【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

      受到半導體工藝技術的影響，FPGA也迎來了自己的技術突破。通過對FPGA器件的發展，我們能夠推理出未來FPGA的發展方向。

　　1. 高密度、高速度、寬頻帶、高保密;

　　2. 低電壓、低功耗、低成本、低價格;

　　3. IP軟/硬核復用、系統集成;

　　4. 動態可重構以及單片集群;

　　5. 緊密結合應用需求，多元化發展。

　　集成了FPGA 架構、硬核CPU 子系統和其他的硬核IP芯片的應用范圍會更加廣闊，這也為進行FPGA的研究提供了新的設計思路，設計人員能夠基于芯片的應用，在有專利保護的架構上搭建FPGA的功能模塊，完成具有更高性價比的芯片產品。 從技術方面分析，GPU、FPGA 和 ASIC都有自己的特點，但是在進行實際的應用時，GPU的先發優勢更好。

　　近兩年，全球七大超級云計算數據中心包括 IBM、Facebook、微軟、AWS 以及 BAT都采用了 FPGA 服務器。在這方面，中國和美國處以同一起跑線，FPGA 實現了在全球七大數據中心的部署。

　　從當前的FPGA行業發展，我們可以預測FPGA的發展方向：

　　人工智能算法正在快速迭代階段。ASIC 芯片雖然能夠實現最優性能，即面積利用率高、速度快、功耗低;但ASIC 芯片的研發周期很長，同時成本極高，需要足夠大的市場來支撐成本投入，現在只有極少數公司進行了該項研究嘗試。

　　而人工智能算法模型開始從訓練環節向推理環節過渡，這種趨勢對FPGA的發展十分有利。人工智能算法模型訓練出的算法模型往往呈現規模太大，復雜度太高的特點，無法直接進行實際應用部署。為了解決這個問題，人工智能算法模型趨向于將訓練后的模型進行壓縮，再應用到推理環節。

　　人工智能算法正處于快速迭代中，能夠在幾乎沒有預測精度損失的情況下將 LSTM 模型的尺寸壓縮 20 倍。在算法能夠帶來數量級的性能提升下，想要將算法固化在 ASIC 中來獲得效率提升的想法并不實際，如果采用搭建在 FPGA 上的硬件框架 ESE，就能獲得高一個數量級的能量效率提升。ESE 的速度為英特爾 Core i7 5930k CPU 的 43 倍，英偉達 Pascal Titan X GPU 的 3 倍。它的能量效率分別為以上兩種處理器的 40 倍和 11.5 倍。采用 FPGA 搭建硬件框架充分發揮了 FPGA 萬能芯片的特性，性能遠超 GPU 等。

　　集成電路行業一直呈現一家獨大的市場現狀，但是在后期發展中，隨著芯片的制程工藝提升，芯片NRE 費用在呈現指數級上升。但是FPGA 的 NRE 成本可以攤到上千個小項目上，從而讓每個項目只分擔幾十萬美元的 NRE。

　　隨著芯片的 NRE 費用不斷呈現上升趨勢，也就會有越來越多的 ASIC 芯片達不到規模經濟而失去市場，從而投入到FPGA 的研究，指數級成本上漲對FPGA是有益的。