FPGA究竟是什么？能代替CPU架构吗？

你还没听过FPGA？那你一定是好久没有更新自己在企业级IT领域的知识了。今天笔者就和大家聊聊何为FPGA？FPGA主要应用场景是什么？有人说FPGA是替代传统CPU和GPU的未来，你信吗？

FPGA全称现场可编程门阵列（Field－Programmable Gate Array），最初作为专用集成电路领域中的一种半定制电路而出现的，具有一定的可编程性，可同时进行数据并行和任务并行计算，在处理特定应用时有更加明显的效率。

实际上，英特尔、紫光、浪潮等企业均已开始布局FPGA。早在SC2015大会上，浪潮就联合Altera，以及中国最大的智能语音技术提供商科大讯飞，共同发布了一套面向深度学习、基于Altera Arria 10 FPGA平台。

紫光是另一家希望通过收购手段直接接触FPGA最新科技的公司，继寻求并购美光失利、收购硬盘大厂威腾（WD）破局后，紫光或将收购美国莱迪思半导体（Lattice Semiconductor）股份，为抢进FPGA市场做布局。

那么，FPGA吸引如此多厂商为之疯狂的原因究竟是什么？

从应用场景角度分析，我们可以看到随着谷歌的阿尔法狗打败了人类围棋冠军后，深度学习已经从神坛走下来，越来越多的人开始认识到深度学习可能会改变未来的生活，成为未来科技发展的方向；而FPGA设计工具使其对深度学习领域经常使用的上层软件兼容性更强，FPGA正是助力深度学习的一大技术。

但是，如果说FPGA是继任传统CPU与GPU的未来，就有些夸大其词。且不论CPU与GPU技术已经成熟，拥有完善的生态链，CPU与FPGA的结构也有所不同。CPU中拥有控制取指、译码等流程，处理可信具备处理各式各样千奇百怪的指令要求的能力。

相比之下FPGA就不能向CPU一样灵活的处理各种没有见过的指令，只能根据一个固定的模式来处理输入的数据然后输出，这也是为什么FPGA经常被看作一种行家专属的架构。

不同于CPU的是，FPGA和GPU内都有大量的计算单元，因此它们的计算能力都很强。在进行神经网络运算的时候，两者的速度会比CPU快很多。但是GPU由于架构固定硬件原生支持的指令固定了，而FPGA则是可编程的。

FPGA的应用领域主要是深度学习和神经网络算法，而传统的CPU更关注的是“通用”，GPU虽然更注重计算速度，但是其指令仍然是固定的。而FPGA的出现之所以风靡全球，就是因为其可编程性，这让FPGA在深度学习领域拥有了得天独厚的优势。这样也就不奇怪谷歌为了发展深度学习，自己研发了名为TPU的自有芯片。正如谷歌数据中心负责人霍尔泽所言：谷歌研发自有芯片是为了解决哪些省为解决的问题。

有人认为，当市场需求发生变化，技术一定会随之发展，当深度学习成为热门领域时，与之最匹配的FPGA也应声成为厂商追逐的焦点。