我們知道,，相對于專業(yè)的ASIC，FPGA有上市時間和成本上的優(yōu)勢,。另外,，在大多數(shù)情況下，F(xiàn)PGA執(zhí)行某些功能較之CPU上的軟件操作更高效,。這就是為什么我們認為它不但會運用在數(shù)據(jù)中心的服務器,、交換器、存儲層的各個角落,，并且具有加速整個工作流程的功能,。
然而我們不能過分樂觀，尤其是在2015年12月,，Intel以167億美元收購了FPGA生產商Altera之后,。
在2014年年底，當時還處于獨立的Altera公司高層盯上了基于CPU＋FPGA的數(shù)據(jù)中心并行計算的發(fā)展前景——這個當時價值大約10億美元的市場,。而并非數(shù)據(jù)中心里約2．5億美元的CPU－GPU市場和直接應用CPU處理器的90億美元市場,。
Altera做出這個決定的原因在于他們認為這個組合較之另外兩個方案，有編程的簡便性和能效優(yōu)勢,。人們對CPU非常熟悉,，并發(fā)現(xiàn)尋找C程序員也不會太難。因此對大部分開發(fā)者來說,，在執(zhí)行運算任務的時候,，持續(xù)使用這種方案不需要冒太大的風險,，但是能源效率相對比較低，尤其是在密集的計算和固有的并行工作負載的情況底下,。
至于CPU＋GPU的方案,，程序員并不是很熟悉，但是擁有很高的效率,。
根據(jù)Altera的估計,，使用OpenCL對混合CPU－FPGA系統(tǒng)進行編程比使用Nvidia的CUDA環(huán)境對于程序員來說更容易（某些方面肯定是有爭議的），但用HDL來硬編程FPGA是相當困難的,，因此需要OpenCL或者通過其他抽象層來將CPU中的負載轉移到FPGA上,。
Intel收購Altera改變FPGA格局
這個十億美元的數(shù)據(jù)中心市場被Altera、Xilinx和其他FPGA供應商瓜分,。在Intel于2015年6月收購了Altera之后,，這個市場變得更加復雜,。
在收購之前的2014年,，Altera的19億美元收入中，有16％來自于與數(shù)據(jù)中心相關的計算,、網(wǎng)絡和存儲業(yè)務,，其總值達到3．04億美元。那些在這個領域深耕十幾二十年的通信和無線設備系統(tǒng)制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。另外有一點需要提一下,，那就是在執(zhí)行這些功能的時候,，使用FPGA并不需要像使用CPU那樣需要操作系統(tǒng)和相應的軟件。這部分的營收占了Altera營收的44％,，總額為8．35億美元,。
Altera另外的22％收入，即4．18億美元,，來自工業(yè)控制,、軍事設備和汽車制造等領域。他們面對相同的困境,，因此選擇FPGA來處理他們的一些工作負載,。
其實早在2014年，英特爾看中了價值1150億美元的各種類型的芯片潛在市場,。當中可編輯邏輯設備（以FPGA為主）約占4％,，ASIC占18％，其余為ASSP的大雜燴,。
在可編輯邏輯設備的領域中,，英特爾預估Altera占有48億美元市場中的39％,，Xilinx占有49％，剩下供應商則占據(jù)剩下的12％,。
當時英特爾沒有收購Altera的原因是因為FPGA業(yè)務的增長速度幾乎與其數(shù)據(jù)中心集團（為服務器,，存儲和交換機制造商提供芯片，芯片組和主板）的速度一樣快,。
再者,，英特爾沒有這樣做也是因為摩爾定律逐漸緩慢下來的腳步，給FPGA帶來了日益增長的競爭威脅,。
實際上,，如果應用的話，在數(shù)據(jù)中心里不止安裝一個FPGA,、GPU或DSP加速器,，但不需要安裝多個Xeon CPU。由于英特爾不能繼續(xù)為Xeons提供更多的核心和加速器,，所以他們得出了將FPGA當做加速器的結論,。
除非FPGA能在數(shù)據(jù)中心創(chuàng)造5億美元的收益，或者幾年后創(chuàng)造10億美元或更多的收入,。不然英特爾寧愿犧牲兩至三倍的Xeon收入,，也不會把Xeon的收入拱手相讓。
深度學習加持,，F(xiàn)PGA前景可人
根據(jù)英特爾的預測,，他們計劃從現(xiàn)在到2023年以接近直線增長率來提升FPGA的業(yè)務。對此我們總是抱有懷疑的態(tài)度,。但FPGA業(yè)務隨著時間的推移或多或少地在增長（比15年前增長約2．5倍）,。
英特爾還預計，F(xiàn)PGA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年間其復合年增長率為7％，其收入應該略低于預測的89億美元,。有趣的是,，由于英特爾的預測并沒有把來自數(shù)據(jù)計算中心（服務器，交換和網(wǎng)絡）的FPGA收入份額納入計劃中,，這將會發(fā)生很大變化,。讓我們分析一下：
如果Altera和Xilinx的市場份額沒有發(fā)生改變，且假設Altera的收入在網(wǎng)絡,，計算和存儲的部分保持不變,，那么Altera這一部分的業(yè)務收入到2023年將會達到5．6億美元左右。我們認為Intel這樣的數(shù)據(jù)低估了數(shù)據(jù)中心在提供更有效和靈活計算所面對的壓力。不給過我們認為FPGA的前景遠遠優(yōu)于這個預測,。也就是說,，許多FPGA技術的支持者一直期待FPGA在數(shù)據(jù)中心中獲得計算合法化的那天很快到來。
諷刺的是,，英特爾本身作為FPGA的編程專家,，硬件描述語言的使用者，以及知名的ASIC制造商,，竟成為推動FPGA成為加速器優(yōu)先選擇的主要參與者,。這樣的加速器既能作為獨立的離散計算元件，又可以作為混合 CPU－FPGA器件,。
這也是為什么從2016年以來,，我們看到所有關于Altera的新聞都是昭示FPGA將會有的大規(guī)模增的增長。所以至少在短期,，他們除了為其他的FPGA制造商作嫁衣裳,，幾乎別無他法。
這次收購不僅是FPGA發(fā)展的里程碑,，也是英特爾對FPGA巨大的潛力的承認,。FPGA作為未來強大的計算加速器，不但影響主要企業(yè)的決策和市場趨勢,，而且加速企業(yè)中的工作負載,，促進超大規(guī)模數(shù)據(jù)中心的內部搜索,，以及提高高性能計算模擬的地位,。
在跨越2017年之際，F(xiàn)PGA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(yè)敲下了又一重錘,。
我們知道，相對于專業(yè)的ASIC,，F(xiàn)PGA有上市時間和成本上的優(yōu)勢,。另外，在大多數(shù)情況下,，F(xiàn)PGA執(zhí)行某些功能較之CPU上的軟件操作更高效,。這就是為什么我們認為它不但會運用在數(shù)據(jù)中心的服務器、交換器,、存儲層的各個角落,，并且具有加速整個工作流程的功能。
然而我們不能過分樂觀,，尤其是在2015年12月,，Intel以167億美元收購了FPGA生產商Altera之后。
在2014年年底，當時還處于獨立的Altera公司高層盯上了基于CPU＋FPGA的數(shù)據(jù)中心并行計算的發(fā)展前景——這個當時價值大約10億美元的市場,。而并非數(shù)據(jù)中心里約2．5億美元的CPU－GPU市場和直接應用CPU處理器的90億美元市場,。
Altera做出這個決定的原因在于他們認為這個組合較之另外兩個方案，有編程的簡便性和能效優(yōu)勢,。人們對CPU非常熟悉,，并發(fā)現(xiàn)尋找C程序員也不會太難。因此對大部分開發(fā)者來說,，在執(zhí)行運算任務的時候,，持續(xù)使用這種方案不需要冒太大的風險，但是能源效率相對比較低,，尤其是在密集的計算和固有的并行工作負載的情況底下,。
至于CPU＋GPU的方案，程序員并不是很熟悉,，但是擁有很高的效率,。
根據(jù)Altera的估計，使用OpenCL對混合CPU－FPGA系統(tǒng)進行編程比使用Nvidia的CUDA環(huán)境對于程序員來說更容易（某些方面肯定是有爭議的）,，但用HDL來硬編程FPGA是相當困難的,，因此需要OpenCL或者通過其他抽象層來將CPU中的負載轉移到FPGA上。
Intel收購Altera改變FPGA格局
這個十億美元的數(shù)據(jù)中心市場被Altera,、Xilinx和其他FPGA供應商瓜分,。在Intel于2015年6月收購了Altera之后，這個市場變得更加復雜,。
在收購之前的2014年,，Altera的19億美元收入中，有16％來自于與數(shù)據(jù)中心相關的計算,、網(wǎng)絡和存儲業(yè)務,，其總值達到3．04億美元。那些在這個領域深耕十幾二十年的通信和無線設備系統(tǒng)制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。另外有一點需要提一下,，那就是在執(zhí)行這些功能的時候,，使用FPGA并不需要像使用CPU那樣需要操作系統(tǒng)和相應的軟件。這部分的營收占了Altera營收的44％,，總額為8．35億美元,。
Altera另外的22％收入，即4．18億美元,，來自工業(yè)控制,、軍事設備和汽車制造等領域。他們面對相同的困境，因此選擇FPGA來處理他們的一些工作負載,。
其實早在2014年,，英特爾看中了價值1150億美元的各種類型的芯片潛在市場。當中可編輯邏輯設備（以FPGA為主）約占4％,，ASIC占18％,，其余為ASSP的大雜燴。
在可編輯邏輯設備的領域中,，英特爾預估Altera占有48億美元市場中的39％,，Xilinx占有49％，剩下供應商則占據(jù)剩下的12％,。
當時英特爾沒有收購Altera的原因是因為FPGA業(yè)務的增長速度幾乎與其數(shù)據(jù)中心集團（為服務器,，存儲和交換機制造商提供芯片，芯片組和主板）的速度一樣快,。
再者,，英特爾沒有這樣做也是因為摩爾定律逐漸緩慢下來的腳步，給FPGA帶來了日益增長的競爭威脅,。
實際上,，如果應用的話，在數(shù)據(jù)中心里不止安裝一個FPGA,、GPU或DSP加速器,，但不需要安裝多個Xeon CPU。由于英特爾不能繼續(xù)為Xeons提供更多的核心和加速器,，所以他們得出了將FPGA當做加速器的結論,。
除非FPGA能在數(shù)據(jù)中心創(chuàng)造5億美元的收益，或者幾年后創(chuàng)造10億美元或更多的收入,。不然英特爾寧愿犧牲兩至三倍的Xeon收入,，也不會把Xeon的收入拱手相讓。
深度學習加持,，F(xiàn)PGA前景可人
根據(jù)英特爾的預測，他們計劃從現(xiàn)在到2023年以接近直線增長率來提升FPGA的業(yè)務,。對此我們總是抱有懷疑的態(tài)度,。但FPGA業(yè)務隨著時間的推移或多或少地在增長（比15年前增長約2．5倍）。
英特爾還預計,，F(xiàn)PGA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年間其復合年增長率為7％,，其收入應該略低于預測的89億美元,。有趣的是，由于英特爾的預測并沒有把來自數(shù)據(jù)計算中心（服務器，交換和網(wǎng)絡）的FPGA收入份額納入計劃中,，這將會發(fā)生很大變化,。讓我們分析一下：
如果Altera和Xilinx的市場份額沒有發(fā)生改變，且假設Altera的收入在網(wǎng)絡,，計算和存儲的部分保持不變,，那么Altera這一部分的業(yè)務收入到2023年將會達到5．6億美元左右。我們認為Intel這樣的數(shù)據(jù)低估了數(shù)據(jù)中心在提供更有效和靈活計算所面對的壓力,。不給過我們認為FPGA的前景遠遠優(yōu)于這個預測,。也就是說，許多FPGA技術的支持者一直期待FPGA在數(shù)據(jù)中心中獲得計算合法化的那天很快到來,。
諷刺的是,，英特爾本身作為FPGA的編程專家，硬件描述語言的使用者,，以及知名的ASIC制造商,，竟成為推動FPGA成為加速器優(yōu)先選擇的主要參與者。這樣的加速器既能作為獨立的離散計算元件,，又可以作為混合 CPU－FPGA器件,。
這也是為什么從2016年以來，我們看到所有關于Altera的新聞都是昭示FPGA將會有的大規(guī)模增的增長,。所以至少在短期,，他們除了為其他的FPGA制造商作嫁衣裳，幾乎別無他法,。
這次收購不僅是FPGA發(fā)展的里程碑,，也是英特爾對FPGA巨大的潛力的承認。FPGA作為未來強大的計算加速器,，不但影響主要企業(yè)的決策和市場趨勢,，而且加速企業(yè)中的工作負載，促進超大規(guī)模數(shù)據(jù)中心的內部搜索,，以及提高高性能計算模擬的地位,。
在跨越2017年之際，F(xiàn)PGA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(yè)敲下了又一重錘,。
首先，在2016年第二季度英特爾財務聲明會上,，Krzanich承諾,，英特爾將加強對目前使用Altera的ARM－FPGA芯片客戶的支持。
Waxman進一步澄清：“我們的觀點是會以某種形式把FPGA集成到Xeon里,。我們已經公開宣布將會打造第一代使用這種單一封裝的設備,，但是我們將根據(jù)進展情況調整方向,，甚至可能會在同一個die上實現(xiàn)。我們將根據(jù)客戶的反饋了解什么是正確的組合,。
順便說一下,，我仍然期待看到沒有集成的系統(tǒng)，保持他們會做系統(tǒng)級的協(xié)同,。我們不會將Xeon與FPGA以多種方式組合集成,，反之我們會在市場上找到正確的目標和平衡?！?/p>
編程問題首當其沖
雖然Altera的工具集利用OpenCL編程模型獲得應用程序代碼,，并將其轉換為RTL（FPGA的原生語言），但是有趣的是,，英特爾并不認為FPGA在數(shù)據(jù)中心的未來成功是基于OpenCL與RTL工具集成的改進或更廣泛地采用OpenCL,。
Waxman也強調地說：“這并不是以OpenCL為基礎的?！彪m然我們確實把OpenCL看作是進一步擴大FPGA應用范圍的一個途徑,，但目前FPGA的初始云端部署可能由更具能力的公司完成，但他們并沒有要求我們提供OpenCL,。Waxman補充說,。
Waxman在不能“自由”地談論的情況下，暗示英特爾有計劃使FPGA更容易編程,。他表示Intel將會為程序員提供RTL庫,，方便他們調用在FPGA上部署的例程，并推動在其上執(zhí)行應用程序的gate的形成,，來實現(xiàn)應用程序例程的gate,，而不是讓他們自己創(chuàng)建例程。這有一定的意義,，與Convey（現(xiàn)在是美光科技的一個部門）幾年前用FPGA加速系統(tǒng)處理的方案一樣,。
Waxman說：“我認為有一個連續(xù)的加速。在一開始,，你可能不知道你正在試圖加速什么,，只是做了一些嘗試，因此在這個階段加速,，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,?！?/p>
Waxman還引用了Microsoft在其“Catapult”系統(tǒng)上使用FPGA加速的方案來說明,。
該系統(tǒng)采用其Open Cloud Server并添加FPGA夾層卡作為加速器。我們在3月份研究了這個項目,，將這些加速器應用在Google上執(zhí)行相同的圖像識別訓練算法,，得出的結果顯示，25瓦的FPGA器件相對于使用Nvidia Tesla K20 GPU加速器（235瓦特）的服務器,，提高了更好的性能／瓦特,。
正如我們所說，我們對于微軟和Google發(fā)布的性能數(shù)據(jù)毫無疑問,。但是對分立的GPU或FPGA執(zhí)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(jié)點級別上看到這一點。
如果意識到這點,，得到FPGA輔助的Microsoft服務器在系統(tǒng)級只稍稍領先于用Tesla K20s的Google服務器,。（這些只是我們基于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,。而且坦白說，不同于什么都配備的Tesla GPU,，微軟開放云端服務器并沒有使用Juice或Cooling,。真正的評測怎么都會使用GPU夾層卡，同時還需要考慮熱量,，性能和價格等因素,。
但是Waxman討論的重點仍然是那個?！霸谀硞€時候,，你真的很想要那個能給你驚喜，并且能做到更低功耗的方案,。而這就是我們的FPGA方案所擅長的方面,。”
云端業(yè)務
最后要考慮的是英特爾的云端業(yè)務,。這些客戶現(xiàn)在占據(jù)了他們數(shù)據(jù)中心集團收入的25％,。
整體來看，他們的購買量每年增長約25％,。預計從2016年開始,，未來幾年整體數(shù)據(jù)中心集團業(yè)務都將增長15％。讓我們做一些計算,。
如果英特爾的計劃如期實施,，他的數(shù)據(jù)中心集團2016年收益將會達到166億美元。云端服務提供商（其中包括在The Next Platform上使用我們的語言的云端構建者和超大規(guī)模計算者）占大約41億美元,，其余歸屬于英特爾數(shù)據(jù)中心,，銷售數(shù)據(jù)大約為125億美元,。因此，英特爾數(shù)據(jù)中心的業(yè)務增長在12％左右（除云端外）,，是云端速率的一半,。英特爾需要以任何方式來滿足云端的增長和明顯的FPGA需求，即使它只占用Xeon容量的一點點,。對于英特爾來說是這個的選擇比讓GPU加速持續(xù)增長的方案要好,。
編程方面可能是阻礙FPGA被廣泛采用的一個主因（不像其他加速器，具有豐富的開發(fā)生態(tài)系統(tǒng),，如Nvidia GPU的CUDA）,。這就驅動程序員去基于C語言去做擴展設計，或使用OpenCL,，而不是用過去困擾FPGA開發(fā)的低級模型,。但即使在應用的過程中有這么多里程碑，F(xiàn)PGA仍然不被主流青睞,。我們將會探索解決編程問題的方法和機會,。
雖然我們已經與這個相對較小的生態(tài)系統(tǒng)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,，F(xiàn)PGA在更廣闊的市場上大展拳腳的日子還在前面，新的發(fā)展意味著更廣泛的采用,。
他在馬薩諸塞大學（他還在Altera工作,，并且Mentor Graphics收購的虛擬機工程的創(chuàng)始人）研究了FPGA二十多年，他認為FPGA從科學項目到企業(yè)應用的形勢正式緩變化,。他認為其中的關鍵是來自于設計工具的改進,，設計人員不斷提高他們設計高水平。除此與外,，工具vendor可以更好地引導芯片發(fā)展,。他補充說，設備內的大量邏輯量意味著用戶能夠實現(xiàn)更多的功能,，這使得FPGA對更多領域更廣泛的吸引力,。
Tessier說：“在過去幾年里，F(xiàn)PGA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(fā)的OpenCL環(huán)境,。關鍵是兩家公司都在試圖創(chuàng)建一個環(huán)境,，讓用戶可以使用更熟悉的編程（如C和OpenCL），而不必是使用RTL設計專家所擅長的Verilog或VHDL,。雖然在過去幾年里取得不錯的成績,，但這仍然處于推進的階段,，不過這將有助于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如果將其和芯片搭配使用,，建立一個快速的內部互聯(lián)，它能解決memory和數(shù)據(jù)移動中的限制,。這種優(yōu)勢就是吸引Intel收購Altera的主要誘因,。另外，如果像英特爾和IBM這樣的大公司能夠積極推動FPGA的軟件生態(tài)系統(tǒng)的建設,，其應用市場將會迅速擴張,。FPGA的主流化（至少現(xiàn)在沒有GPU那么重要，）可能會更快地出現(xiàn),。
Tessier解釋：“標準核心處理器集成的增加肯定是關鍵所在,。過去的障礙是語言和工具，隨著這些障礙越來越少,，為芯片供應商新的合作機會打開了一扇門,。由于這些和其他“主流化”趨勢出現(xiàn)，不斷做出的改變的FPGA的應用領域將繼續(xù)增長,。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?，F(xiàn)在有更強的設備可以解決更大的問題,。
更廣泛的應用領域
除此之外，F(xiàn)PGA通過的其他新領域發(fā)現(xiàn)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,。
當然,，我們希望FPGA變得強大，并“進入”世界上最大的云端和超大規(guī)模數(shù)據(jù)中心,，Xilnix數(shù)據(jù)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,， “異構計算已經不再是一種趨勢,，而是現(xiàn)實”，也就是在那個時候,，微軟推出了使用FPGA的Catapult案例（現(xiàn)在就很多或以后會很多）,，英特爾收購了Altera以及看到了更多FPGA將廣泛應用在數(shù)據(jù)中心的聲明。
從機器學習,，高性能計算,，數(shù)據(jù)分析等領域,，F(xiàn)PGA在更多樣化的應用領域中嶄露頭角。這些都與FPGA上嵌入了越來越多可用的on－chip存儲器有關,，這些都是FPGA制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能夠調整其業(yè)務的方式,。 過去幾年，存儲和網(wǎng)絡主導了FPGA用戶群,。但未來五年內,，計算端的需求將遠遠超過存儲和網(wǎng)絡，并都將沿著穩(wěn)定的增長線繼續(xù)發(fā)展,。
在FPGA其他的熱門領域（包括機器學習）,，它們的更像是一個帶有GPU 的“協(xié)作”加速器。毫無疑問,，對于許多機器學習工作負載的訓練部分,，GPU是主要的。因此為這里需要很多計算能力,，就像HPC一樣,，其中power envelope tradeoff值得的。但是這些客戶購買了數(shù)十或數(shù)百個GPU,，而不是數(shù)十萬個,，龐大的加速器數(shù)目正使用在機器學習pipeline的推理部分，這就是市場所在,。
正如我們指出的,，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認為FPGA仍然能夠通過采用PCIe方法降低功耗,，也可以嵌入超大規(guī)模數(shù)據(jù)中心。
他們的SDAccel編程環(huán)境通過提供對C,，C ＋＋和OpenCL的高級接口,，使其更實用，但是推動超大規(guī)模和HPC采用的真正途徑是通過最終用戶示例,。
當涉及到這些早期的用戶,，就像為下一代的FPGA的應用搭建了舞臺，Dhulla指向像Edico Genome這樣的公司,。Xilinx目前還與其他領域的客戶合作,，包括石油和天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,，這可以看作他們計算加速業(yè)務發(fā)展的第一步,。
盡管雙精度性能和總體價格不佳，F(xiàn)PGA的真正的大規(guī)模應用機會在于云端,。因為FPGA可以提供GPU所不能提供的優(yōu)勢,。如果FPGA供應商能夠說服其最終用戶，他們的加速器可以提供相當大的性能提升（在某些情況下他們會這樣做）給關鍵的工作負載,。提供一個通過帶有其他加速器（例如CUDA）的complexity－wise的編程環(huán)境推進OpenCL開發(fā),，通過在云端中提供FPGA來解決價格問題。這可能是一個新的希望,。
當然，這種希望來源于將FPGA部署到有超密集服務器云端架構內,，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(fā)生。
正如他們GPU加速器“伙伴”圍繞深度學習進行拉動,，以便迅速得到更多的用戶,， FPGA設備在探索一個通過解決神經網(wǎng)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著新的市場,，隨著云端應用的推廣消除了一些管理開銷,，它可能意味著更廣泛的采用。FPGA供應商努力推動它在一些關鍵的機器學習,，神經網(wǎng)絡和搜索方面的應用,。FPGA在諸如自然語言處理，醫(yī)學成像,，深度數(shù)據(jù)檢測等領域中的超大規(guī)模上下文中變得越來越普遍,。
在過去一年里，F(xiàn)PGA的多種應用得到曝光,，特別是在深度學習和神經網(wǎng)絡,，以及圖像識別和自然語言處理等領域。例如,，微軟使用FPGA在1,，632個節(jié)點上提供2倍的搜索服務，并采用創(chuàng)新的高吞吐量網(wǎng)絡來支持Altera FPGA驅動的工作,。中國的搜索引擎巨頭百度（也是許多深度學習和神經網(wǎng)絡任務GPU用戶）正在用FPGA執(zhí)行存儲控制,，其每天的數(shù)據(jù)吞吐量在100TB到1PB之間。
使用FPGA的大規(guī)模數(shù)據(jù)中心和其他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作為計算加速器和FPGA用在存儲端，但Altera，Xilnix,，Nallatech和IBM的研究人員在OpenPower聯(lián)盟展示了FPGA在云端深度學習的光明前景,。
可以說現(xiàn)在屬于FPGA的一個黃金時代。