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，理论运算速度为9．2 TFLOPS，功耗约为225 瓦特。英伟达曝光的Quadro GV100，能够提供高达每秒7．4万亿次的双浮点运算性能以及每秒14．8万亿次的单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。