为什么最近几年fpga变得越发受大家重视了

白丁

为什么最近几年fpga变得越发受大家重视了 [复制链接]

 

知乎问题  原文地址
谨慎乐观吧，主体客户仍维持不变，部分新方向用户倾向软硬件融合化。

要分清几个区别：某学科与技术在学术圈里变成热点、某技术在国际领先公司那里成为新闻热点、在国内领先公司那里成为热点、普通公司那里变得普及……这几个范围对应的就业人群与人数是不一样的。

比如大家耳熟能详的几个关于FPGA的热点：Intel收购Altera; IBM建立Power CAPI联盟; 微软使用FPGA对搜索引擎进行加速; iPhone7采用Lattice FPGA; 国内BAT也将FPGA加速用在服务器上......这些新闻让我们很振奋，觉得FPGA的春天来了。但真想想，这些职位能有多少？国外的不谈，国内的原Intel（不包含Altera）每次开放都是个位数，申请者众多，能拿到offer的少之又少，再想想FPGA这个就业基数……

把之前写的文章贴出来：学习FPGA将来的出路在哪里？ - Evan172 的回答 - 知乎

列了八条，现在和未来段时间的主体客户仍然是FPGA作为产品使用和作为IC验证平台，有些新应用范围在扩大，比如汽车电子、eFPGA、硬件加速、消费电子、IoT等。这些新范围未来时间内能容纳多少就业人群，现在还难判断。

有个倾向是软硬件融合，可能有更多本来是其它领域的工程师来兼任FPGA开发，而不需要专职的FPGA工程师，比如汽车电子、消费电子等，只需要用极简单的设计，可能是原先的工程师简单培训下就上手了; Lattice那块FPGA里的bitfile是Lattice AE帮忙生成后发给客户的（iPhone 7 为什么集成一颗 FPGA 芯片？）; eFPGA或者说类似Xilinx ZYNQ系列芯片吧，用于低端板卡控制芯片不错，与以前的Spartan6相比还可带个系统在里面; 硬件加速OpenCL这块倒是值得期待，去厂商如Intel或解决方案那里还不错，去用户如BAT那里也只是平台的一部分，类似IT，地位远不能与核心应用相比。

chunyang

FPGA越来越受重视的原因没什么神秘的，甚至跟技术无关，就一条，够便宜了而已，大家用的起了。

白丁

从微薄看到爱可可老师的链接，过来聊几句。

我在华大读书的时候就是做FPGA优化算法的，当时的导师后来放着自己业界几十年的功成名就觉得不好玩，跑去altr当工程师，过了几年某奥就被某尔收购了。

当时我跟他读书的时候，他已经在FPGA界做出了重大成就，还自己筹资生产了他独创架构的可编程高性能计算芯片，当然那个时候太早了，也没太出名，那些芯片就扔在他书桌上。

我跟他的时候，他让我琢磨向量运算，我不是传统意义上的好学生，凡事不是导师说了就做，而是要刨根问底先让导师说服我，导师倒是也不烦，就说服我，说高性能计算的根本就是矩阵运算，而矩阵运算的根本就是向量运算。我凭着小时候耳濡目染的一点点数学底子，眨眨眼想明白了，就认真做。现在大家说的什么tensor flow，里面tensor就是张量，一维张量就是向量，二维就是传统意义的矩阵，不管多少维，运算都是回到向量计算。

后来我做出一个算法来，是在导师发明的算法控制之下的，把可编程芯片的最关键部分：片上互联网络的利用率提上去，然后把这种算法的效率提高了很多，另外还把时空资源分配的事情也搞定了。这个东西出来，基本上一个可编程芯片就可以随时变成一个超级计算机，当时还拿了一个奖。我毕业以后也在某奥做了几年。

我导师发明的这种可编程芯片，一部分是FPGA，另外一部分是运算器件。以后FPGA的发展方向，会朝这种混合高效形式走。

回答提问者的问题：
1.FPGA的运算优势。主要是高性能计算，高性能计算就是拼向量，向量的维度有长有短，能同时计算的维度，就是数据通路宽度。CPU的问题在于数据通路窄，phi也就是几个维度，GPU的维度宽，FPGA的好处是可以随时变化宽度。一个FPGA的数据通路宽度，理论上仅受限于片上的乘法器数量。FPGA另外一个优势是能耗低，但是这个东西以后会上来的，bit per watt的理论极限在那里，没办法的。

2.FPGA的发展方向我看还是在人工智能。主要是因为物联网的大爆发，数据产生速度超过了人类能处理的能力，所以需要高性能自动化数据处理，特别是时间序列数据的处理能力。FPGA在消费类电子产品里面虽然会有应用，但是那种主要是glue logic，注意iphone里面的FPGA不是高性能FPGA，lattice的市场份额最多只有个位数，X和A家基本上7:3的样子。

3.新手不要先学FPGA，那个东西目前的工具链还不太成熟，先把编程学好，或者偏电子专业的学Verilog / VHDL也好。

一晃已经12年过去了，摩尔定律的发展，终于走到了这一步。FPGA走上了正式的高性能计算的舞台，我导师自己忍不住，跑到第一线去玩了。哪天去问候一下，聊聊最新进展。

白丁

FPGA的发明就是提高数字电路的重复利用性，通过可编程的方式实现不同的电路逻辑功能。随着FPGA结构的不断演变和工艺的不断提升，在FPGA内部集成了越来多的资源，比如BRAM、PLL、DSP、Transceiver、 DDR IP以及处理器ARM等，可以说功能变得越来越强大，用来辅助CPU计算，也获得了协处理器的名称。

针对楼主的问题：
1）与处理器的对比：FPGA与处理器是不一样的硬件结构，所以无法直接进行对比，FPGA是以可编程的数字电路为设计理念（通过编程改变内部电路逻辑），而CPU是以逻辑计算为设计出发点。FPGA擅长的领域是数字信号处理，兼容多电平标准的接口可以互联各种高速电子器件，比如高速ADC和DAC、光纤收发器等，同时丰富的IP资源保证了有丰富的外设，比如SDRAM、PCIE接口、以太网PHY、SATA接口等等。从外设上看，FPGA可搭载的外设和CPU区别的不是太大，该有的都有了。

2）与GPU的对比：FPGA可以和GPU在并行计算上进行对比，更确切的说是GPGPU（通用计算GPU）。FPGA的并行处理体现在逻辑单元的并发性和流水线的处理方式上。并发性指的是各个逻辑模块相互独立处理，依赖各自的电路资源同时工作；流水线的处理方式就是将任务切片，同一时刻可以多任务执行（FPGA的并行优势更多的体现于此）。此外FPGA带有丰富的片上存储资源，可以大大减少访问片外存储的延迟，提高计算性能（访问SDRAM储存大约是访问寄存器存储延迟的几百倍以上）。GPU的并行性体现在多核上，计算任务通过编译器编译完成之后分配到每个计算单元，每个计算单元同时工作，计算完成之后通过多级内存管理（一般为三级，private memory， local memory和global memory，映射到FPGA可以为register file， BRAM 和外部DDR存储）回到CPU，GPU的多核类似于CPU的多核，但是GPU的核仅仅是负责计算的核，以支持多bit的向量计算见长。

3）FPGA未来的发展：FPGA之前一直应用于高速数字信号领域和ASIC验证，比如数字信号采集，工业控制，航天，军工，很多人讲过，不一而足。最近几年，个人感觉从2012年伴随着Vivada开发套件的推出（以Xilinx推出Vivado作为参考，Vivado工具支持高级语言综合（High Level synthesis），支持C语言到RTL的映射，以及开始支持亿级以上门电路的设计），FPGA作为协处理器慢慢走上正轨，有了工具的支持才使得CPU上的算法移植到RTL语言变得的简单，亿级门电路保证了丰富的逻辑资源。现在FPGA在机器学习和硬件加速上得到越来越多的重视（2015年底 Intel收购Altera），也做出了不少具有开创性的作品，但同时也存在诸多问题，比如1）什么样的算法适合FPGA进行加速，2）FPGA的加速性如何提升，是靠逻辑资源来取胜还是靠真正的算法优化，3）FPGA能不能摆托对CPU的依赖（现在加速采用异构的方式进行，CPU作为Host，FPGA作为device），4）FPGA的编译器能不能发生革命性的变革？ 总而言之：一个越是充满不确定性的领域，越可能是发生革命性的变革（熵很大）。

4) 建议：若想从事电子领域，应当先学好单片机，精通单片机基本可以做到窥一斑而知全豹吧。

最后附上三家公司的股票对比（近5年）
Xilinx 市值13.44 Billion（截止到2016-11-19），中规中矩


Nvidia市值 49.95 Billion（截止到2016-11-19），多么漂亮的爬坡曲线~~

Intel市值 165 Billon （截止到2016-11-19），老大哥经历过低谷，开始慢慢爬起


2016年半导体厂商营收排名：Top20


--------------------------------------------------------------------------------------------------------------------
更新2016-11-22
如果看Nvidia股票近5年的走势话，和深度学习热度十分吻合，不知谁因谁果，但我更偏向于2012年Hinton课题组拿下ImageNet比赛的冠军，引爆了深度学习的热潮，从而推动了GPU的发展。于此同时GPU的发展也带来了深度学习性能的提升。既然GPU在深度学习领域如鱼得水，那么怎么会将GPU与FPGA进行对比呢？在深度学习爆发之前为什么没有呢(大家各走各的阳关道)？

我想期初（2012-2014）GPU在深度学习领域的地位无可撼动，可以说是拿着探照灯也找不到对手，而且那时大家是深挖深度学习的潜能出成果，无暇顾及太多。还没吃饱自然不会想到胖。随着深度学习的发展，功耗和硬件结构成为摆在眼前的问题，这时研究者们开始思考有没有其他的硬件也可以进行深度学习？放眼望去，只有FPGA具有的并行性或许可以，但结构和GPU相差甚远，完全是两个体系。

功耗方面，电子元器件的功耗与C（寄生电容）、V（工作电压）和f^2（工作频率成正比），可以写为P=CVf^2, GPU作为多核来讲，可以将其功耗与Core看成是线性关系，即P=NCVf^2, 核越多功耗就越大。除此之外，GPU板卡的功耗还来自与大量访问片外存储SDRAM造成的功耗，这些功耗主要包括寄有功耗（Background）\读写（Write/Read）功耗、激活（Active）功耗、刷新功耗（Refresh）、端接功耗（DQ terminal）等。

硬件结构上，大家希望可以研制出深度学习处理器，这样在处理性能和功耗上都会是一个飞跃，所以这也是很多深度学习芯片公司纷纷成立的原因（深受VC推崇），这完全是一片蓝海，很蓝很广。研制深度学习芯片离不开FPGA，但是万一深度学习芯片研制成功了，Nvidia的股票会如何呢，FPGA又会如何呢？

现在FPGA为什么会得到重视，就是抛开FPGA原有的领域，在深度学习领域似乎有那么点光，有光就意味着有希望。如同2012年前，GPU只是游戏发烧友口中的电脑配置的代名词，时至今日，GPU从游戏界走到了学术界，走到了工业界。说不定FPGA或者AI芯片也会，有机会就要抓住他。从来不要低估一颗冠军的心。

FPGA的开发问题：现在已经可以在FPGA上通过OpenCL实现Caffe的framework，假以时日，会有不错的成绩（困难会被慢慢推倒）。

最后附上FPGA与GPU的对比文章（已经有人做了），文章从浮点运算能力、延迟、单位瓦特的处理能力、接口、向后兼容性、灵活性、物理尺寸、人员成本、单位美元的处理能力进行了对比。但是Flexibility上原文可能写错了，应该是FPGA占优势。

白丁

原因是先进制程ASIC的NRE成本在飙升。90nm工艺刚出来的时候，还有近百个设计采用，据说当时的NRE是1500万刀，现在据说还要好几百万，现在14nm工艺全球可能只有6-7家企业的十几个设计能够支付的起了。原因是什么，一个14nm设计，NRE需要一亿刀，我就算毛利到60%，收回成本也得卖1.6亿刀，再考虑盈利，风险，其他的成本（高复杂逻辑芯片会有很高的软件开发费用），不卖个5亿刀根本不考虑开14nm的ASIC项目。而市场上有这么大市场规模的单品是很少的。市场规模不够大，就没法开先进ASIC；但是没有先进ASIC就没法完成一些高要求的工作。这就陷入了一个死循环，FPGA是打破这个死循环的利器。FPGA的NRE成本可以摊到上千个小项目上，从而让每个项目只分担几十万刀的NRE。比如开发一款14nm的FPGA，需要一亿刀，他的性能可以达到45nm ASIC的水平。然后有一千个有45nm工艺要求的项目可以采用该FPGA来解决问题，他们支付不了45nm工艺数千万刀的NRE，但是通过分摊的方式每家支付几十万刀还是可以得。
不过我觉得FPGA会越来越重要，侵占更多传统上ASIC的地盘是没错，但是也很难大热。未来大热的方向上，VR/AR面临GPU的竞争，FPGA没什么优势，物联网上FPGA这种高密度高能耗的玩意没戏，人工智能深度学习上很难说，我觉得类似DSP那样特化的CPU或者一些新概念器件可能才是方向。未来大人方向里FPGA我觉得有优势只有大数据了。
总之，我觉得如果你现在是集成电路方向的数字工程师，一定要掌握FPGA相关的技能，无论是转行还是在目前的工作中都很有用。其他人就不必太关注了。

白丁

为什么最近几年FPGA变得变得越发受大家重视了？
这题目咋一看问得很有深度。但是很遗憾这不是事实。
不过结合到题主的描述……你有这样的感受是因为你之前没有听说过吧。毕竟几年前你也不太可能知道什么叫FPGA。
一个简单的办法，在google Trends上把FPGA和目前真正有上升趋势的一次词汇对比一下搜索热度。比如就拿Machine Learning 来比较一下就知道了。


蓝色的是FPGA，红色的是Machine Learning。看出趋势了吗？FPGA这5年里搜索热度是在平稳下降，而Machine Learning才是在大幅提升。
什么叫越发受大家重视？这至少从一个侧面说明了问题。

白丁

1，不会爆发，量大都流片去了，
2，高薪，学习曲线太抖，数字电路模拟电路外加算法就够很多人喝一壶的了，
3，优势在于，用于验证，流片毕竟太贵。
4，非从业者，搞过几天，建议可以试试，这是一条道，咬着牙走下来吃好喝好肯定没啥问题，挣大钱难度很大。

白丁

上面已经有很多优秀的回答来，刚好我最近在做FPGA相关课题研究，我想应该能补充一下的，如有不对，欢迎批评指正。针对题主的问题

1.FPGA到底相较于传统处理器在哪些方面更有优势？是否类似于显卡与CPU的关系呢？
FPGA相对于传统的CPU，优势在于以下几点： 1）更大的并行度。这个主要是通过并发和流水两种技术实现。A）并发是指重复分配计算资源，使得多个模块之间可以同时独立进行计算。这一点与现在的多核和SIMD技术相似。但相对与SIMD技术，FPGA的并发可以在不同逻辑功能之间进行，而不局限于同时执行相同的功能。举个简单例子说就是使用SIMD 可以同时执行多个加法，而FPGA可以同时执行多个加法和乘法和任何你能设计出来的逻辑。B）流水是通过将任务分段，段与段之间同时执行。其实这一点和CPU相似，只是CPU是指令间的流水而FPGA是任务间流水或者我们可以说是线程间流水。2）可定制。FPGA 内部通过Lookup Table实现逻辑，我们可以简单理解为是硬件电路。可定制指的是在资源允许范围内，用户可实现自己的逻辑电路。通常情况下任务在硬件电路上跑是比在软件上快的，比如要比较一个64位数高32位和低32位的大小，在CPU下需要2条区数指令，两条位与指令，一条移位指令一条比较指令和一条写回指令，而在FPGA下只要一个比较器就行了。3）可重构。可重构指的是FPGA内部的逻辑可根据需求改变，减少开发成本。同时，使用FPGA复用资源比使用多个固定的ASIC模块为服务器省下更多的空间。
FPGA与CPU的关系和GPU与FPGA的关系是非常类似的，我们可以认为是co-processor。但实际上FPGA/GPU和CPU之间的关系是不对等的，通常情况下FPGA/GPU是以设备形式存在。简单说就是FPGA/GPU需要CPU管理，而且传输数据时需要在内存中进行一个copy操作把数据从内存拷贝到设备内存中。近年Intel的HARP和IBM的CAPI改变的这一局面，Intel将FPGA集成到CPU中，两者通过QPI相连，而IBM的CAPI/Nvink使得FPGA/GPU与CPU共享内存，从某种意义上说改变了FPGA/GPU的角色，也就是说他们和CPU的关系是对等的（这是很重要的改变！！！）。更详细的请关注FPL16的keynote，或者查阅IBM CAPI相关信息。

2.fpga在未来五到十五年里的发展方向会是怎么样？特别是在消费电子领域会有爆发点吗？
对消费电子领域研究不多，我的观点是FPGA在消费电子上使用更多的是成本问题，FPGA还是挺贵的，除非能把成本降下来，不然用在消费电子上会增加成本，太贵的手机买的人也不多。但是FPGA在企业级应用上使用是越来越广，比如说机器学习，大数据，数据库，DNA匹配和检测等。比如说现有的IBM的Netezza系统，Kickfire的Kickfire系统，Microsoft的Bing引擎等等。

至于题主提到的没感觉单片机和FPGA的区别，我猜是你跑的应用太简单了或者说数据集太小了。如果你是比较跑马灯或者电梯控制器在FPGA和在单片机上的区别，可以说很难看出FPGA的优势，甚至说FPGA的开发过程会让你觉得单片机更加方便。你可以试着跑一个复杂一点的算法和大一点的数据集，比如说基因序列比对 smith waterman算法。在CPU上需要运算几十小时，在FPGA上可能只需要几小时，在单片机上保守估计要个几天（真没试过，欢迎提供数据）。

3.对相关专业学生有什么建议吗？
我是Computer Science/Engineering的，我的建议是，哈哈哈哈，转CS吧，转CS吧，转CS吧。我还是为自己N年前乱填的一个计算机科学与技术感到荣幸，现在CS真的好火，需求也广，真是新时代民工。从我了解的FPGA的职位看来，做FPGA的有这么几种：1）制作FPGA，也就是做一个更好更快更符合客户要求的FPGA芯片，这个难度很大，市场主要被Xilinx和以前的Altera占了，而且这个更多的属于工艺问题，类似职位能提供的应该也不多。2）使用FPGA做开发/原型验证，或者说FPGA只是开发的平台，最后转到ASIC上，这个做了好久，估计职位不会很多，或者你可以自己拓展新应用。3）FPGA加速，实现基于FPGA的异构系统，FPGA是直接集成到系统中运行的，是近年比较或的几种架构之一。

所以说，如果真的想做FPGA，也尽量往CS靠（不知到CS还能坚持多久），做大数据/深度学习/生物信息学相关的FPGA 加速项目。以架构师的培养方式锻炼自己。不能局限于FPGA内部逻辑的设计，要跳出FPGA，站在系统层面上考虑FPGA的角色。比如说如何解决FPGA local memory （BRAM）太小的问题，如何解决FPGA-Memory和CPU-Memory内存带宽不均等的问题，等等。近几年FPGA的几大顶会FPGA，FCCM，FPL等都在关注CPU-FPGA的异构系统架构。更让人惊喜的是近几年系统结构的几大顶会（ISCA，HPCA，MICRO，ASPLOS，SC）中，FPGA相关文章也占有一定比重，从一点角度说FPGA再次受到重视，但是可能并不是传统的FPGA开发研究，而是如何真正在系统上用好FPGA。最后说一点，架构师的工资比普通码农高一些。仅供参考。

白丁

从略偏CS的角度答第一问
FPGA是可编程的，一块FPGA芯片接上电以后还可以修改逻辑功能，这一点跟处理器是比较像的。个人认为FPGA跟处理器(包括CPU、GPU等)相比

优点：并行度高。没有『一条一条依次执行指令』的限制，verilog里写
assign a = x + y;
assign b = x - y;
a和b的计算自然是并行的，根本不用管线程进程什么的。合理的设计可以让大部分运算单元都不闲着。
性能功耗比高。没有指令译码等控制模块吃功耗。
位运算自由。不受『一次操作8/16/32/64/etc.个bit』的限制，不用搞些奇怪的bit mask。
a = (a & 0xF0) | (b & 0x0F);
可以写成
a[3:0] <= b[3:0];

缺点：编程困难。HDL就不说了，即使现在有了opencl这样的东西，思维方式也没有很大的变化。算固定数据流图的是厉害，比如FFT；遇到动态任务的，数据流图和输入数据有关的就很无力，比如快速排序。

（为什么『快速傅里叶变换』不叫Quick Fourior Transform 而『快速排序』不叫Fast Sort呢？）

cclccl941123

哇奥，简直太赞了……