FPGA能取代GPU和CPU吗？为什么

本文中，小编将对FPGA予以介绍，如果你想对它的详细情况有所认识，或者想要增进对它的了解程度，不妨请看以下内容哦。

一、什么是FPGA

FPGA设计不是简单的芯片研究，主要是利用 FPGA 的模式进行其他行业产品的设计。 与 ASIC 不同，FPGA在通信行业的应用比较广泛。通过对全球FPGA产品市场以及相关供应商的分析，结合当前我国的实际情况以及国内领先的FPGA产品可以发现相关技术在未来的发展方向，对我国科技水平的全面提高具有非常重要的推动作用。 [2]

与传统模式的芯片设计进行对比，FPGA 芯片并非单纯局限于研究以及设计芯片，而是针对较多领域产品都能借助特定芯片模型予以优化设计。从芯片器件的角度讲，FPGA 本身构成 了半定制电路中的典型集成电路，其中含有数字管理模块、内嵌式单元、输出单元以及输入单元等。在此基础上，关于FPGA芯片有必要全面着眼于综合性的芯片优化设计，通过改进当前的芯片设计来增设全新的芯片功能，据此实现了芯片整体构造的简化与性能提升。

二、从FPGA优缺点看FPGA能否取代GPU和CPU

1、延迟

FPGA 的主要优势之一是延迟小。 具体来说，即使是非常好的 CPU 延迟也最多为 50 微秒，而 FPGA 可以达到 1 微秒。 在延迟方面，数字与 CPU 和 GPU 不同。 FPGA 延迟低的原因是，它独立于通用操作系统，并且无需通过通用总线(如 USB 或 PCI-Express)进行通信。

由于其低延迟功能，FPGA 用于需要极小延迟的情况，例如喷气式战斗机的自动驾驶和高频算法交易。

2、连接

CPU 和 GPU 通过标准化总线(如 USB 和 PCI-Express)连接到数据源，并将数据传递到应用程序，同时依赖于操作系统。 与此相对，FPGA可以直接连接到网络接口和传感器等数据源。这不仅减少了延迟，而且具有增加带宽的优点。

对于需要捕获和处理大量数据的场景，高带宽 FPGA 非常有用。 例如，射电天文学使用FPGA来简化数据管理，以处理传感器产生的大量数据。

3、工程成本

与基于指令的体系结构 CPU 和 GPU 相比，FPGA 的主要缺点是“编程和配置要困难得多”。 直到现在，FPGA 都是用 VHDL 和 Verilog 等硬件描述语言(HDL)编写的。对于使用 Java、C 和 Python 等编程语言进行编程，使用 HDL 进行编程所需的工程成本是巨大的。

近年来，通过使用OpenCL和C++等标准编程语言对FPGA进行编程，虽然出现了可以进行高抽象化的高电平Synthesis(HLS)，但与基于命令的系统编程相比难度还是很高的。

另外，FPGA的编译时间长度也是一个很大的缺点。例如，使用Intel OpenCL编译器时，编译一般的FPGA程序需要4-12小时。为了优化性能，需要夜间编译。

4、能源效率

与 CPU 和GPU 相比，节能 FPGA 在逻辑和固定精度方面具有更好的能效。 因此，FPGA 在加密货币挖掘方面优于 CPU 和 GPU。 ASIC 优于 FPGA，但 ASIC 的缺点是初始投资在设计阶段很大。

除了在计算中实现高能效外，FPGA 还具有“无需启动和运行主机”的高效率。

在使用高性能计算(如深度学习)的情况下，现阶段严重依赖具有出色浮点计算性能的 GPU。 FPGA 在浮点运算中效率相当低，因为浮点单元必须从逻辑块组装，并且需要大量的资源。

然而，新的FPGA如Arria 10和Stratix 10，在能效方面有了相当大的改进，因为浮点单元内置于FPGA结构上。 具体比较的话，最尖端GPU的Tesla V100以250W的功率理论上是15TFLOPS，而采用Starix10的最尖端FPGA的Nallatech520C，以225W的功率实现9.2TFLOPS。虽然GPU的能效仍然很高，但考虑到Tesla V100是以12nm工艺制造的，而Stratix10是以14nm工艺制造的，其差距会进一步缩小。戴尔佩罗格表示，在不久的将来，FPGA可能会在浮点运算中的能效竞争中超过GPU。

上述所有信息便是小编这次为大家推荐的有关FPGA的内容，希望大家能够喜欢，想了解更多有关它的信息或者其它内容，请关注我们网站哦。