FPGA的应用领域主要是深度学习和神经网络算法

（文章来源：中关村在线）

如果说FPGA是继任传统CPU与GPU的未来，就有些夸大其词。且不论CPU与GPU技术已经成熟，拥有完善的生态链，CPU与FPGA的结构也有所不同。CPU中拥有控制取指、译码等流程，处理可信具备处理各式各样千奇百怪的指令要求的能力。

相比之下FPGA就不能向CPU一样灵活的处理各种没有见过的指令，只能根据一个固定的模式来处理输入的数据然后输出，这也是为什么FPGA经常被看作一种行家专属的架构。

不同于CPU的是，FPGA和GPU内都有大量的计算单元，因此它们的计算能力都很强。在进行神经网络运算的时候，两者的速度会比CPU快很多。但是GPU由于架构固定硬件原生支持的指令固定了，而FPGA则是可编程的。

我们可以看到，FPGA的应用领域主要是深度学习和神经网络算法，而传统的CPU更关注的是“通用”，GPU虽然更注重计算速度，但是其指令仍然是固定的。而FPGA的出现之所以风靡全球，就是因为其可编程性，这让FPGA在深度学习领域拥有了得天独厚的优势。这样也就不奇怪谷歌为了发展深度学习，自己研发了名为TPU的自有芯片。正如谷歌数据中心负责人霍尔泽所言：谷歌研发自有芯片是为了解决哪些省为解决的问题。

当市场需求发生变化，技术一定会随之发展，当深度学习成为热门领域时，与之最匹配的FPGA也应声成为厂商追逐的焦点。