借人工智能东风FPGA芯片设计顺势崛起

FPGA的价值，以一颗FPGA根据工作模式多次重配，完成需要多颗ASIC才能完成的需求。例如搜索引擎服务提供商在一个分布式服务器单元根据需求在不同时间可以被配置为图像负载，或音频负载，其上需要在不同时间进行分布式图形、音频匹配检索，这时使用FPGA不同配置即可完成不同算法的调整，如果使用ASIC则需要具备多种不同芯片才能完成，如果算法进行了更改需要更换芯片才能实现算法升级。

　　FPGA可重配功能今天已经发展到了不掉电动态部分可重配的阶段，即FPGA一部分逻辑在正常运行的情况下，另一部分逻辑进行重新配置。如果哪天真要生产变形金刚，FPGA一定是一个不错的单芯片解决方案，既经济又可靠，变形的时候绝对不会宕机，并且还能保持非变形部分的正常工作（开个玩笑）。

　　FPGA的新机遇

　　目前信息技术最热的领域无疑是大数据和人工智能，FPGA在这两个方向也找到了很好的突破口。以下几则新闻可以让我们一窥端倪：

　　1.微软开发了带有FPGA"硬件加速芯片"的主板来提升Bing数据中心的整体性能。FPGA相比于传统CPU在处理Bing的自定义算法时快出40倍；整个系统将会比Bing现有的系统快出2倍，缩减一半现有服务器数量。

　　2.英特尔167亿美元收购Altera，以期能够实现在大型云数据中心或物联网领域的新增长。

　　3.微软采用Altera Arria 10 FPGA实现基于卷积神经网络（CNN）算法的数据中心加速。

　　4.百度在深度学习应用算法中使用FPGA承载卷积神经网络（CNN）。

　　大型互联网企业的数据中心电耗费用的开销是非常昂贵的，FPGA本身的实现结构高效，在许多应用场景比处理器方案具备更佳的性能功耗比，FPGA方案对数据中心有很大吸引力。人工智能实现算法例如卷积神经网络（CNN）等，对卷积运算量具有非常密集需求，目前GPGPU是较好的计算承载平台，但对于数据中心和低功耗嵌入式设备而言，都有降低功耗的需求作为驱动力，FPGA在这方面有独特优势，出现了越来越多的应用实例。

　　结语：

　　就像GPU起初只是用于图形处理一样，如今在深度学习和人工智能方面有着广阔的应用，而GPU也逐渐演变，并引入cudnn等库的支持到开发环境，完善了对通用计算的承载。同样，FPGA从诞生之初仅为了处理胶合逻辑，后因通信行业繁荣而大发展。如今又在大数据、物联网、人工智能等行业发现了更广阔的天地，因此我们也可看到当今FPGA发生如下变化：

　　FPGA原厂在简化开发难度，引入C和OPENCL语言的开发环境，促进更广泛的应用；在FPGA中加入硬核浮点乘加器，使最常见的浮点算法能更好更快地移植到FPGA上；在FPGA中加入ARM、POWERPC、Mali等高性能硬核，和可编程逻辑部分组成SOC，以异构计算使处理器和逻辑分别处理各自擅长的任务类型，并紧密地进行Cache级别的同步的配合，从而整体上达到最佳的性能和功耗。