FPGA云服务,从容应对摩尔定律放缓

FPGA,因为专用,所以高效

近年来,摩尔定律增势放缓,同样价格,每单位芯片面积的晶体管数量无法做到每隔18~24个月增加一倍。也就是说,基于通用CPU进行计算,每代产品的性能提升受到了极大的限制。然而,当前新兴领域,如人工智能,AR/VR,基因计算,以及高清,超高清视频,对计算力的诉求极高。计算密集型业务的快速增长和性能增速放缓的通用计算资源的GAP与日俱增。过去六十年,由摩尔定律主导的计算性能提升模式将不复存在。用户无法继续依赖通用计算力的性能提升来匹配自身的业务增长。以FPGA为代表的异构计算将在各个计算密集型的业务领域成为主流。

典型的计算资源微架构分析

CPU

灵活性高,计算效率低;通用性强,应用广泛,适合进行复杂运算,如通用软件处理等通用的软件业务场景

GPU

灵活性较好,计算效率一般;高性能,高功耗,适合逻辑简单,计算密集型批量任务,在图形/图像处理领域应用广泛

FPGA

灵活性好,计算效率较高;可编程并行计算,高性能,实时处理,功耗较低;适用特定算法的硬件化和标准演进中的算法

ASIC

灵活性差,计算效率高;需要定制化,不可编程,研发周期长;高性能,低功耗;适用于电路按照算法定制,适合比较成熟的算法和标准