总裁、机器学习专家谷俊丽女士曾经提到，fpga 可以凭借信号处理和低能耗方面的优势，成为一个可靠的第二系统，在汽车的第一系统出现失误的时候，作为安全模式介入进来。
fpga需要克服的难题
面对未来的大好前景，fpga厂商自然喜笑颜开，但是fpga想成为主流，也要克服更大的挑战。
针对浮点运算，fpga的计算速度似乎还难以超越gpu。英伟达的tesla v100 ，在理论上最大运算速度可达15 tflops（万亿次浮点运算／ 秒）；搭载英特尔statix 10的nallatech 520c，理论最大运算速度为9．2 tflops，功耗约为225 瓦特。英伟达曝光的最新quadro gv100，能够提供高达每秒7．4万亿次的双精度浮点运算性能以及每秒14．8万亿次的单精度浮点运算性能和每秒118．5万亿次的深度学习浮点运算性能，从这一点来看，fpga追赶gpu还需要一些时日。
另外，fpga开发工程师反应，基于fpga做设计的编译时间很长，几乎占到整个工程的80％，而且每次只要修改其中一个参数都需要重新编译，造成了调试效率很低，这也成为fpga走向主流的一大障碍。

---