FPGA的過去，如今和將來

咱們知道，相對於專業的ASIC，FPGA有上市時間和成本上的優點。另外，在大多數狀況下，FPGA執行某些功能較之CPU上的軟件操做更高效。這就是爲何咱們認爲它不但會運用在數據中心的服務器、交換器、存儲層的各個角落，而且具備加速整個工做流程的功能。

 

然而咱們不能過度樂觀，尤爲是在2015年12月，Intel以167億美圓收購了FPGA生產商Altera以後。

 

在2014年年末，當時還處於獨立的Altera公司高層盯上了基於CPU+FPGA的數據中心並行計算的發展前景——這個當時價值大約10億美圓的市場。而並不是數據中內心約2.5億美圓的CPU-GPU市場和直接應用CPU處理器的90億美圓市場。

 

Altera作出這個決定的緣由在於他們認爲這個組合較之另外兩個方案，有編程的簡便性和能效優點。人們對CPU很是熟悉，並發現尋找C程序員也不會太難。所以對大部分開發者來講，在執行運算任務的時候，持續使用這種方案不須要冒太大的風險，可是能源效率相對比較低，尤爲是在密集的計算和固有的並行工做負載的狀況底下。

 

至於CPU+GPU的方案，程序員並非很熟悉，可是擁有很高的效率。

 

根據Altera的估計，使用OpenCL對混合CPU-FPGA系統進行編程比使用Nvidia的CUDA環境對於程序員來講更容易（某些方面確定是有爭議的），但用HDL來硬編程FPGA是至關困難的，所以須要OpenCL或者經過其餘抽象層來將CPU中的負載轉移到FPGA上。

 

Intel收購Altera改變FPGA格局

 

這個十億美圓的數據中心市場被Altera、Xilinx和其餘FPGA供應商瓜分。在Intel於2015年6月收購了Altera以後，這個市場變得更加複雜。

 

在收購以前的2014年，Altera的19億美圓收入中，有16%來自於與數據中心相關的計算、網絡和存儲業務，其總值達到3.04億美圓。那些在這個領域深耕十幾二十年的通訊和無線設備系統製造商想要有更高的能源效率，更低的成本和更高的擴展性，這些都是FPGA所擅長的領域。另外有一點須要提一下，那就是在執行這些功能的時候，使用FPGA並不須要像使用CPU那樣須要操做系統和相應的軟件。這部分的營收佔了Altera營收的44%，總額爲8.35億美圓。

 

Altera另外的22%收入，即4.18億美圓，來自工業控制、軍事設備和汽車製造等領域。他們面對相同的困境，所以選擇FPGA來處理他們的一些工做負載。

 

其實早在2014年，英特爾看中了價值1150億美圓的各類類型的芯片潛在市場。當中可編輯邏輯設備（以FPGA爲主）約佔4%，ASIC佔18%，其他爲ASSP的大雜燴。

 

在可編輯邏輯設備的領域中，英特爾預估Altera佔有48億美圓市場中的39%，Xilinx佔有49%，剩下供應商則佔據剩下的12%。

 

當時英特爾沒有收購Altera的緣由是由於FPGA業務的增加速度幾乎與其數據中心集團（爲服務器，存儲和交換機制造商提供芯片，芯片組和主板）的速度同樣快。

 

再者，英特爾沒有這樣作也是由於摩爾定律逐漸緩慢下來的腳步，給FPGA帶來了日益增加的競爭威脅。

 

實際上，若是應用的話，在數據中內心不止安裝一個FPGA、GPU或DSP加速器，但不須要安裝多個Xeon CPU。因爲英特爾不能繼續爲Xeons提供更多的核心和加速器，因此他們得出了將FPGA當作加速器的結論。

 

除非FPGA能在數據中心創造5億美圓的收益，或者幾年後創造10億美圓或更多的收入。否則英特爾寧願犧牲兩至三倍的Xeon收入，也不會把Xeon的收入拱手相讓。

 

深度學習加持，FPGA前景可人

 

根據英特爾的預測，他們計劃從如今到2023年以接近直線增加率來提高FPGA的業務。對此咱們老是抱有懷疑的態度。但FPGA業務隨着時間的推移或多或少地在增加（比15年前增加約2.5倍）。

 

英特爾還預計，FPGA的營收在2014年到2023年之間將會再翻一倍。按照英特爾預測，從2014年到2023年間其複合年增加率爲7％，其收入應該略低於預測的89億美圓。有趣的是，因爲英特爾的預測並無把來自數據計算中心（服務器，交換和網絡）的FPGA收入份額歸入計劃中，這將會發生很大變化。讓咱們分析一下：

 

若是Altera和Xilinx的市場份額沒有發生改變，且假設Altera的收入在網絡，計算和存儲的部分保持不變，那麼Altera這一部分的業務收入到2023年將會達到5.6億美圓左右。咱們認爲Intel這樣的數據低估了數據中心在提供更有效和靈活計算所面對的壓力。不給過咱們認爲FPGA的前景遠遠優於這個預測。也就是說，許多FPGA技術的支持者一直期待FPGA在數據中心中得到計算合法化的那天很快到來。

 

諷刺的是，英特爾自己做爲FPGA的編程專家，硬件描述語言的使用者，以及知名的ASIC製造商，竟成爲推進FPGA成爲加速器優先選擇的主要參與者。這樣的加速器既能做爲獨立的離散計算元件，又能夠做爲混合 CPU-FPGA器件。

 

這也是爲何從2016年以來，咱們看到全部關於Altera的新聞都是昭示FPGA將會有的大規模增的增加。因此至少在短時間，他們除了爲其餘的FPGA製造商做嫁衣裳，幾乎別無他法。

 

此次收購不只是FPGA發展的里程碑，也是英特爾對FPGA巨大的潛力的認可。FPGA做爲將來強大的計算加速器，不但影響主要企業的決策和市場趨勢，並且加速企業中的工做負載，促進超大規模數據中心的內部搜索，以及提升高性能計算模擬的地位。

 

在跨越2017年之際，FPGA在應用程序中等級中新增了機器學習和深度學習，這給FPGA產業敲下了又一重錘。

 

爲何你們都青睞FPGA

 

首先，編程FPGA的軟件棧已經演進了，尤爲是在Altera的幫助下，FPGA增長了對OpenCL開發環境的支持。但不是每一個人都是OpenCL的狂熱粉絲。

 

先有Nvidia爲其Tesla GPU加速器建立了本身的CUDA並行編程環境。再有SRC計算機公司不但早在2002年就爲國防和智能領域提供混合CPU-FPGA系統，到了2016年年中，進一步將本身研發的Carte編程環境進入了商業市場，這個編程環境可使C和Fortran程序自動轉換爲FPGA的硬件描述語言（HDL）。

 

另外一個推進FPGA被採用的因素是隨着芯片製造技術難以持續縮進，多核CPU性能的提升愈來愈艱難。 雖然CPU的性能得到了大跳躍，但主要用於擴展CPU的性能吞吐量，而不是單個CPU內核的個體性能。（咱們知道架構加強是有難度的）。可是FPGA和GPU加速器的每瓦性能都有了使人信服的改進。

 

根據微軟的運行測試，在執行深度學習算法的時候，CPU-FPGA和CPU-GPU混合計算在的每瓦性能也不相伯仲。GPU在運行中更熱和有相似的每瓦性能表現，可是同時他們也帶來了更強的工做能力。 

 

提升了每瓦性能解析了爲何世界上最強大的超級計算機在20世紀90年代後期轉移到並行集羣，而且解析了爲何如今他們轉向了混合機器，而不是英特爾的下一個以 CPU-GPU爲混合主力的Xeon Phi的處理器「Knights Landing （簡稱KNL）。

 

在Altera FPGA協處理器和Xeon Phi處理器Knights Landing的幫助下，英特爾不但能夠保持本身的在高端的競爭優點。而且在與Nvidia 、IBM和 Mellanox組成的Open power聯盟競爭中繼續領先。

 

英特爾堅信超大規模計算，雲端和HPC市場的工做負載會快速成長。爲促進其計算業務繼續蓬勃發展。這狀況下只能成爲FPGA的賣家，不然別人就會搶去這惟一的出路。

 

但英特爾並非這樣跟你們說。他們說：「咱們不認爲這是一種防守戰或者其餘，」英特爾的CEO Brian Krzanich在Altera收購消息後的新聞發佈會上說。

 

「咱們認爲物聯網和數據中心都是龐大的。這些也是咱們的客戶想要構建的產品。咱們30％的雲端工做負載將在這些產品上，這是基於咱們對如何看待趨勢變化以及市場發展的預測。

 

這是用來證實這些工做負載能以一種或另外一種方式轉移到硅中。咱們認爲最好的作法是使用有業界最佳性能和成本優點的Xeon處理器和FPGA組合。這將給工業領域帶來更好的產品和性能。而在IoT中，這將擴展到潛在市場對抗ASIC和ASSP；而在數據中心中，則會將workload轉移到硅，推進雲的快速增加。

 

Krzanich解釋道：「你能夠把FPGA想象成一堆gate，且可以隨時編程。根據他們的想法，其算法會隨着時間的推移和學習變得更聰明。FPGA能夠用做多個領域的加速器，能夠在進行加密的同時進行面部搜索，並且能在基本上在微秒內從新編程FPGA。這比大規模的單個定製部件的成本低得多且具有更高的靈活性。」

 

英特爾看到了更大的機會

 

英特爾看到了比這更大的機會。

 

Intel首席執行官Brian Krzanich在收購完成後宣佈，到2020年，將有高達三分之一的雲端服務提供商使用混合的CPU-FPGA服務器節點，這是一個使人震驚的消息。這也給從2014年末就開始瞄準的數據中心的Altera帶來大約10億美圓的FPGA的機會。這數目大概是Nvidia目前流行的Tesla計算引擎營收的三倍。

 

在2014年初，英特爾展現了一個相同封裝的Xeon-FPGA芯片原型，而且打算在2017年推出這個芯片。這是基於當時數據中心集團GM  Diane Bryant提出的一個帶有FPGA電路的Xeon設想不久以後推出的。

 

在宣佈Altera交易的電話會議上，Krzanich沒有說明退出這款Xeon-FPGA設備的時間，可是他表示英特爾將建立一個面向物聯網市場的單die混合Atom-FPGA設備。英特爾正在考究在混合過渡階段，是否須要爲Atom和Altera FPGA作單一封裝混合。

 

在2016年的初太平洋頂峯證券的電話會議中，英特爾的雲端基礎設施集團總經理Jason Waxman與研究分析師討論關於英特爾數據中心業務時表示，FPGA已經成爲了熱門話題。

 

首先，雖然他沒有指名道姓哪家廠商或者任何設備的規格，可是Waxman肯定英特爾已經爲某些客戶提供了Xeon加FPGA的混合計算引擎樣品。

 

在會議期間，Waxman更是暢談了驅動英特爾收購Altera和插足可編程計算設備的緣由。 英特爾顯然但願讓FPGA成爲主流，即便這可能會在數據中心中蠶食Xeon的某些業務。 （咱們認爲，由於英特爾認爲這種自相殘殺是不可避免的，控制它的最好方法是使FPGA成爲Xeon陣容的一部分。）

 

Waxman說：「我認爲這項收購可能涉及許多事情，並且其中一些已經超越數據中心集團的範圍。」

 

首先，一個潛在的核心業務每每是由製造領先優點驅動。在這方面咱們能很好的掌控，並且這樣作還有良好的協同做用。

 

再者，還有物聯網「集團」對此也有很強的興趣。

 

據咱們所知，某些大規模工做負載的擴展（如機器學習，某些網絡功能）吸引了愈來愈多的人關注。咱們才意識到咱們或者能夠在性能方面取得一些突破，這將是一個把FPGA從數據中心應用程序中移植到更多適合的、普遍發展領域的良好機會。

 

可是在數據中心集團裏的協做，FPGA不過是給CPU作個伴，幫助解決雲端服務提供商和其餘類型的大規模應用程序的問題。

 

英特爾認爲對FPGA加速有優先和大量需求的關鍵應用包括機器學習，搜索引擎索引，加密和數據壓縮。正如Waxman指出，這些每每是頗有針對性的，且沒有統一的使用案例。這就是Krzanich斬釘截鐵說三分之一的雲端服務提供商將在五年內使用FPGA加速的依據。

 

跨越FPGA的障礙

 

雖然每一個人都抱怨編程FPGA有多難，但英特爾並不爲此退縮。雖然沒有透露太多相關計劃的狀況下，Waxman提出了一些方法讓FPGA更容易被運用和理解。

 

Waxman說：「咱們所擁有的是獨一無二的，這是其餘人不能給的。那就是咱們可以瞭解這些工做負載和可以推進加速的能力。

 

「咱們看到一條促進機器學習，加速存儲加密，加速網絡功能的捷徑」，Waxman強調。這是基於咱們對這些工做負載的深刻了解，因此才讓咱們看到了這樣的機會。

 

但如今FPGA還須要面對一些困難，由於如今人們是寫RTL的。咱們是一家寫RTL的公司，因此咱們能夠解決這個問題。首先咱們使它運做，而後咱們能夠下降進入的門檻。第三步是真正的規模經濟學，而這所有是靠集成和製造的實力。

 

爲了解決這些障礙，咱們提供了一系列的方法。

 

X86+FPGA?

 

對於那些英特爾打算用FPGA來代替Xeons的猜想，Waxman表示這是一派胡言。

 

Waxman表示，對於那些對高速率和重複性有強烈需求的算法，具備先天優點的FPGA就是其最好的選擇。而那些對延遲有極高需求的數據操做和轉換，FPGA也是候選人。

 

考慮到Altera已經在一個SoC上集成了ARM處理器和FPGA，這很天然地會想到英特爾會試圖用X86內核全面替換ARM內核來作相似的設備。但它看起來不像這會發生。

 

首先，在2016年第二季度英特爾財務聲明會上，Krzanich承諾，英特爾將增強對目前使用Altera的ARM-FPGA芯片客戶的支持。

 

Waxman進一步澄清：「咱們的觀點是會以某種形式把FPGA集成到Xeon裏。咱們已經公開宣佈將會打造第一代使用這種單一封裝的設備，可是咱們將根據進展狀況調整方向，甚至可能會在同一個die上實現。咱們將根據客戶的反饋瞭解什麼是正確的組合。

 

順便說一下，我仍然期待看到沒有集成的系統，保持他們會作系統級的協同。咱們不會將Xeon與FPGA以多種方式組合集成，反之咱們會在市場上找到正確的目標和平衡。」

 

編程問題首當其衝

 

雖然Altera的工具集利用OpenCL編程模型得到應用程序代碼，並將其轉換爲RTL（FPGA的原生語言），可是有趣的是，英特爾並不認爲FPGA在數據中心的將來成功是基於OpenCL與RTL工具集成的改進或更普遍地採用OpenCL。

 

Waxman也強調地說：「這並非以OpenCL爲基礎的。」雖然咱們確實把OpenCL看做是進一步擴大FPGA應用範圍的一個途徑，但目前FPGA的初始雲端部署可能由更具能力的公司完成，但他們並無要求咱們提供OpenCL。Waxman補充說。

 

Waxman在不能「自由」地談論的狀況下，暗示英特爾有計劃使FPGA更容易編程。他表示Intel將會爲程序員提供RTL庫，方便他們調用在FPGA上部署的例程，並推進在其上執行應用程序的gate的造成，來實現應用程序例程的gate，而不是讓他們本身建立例程。這有必定的意義，與Convey（如今是美光科技的一個部門）幾年前用FPGA加速系統處理的方案同樣。

 

Waxman說：「我認爲有一個連續的加速。在一開始，你可能不知道你正在試圖加速什麼，只是作了一些嘗試，所以在這個階段加速，你想要的是一個更通用的目的。當你開始真正地想要加速的時候，你會想要更高效的，更低的功耗和更少的空間，這時你就會把焦點移到FPGA上。」 

 

Waxman還引用了Microsoft在其「Catapult」系統上使用FPGA加速的方案來講明。

 

該系統採用其Open Cloud Server並添加FPGA夾層卡做爲加速器。咱們在3月份研究了這個項目，將這些加速器應用在Google上執行相同的圖像識別訓練算法，得出的結果顯示，25瓦的FPGA器件相對於使用Nvidia Tesla K20 GPU加速器（235瓦特）的服務器，提升了更好的性能/瓦特。

 

正如咱們所說，咱們對於微軟和Google發佈的性能數據毫無疑問。可是對分立的GPU或FPGA執行應用性能和對自身的熱配置文件進行測量都是不公平的。你必須在服務器節點級別上看到這一點。

 

若是意識到這點，獲得FPGA輔助的Microsoft服務器在系統級只稍稍領先於用Tesla K20s的Google服務器。（這些只是咱們基於每秒每瓦特圖像處理性能的估計）。在這個對比中，Microsoft應該不考慮成本。並且坦白說，不一樣於什麼都配備的Tesla GPU，微軟開放雲端服務器並無使用Juice或Cooling。真正的評測怎麼都會使用GPU夾層卡，同時還須要考慮熱量，性能和價格等因素。

 

可是Waxman討論的重點仍然是那個。「在某個時候，你真的很想要那個能給你驚喜，而且能作到更低功耗的方案。而這就是咱們的FPGA方案所擅長的方面。」

 

雲端業務

 

最後要考慮的是英特爾的雲端業務。這些客戶如今佔據了他們數據中心集團收入的25％。

 

總體來看，他們的購買量每一年增加約25％。預計從2016年開始，將來幾年總體數據中心集團業務都將增加15％。讓咱們作一些計算。

 

若是英特爾的計劃如期實施，他的數據中心集團2016年收益將會達到166億美圓。雲端服務提供商（其中包括在The Next Platform上使用咱們的語言的雲端構建者和超大規模計算者）佔大約41億美圓，其他歸屬於英特爾數據中心，銷售數據大約爲125億美圓。所以，英特爾數據中心的業務增加在12％左右（除雲端外），是雲端速率的一半。英特爾須要以任何方式來知足雲端的增加和明顯的FPGA需求，即便它只佔用Xeon容量的一點點。對於英特爾來講是這個的選擇比讓GPU加速持續增加的方案要好。

 

編程方面多是阻礙FPGA被普遍採用的一個主因（不像其餘加速器，具備豐富的開發生態系統，如Nvidia GPU的CUDA）。這就驅動程序員去基於C語言去作擴展設計，或使用OpenCL，而不是用過去困擾FPGA開發的低級模型。但即便在應用的過程當中有這麼多里程碑，FPGA仍然不被主流青睞。咱們將會探索解決編程問題的方法和機會。

 

雖然咱們已經與這個相對較小的生態系統中的許多供應商（包括Altera和Xilinx，兩個主要供應商）進行了交流，但按照FPGA長期研究員Russell Tessier所說，FPGA在更廣闊的市場上大展拳腳的日子還在前面，新的發展意味着更普遍的採用。

 

他在馬薩諸塞大學（他還在Altera工做，而且Mentor Graphics收購的虛擬機工程的創始人）研究了FPGA二十多年，他認爲FPGA從科學項目到企業應用的形勢正式緩變化。他認爲其中的關鍵是來自於設計工具的改進，設計人員不斷提升他們設計高水平。除此與外，工具vendor能夠更好地引導芯片發展。他補充說，設備內的大量邏輯量意味着用戶可以實現更多的功能，這使得FPGA對更多領域更普遍的吸引力。

 

Tessier說：「在過去幾年裏，FPGA的一個明顯趨勢就是這些設備更容易「程序化」。

 

Xilinx目前鼓勵使用其Vivado產品的時候，用C語言進行設計。Altera還有一個已經開發的OpenCL環境。關鍵是兩家公司都在試圖建立一個環境，讓用戶可使用更熟悉的編程（如C和OpenCL），而沒必要是使用RTL設計專家所擅長的Verilog或VHDL。雖然在過去幾年裏取得不錯的成績，但這仍然處於推動的階段，不過這將有助於把更多的事情地移入主流。

 

其中一個對FPGA真正有利的因素就是若是將其和芯片搭配使用，創建一個快速的內部互聯，它能解決memory和數據移動中的限制。這種優點就是吸引Intel收購Altera的主要誘因。另外，若是像英特爾和IBM這樣的大公司可以積極推進FPGA的軟件生態系統的建設，其應用市場將會迅速擴張。FPGA的主流化（至少如今沒有GPU那麼重要，）可能會更快地出現。

 

Tessier解釋：「標準核心處理器集成的增長確定是關鍵所在。過去的障礙是語言和工具，隨着這些障礙愈來愈少，爲芯片供應商新的合做機會打開了一扇門。因爲這些和其餘「主流化」趨勢出現，不斷作出的改變的FPGA的應用領域將繼續增加。例如，金融服務商店是第一個使用FPGA進行財務趨勢和股票選擇分析的用戶，但使用案例正在擴大。如今有更強的設備能夠解決更大的問題。

 

更普遍的應用領域

 

除此以外，FPGA經過的其餘新領域發現新用途，包括DNA測序，安全性，加密和一些關鍵的機器學習任務。

 

固然，咱們但願FPGA變得強大，並「進入」世界上最大的雲端和超大規模數據中心，Xilnix數據中心部門副總裁Hamant Dhulla對此表示強烈贊同。他在2016年初，他告訴The Next Platform， 「異構計算已經再也不是一種趨勢，而是現實」，也就是在那個時候，微軟推出了使用FPGA的Catapult案例（如今就不少或之後會不少），英特爾收購了Altera以及看到了更多FPGA將普遍應用在數據中心的聲明。

 

從機器學習，高性能計算，數據分析等領域，FPGA在更多樣化的應用領域中嶄露頭角。這些都與FPGA上嵌入了愈來愈多可用的on-chip存儲器有關，這些都是FPGA製造商和潛在終端用戶所期待的。 Dhulla表示，市場潛力足夠大，讓Xilinx可以調整其業務的方式。 過去幾年，存儲和網絡主導了FPGA用戶羣。但將來五年內，計算端的需求將遠遠超過存儲和網絡，並都將沿着穩定的增加線繼續發展。

 

在FPGA其餘的熱門領域（包括機器學習），它們的更像是一個帶有GPU 的「協做」加速器。毫無疑問，對於許多機器學習工做負載的訓練部分，GPU是主要的。所以爲這裏須要不少計算能力，就像HPC同樣，其中power envelope tradeoff值得的。可是這些客戶購買了數十或數百個GPU，而不是數十萬個，龐大的加速器數目正使用在機器學習pipeline的推理部分，這就是市場所在。

 

正如咱們指出的，Nvidia正在使用兩個獨立的GPU（用M4來訓練，更低功耗的M4插入來削減服務器）來抵消這一點，但Dhulla認爲FPGA仍然可以經過採用PCIe方法下降功耗，也能夠嵌入超大規模數據中心。

 

他們的SDAccel編程環境經過提供對C，C ++和OpenCL的高級接口，使其更實用，可是推進超大規模和HPC採用的真正途徑是經過最終用戶示例。

 

當涉及到這些早期的用戶，就像爲下一代的FPGA的應用搭建了舞臺，Dhulla指向像Edico Genome這樣的公司。Xilinx目前還與其餘領域的客戶合做，包括石油和自然氣和金融方面的歷史計算方面。早期客戶將Xilinx 的FPGA應用在機器學習，圖像識別和分析以及安全性方面，這能夠看做他們計算加速業務發展的第一步。 

 

儘管雙精度性能和整體價格不佳，FPGA的真正的大規模應用機會在於雲端。由於FPGA能夠提供GPU所不能提供的優點。若是FPGA供應商可以說服其最終用戶，他們的加速器能夠提供至關大的性能提高（在某些狀況下他們會這樣作）給關鍵的工做負載。提供一個經過帶有其餘加速器（例如CUDA）的complexity-wise的編程環境推動OpenCL開發，經過在雲端中提供FPGA來解決價格問題。這多是一個新的但願。

 

固然，這種但願來源於將FPGA部署到有超密集服務器雲端架構內，而不是在單機的銷售上。這種模式已經在FPGA的金融服務中發生。

 

正如他們GPU加速器「夥伴」圍繞深度學習進行拉動，以便迅速獲得更多的用戶， FPGA設備在探索一個經過解決神經網絡和深度學習的問題的方式找尋入侵市場的真正的機會。

 

新的應用程序主機意味着新的市場，隨着雲端應用的推廣消除了一些管理開銷，它可能意味着更普遍的採用。FPGA供應商努力推進它在一些關鍵的機器學習，神經網絡和搜索方面的應用。FPGA在諸如天然語言處理，醫學成像，深度數據檢測等領域中的超大規模上下文中變得愈來愈廣泛。

 

在過去一年裏，FPGA的多種應用獲得曝光，特別是在深度學習和神經網絡，以及圖像識別和天然語言處理等領域。例如，微軟使用FPGA在1,632個節點上提供2倍的搜索服務，並採用創新的高吞吐量網絡來支持Altera FPGA驅動的工做。中國的搜索引擎巨頭百度（也是許多深度學習和神經網絡任務GPU用戶）正在用FPGA執行存儲控制，其天天的數據吞吐量在100TB到1PB之間。

 

使用FPGA的大規模數據中心和其餘領域的應用正在吸引人們對FPGA的單精度浮點性能的更多關注。

 

雖然一些案例使用（包括百度示例），將GPU做爲計算加速器和FPGA用在存儲端，但Altera，Xilnix，Nallatech和IBM的研究人員在OpenPower聯盟展現了FPGA在雲端深度學習的光明前景。

 

能夠說如今屬於FPGA的一個黃金時代。