作為一種硬件可重構的體系結構，FPGA經常被用作專用芯片（ASIC）的小批量替代品，隨著全球數據中心的大規模部署，以及人工智能應用的落地，FPGA憑借強大的計算能力和高度的靈活性有了更多的用武之地。

FPGA最大的優勢就是處理速度快，因為引腳比較多，而且其邏輯單元可以根據算法需求重組而產生定制化的數據通路，非常適合處理大批量的數據流。

簡單來說，CPU中有控制取指、譯碼等流程，數據處理流程復雜；而FPGA是可編程的，每個邏輯單元的功能在重編程（燒寫）時就已經確定，不需要指令。其實FPGA和GPU內都有大量的計算單元，計算能力都很強，但是GPU在數據處理過程中，需要反復調取片外存儲器中的數據，FPGA只要數據一次性流入再流出，算法就完成了，因此在批量數據處理方面，FPGA完勝。

正是因為數據處理的優勢，FPGA在數據中心加速和AI推理中成了香餑餑，銷量大漲，2018年全球FPGA市場達到了60億美金，MRFR預測FPGA在2025年有望達到約125．21億美元，Xilinx也預估數據中心對芯片的需求在未來五年將有67％的年復合增長率。

FPGA是否能夠獨立部署？

雖然FPGA有很強的計算能力，但是在數據中心都是和CPU協同工作，采用“CPU＋FPGA”的異構架構進行加速。隨著FPGA應用范圍的增加，業內有人也提出，未來FPGA是否會脫離CPU獨立部署？

計算存儲架構

賽靈思數據中心業務部產品規劃和市場營銷總監Jamon Bowen在接受與非網記者的采訪中，用一個應用案例做了解釋，“這是合作伙伴開發的一個存儲盒的解決方案，采用了Alveo U50，其前端是以太網，后端是固態硬盤，其中加速IP和存儲幾乎是放在了同一個空間里，有意思的是這個系統沒有CPU，是加速器和外圍直接連到網絡上，所以未來數據中心會被異構計算驅動，沒有必要和這個系統連在同一個地方，也就是因為執行的處理器的高性能，深度學習、存儲、加速等就沒有必要進行本地連接，可以做異地系統連接，這也預示著未來數據中心一個布局的趨勢。”

在終端，有些自動駕駛公司的車上系統中就采用了FPGA 完成一些實時檢測識別任務。小鵬汽車的副總裁、機器學習專家谷俊麗女士曾經提到，FPGA 可以憑借信號處理和低能耗方面的優勢，成為一個可靠的第二系統，在汽車的第一系統出現失誤的時候，作為安全模式介入進來。

FPGA需要克服的難題

面對未來的大好前景，FPGA廠商自然喜笑顏開，但是FPGA想成為主流，也要克服更大的挑戰。

針對浮點運算，FPGA的計算速度似乎還難以超越GPU。英偉達的Tesla V100 ，在理論上最大運算速度可達15 TFLOPS（萬億次浮點運算／ 秒）；搭載英特爾Statix 10的Nallatech 520C，理論最大運算速度為9．2 TFLOPS，功耗約為225 瓦特。英偉達曝光的最新Quadro GV100，能夠提供高達每秒7．4萬億次的雙精度浮點運算性能以及每秒14．8萬億次的單精度浮點運算性能和每秒118．5萬億次的深度學習浮點運算性能，從這一點來看，FPGA追趕GPU還需要一些時日。

另外，FPGA開發工程師反應，基于FPGA做設計的編譯時間很長，幾乎占到整個工程的80％，而且每次只要修改其中一個參數都需要重新編譯，造成了調試效率很低，這也成為FPGA走向主流的一大障礙。