FPGA市场前景

FPGA由六部分组成：可编程输入/输出单元、基本可编程逻辑单元、嵌入式块RAM、丰富的布线资源、底层嵌入功能单元和内嵌专用硬核。

自Xilinx在1984年创造出FPGA以来，这种可编程逻辑器件凭借性能、上市时间、成本、稳定性和长期维护方面的优势，在通信、医疗、工控和安防等领域占有一席之地，在过去几年也有极高的增长率。而近几年，由于云计算、高性能计算和人工智能的繁荣，拥有先天优势的FPGA的关注度更是到达了前所未有的高度。

智能时代 想不到FPGA成了关键芯

2014年，全球FPGA市场总规模达到50亿美金，其中，中国的市场份额有15亿美金，中国市场占全球市场的三分之一。分析机构预计2015年至2020年全球FPGA市场的年复合增长率为9%，到2020年，全球FPGA市场规模将达84亿美金。目前FPGA正处于一个加速增长的市场势态中，增长幅度远大于其他芯片市场；同时，FPGA行业平均毛利可观，据市场数据分析表明其行业平均毛利大于60%。FPGA行业也需要更大的市场规模，以吸引更多的使用者。随着FPGA产量逐步增加，成本的进一步降低，其市场份额将会持续增大。

FPGA处理器整合成趋势

一直以来，FPGA可编程器件都主要应用在通讯设备或工业控制等较为专业的应用领域，但随着不同行业使用需求的提升，FPGA器件的应用层面不断拓展。

随着微电子技术和软件技术的发展，嵌入式处理器、专用数字器件、外设和DSP算法正在以IP核的方式嵌入到FGPA中，以单芯片可编程FPGA完成整个嵌入式系统设计已成为现实。众多FPGA公司都具有这样的芯片产品，并在通信、工业控制等领域具有广泛的应用。

FPGA处理器整合SoC以其低功耗、高性能、低成本、高可靠性等优点成为嵌入式系统的发展趋势。不过，对于一些设计者来讲这还是新鲜事物。

通用处理器在计算性能和能效上越来越难以满足日益庞大、多样化的数据处理需求。比如机器人是复杂的机电一体化装置，综合运用了机械与精密机械、微电子与计算机、自动控制与驱动、传感器与信息处理以及人工智能等多学科的最新研究成果。为了将这些成果融合起来，真正形成认知、感受和行动的能力，使机器人能够理解并应对真实的世界，准确完成操作任务，其搭载的计算平台需满足多种要求，包括感知能力、控制能力、计算能力、功耗控制、易用性。现有的计算平台很难满足以上需求，搭建适用于机器人的异构计算平台已经迫在眉睫，CPU+FPGA的方案以其独特的优势进入我们眼帘。

借助由GPU、FPGA和其他智能引擎等协处理器与CPU一起组成的异构计算平台来提升计算性能，已成为当下学术界和工业界的研究热点。异构计算作为一种特殊的并行计算方式，能够根据每个计算子系统的结构特点为其分配不同的计算任务，在提高计算性能、能效比和实时性保障方面体现出传统架构所不具备的优势，逐渐在各种计算需求量较大的场合得到应用。

FPGA在一些关键的机器人应用中发挥极大的价值。英特尔通过Xeon+FPGA平台和XeonPhi系列产品来推动异构计算的实施。新的Arria10系列FPGA和SoC功耗比前一代FPGA和SoC低40%，具有业界唯一的硬核浮点数字信号处理（DSP）模块，其速率高达每秒1.5万亿次浮点运算（1.5TFLOPS）。

智能时代，FPGA的“芯”机遇

FPGA问世以来，在复杂逻辑电路以及数字信号处理领域中扮演着越来越重要的角色，凭借性能、上市时间、成本、稳定性和长期维护方面的优势，在通信、医疗、工控和安防等领域占有一席之地，在过去几年也有极高的增长率。而近几年，由于云计算、高性能计算和人工智能的繁荣，拥有先天优势的FPGA的关注度更是到达了前所未有的高度。

人工智能是当前整个科技产业探索的未来方向，也是互联网领域的下一个浪潮。芯片处于的人工智能产业链的最上游，为中下游产业链提供计算处理能力及相关解决方案，芯片决定了智能设备发展的深度。以FPGA来实现人工智能应用，具有非常大的优势，可以很轻松地进行各种修改或升级，以便在最短时间内支持新的人工智能算法。

越来越多的辅助驾驶、无人机、虚拟现实/增强现实、医学诊断、工业视觉等应用，为了追逐更高性能/差异化，纷纷对机器学习产生浓厚的兴趣。

已有几家初创企业在开发专门的机器学习芯片，但上述这些应用不仅仅要集成机器学习，还有计算机视觉，传感器融合和连接。如果要开发这么一整套独特的性能组合，可能要花费几亿美元才能推出第一款芯片，而且从各种规格的确定落实到推出样片，可能需要三年以上。

神经网络、算法和传感器等都还是处于不断演化的过程，一款固定的、标准的设计平台面对这些风云变幻的演进根本无力招架。此时此刻，FPGA技术成为数百家嵌入式视觉企业开发的首选，其中用于机器学习领域的已经超过40家。

人工智能领域的演进非常快速，具备可重组以及支持所有形式链接等优势的FPGA，可以很轻松地进行各种修改或升级，以便在最短时间内支持新的人工智能算法。类神经网络、算法、传感器技术与接口标准都会持续加速演进，可重组特性对于“支持未来需求”的智能视觉系统至关重要。

结语：一些大规模工作负载的扩展（如机器学习，某些网络功能）吸引了越来越多的人关注。为FPGA从数据中心应用程序中移植到更多适合的、广泛发展领域的提供了良好机会，FPGA进入黄金时代。