智研精品报告

2017年我国FPGA行业市场现状分析【图】

FPGA 2017-11-13 03:14

FPGA（Field－ProgrammableGateArray），即现场可编程门阵列，它是在PAL、GALCPLD等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。

FPGA在1992年被首次应用于神经网络，1996年被首次用于卷积神经网络（CNN）的加速，但是因为那时的FPGA没有密集的乘法累加器（MAC）以及FPGA尺寸的限制，导致计算效率较低且算法精度较低，应用效果不佳。但是近年来FPGA相关技术已经获得显著突破，其中最显著的就是晶体管尺寸不断减小，FPGA上硬化计算单元数量的增多使得FPGA核心逻辑单元的密度显著增加。另外在2011年，Altera推出OpenCL语言使得在FPGA上实现异构计算和并行计算成为可能，极大地推动了FPGA在深度学习中的应用。2015年，微软利用FPGAStratixVD5在ImageNet竞赛上实现了134张/秒的吞吐量，是第二名参赛者的3倍，而且功率仅为25W，这一事件对于FPGA在深度学习中的应用而言具有里程碑的意义。从此，百度、腾讯、亚马逊等科技巨头公司开始纷纷将FPGA部署到数据中心中。

FPGA在深度学习领域应用的重大事件历程

数据来源：公开资料整理

在FPGA被用于深度学习之前，FPGA主要有3大应用方向：（1）通信设备的高速接口电路设计通信设备的高速接口电路设计，这一方向主要是用FPGA处理高速接口的协议，并完成高速的数据收发和交换；（2）数字信号处理方向/数学计算方向（例如金融、医疗数据分析）；（3）SOPC，即利用FPGA这个平台搭建的一个嵌入式系统的底层硬件环境，然后设计者在上面进行嵌入式软件开发。

美国市场FPGA一半以上被用于通信和工业领域（单位：十亿美元）

数据来源：公开资料整理

神经网络计算中有大部分时间都用在矩阵乘法（GEMM）上，英特尔曾经对FPGA和GPU在矩阵乘法中的性能表现做过测试，试验结果表明FPGA的性能及性能/功耗比都远胜于GPU。FPGA的性能及性能/功耗比高于CPU/GPU本质上是因为前者不依赖冯·诺依曼结构体系而后者属于冯氏结构。CPU/GPU是指令译码执行、共享内存的；而FPGA是无指令、无需共享内存的体系结构。从架构上看，FPGA主要由可编程逻辑单元、可编程连接网络、可编程的输入输出（I/O）模块构成，与CPU/GPU由运算器、控制器等组成的逻辑结构完全不同。FPGA每个逻辑单元的功能在重编程时就已经确定，不需要指令；对于通信的需求，FPGA每个逻辑单元与周围逻辑单元的连接在重编程时就已经确定，并不需要通过共享内存来通信。

在矩阵相乘（GEMM）测试中FPGA性能均好于GPU