许多高性能计算用例（例如深度学习）通常依赖于浮点运算 - 这是GPU非常擅长的。过去，FPGA对浮点计算的效率非常低，因为浮点单元必须从逻辑块组装，耗费大量资源。
较新的FPGA（如Arria 10和Stratix 10）在FPGA架构上具有内置浮点单元，使其在浮点计算方面更加出色。浮点单元的增加是否使FPGA在能效方面对浮点计算很有意义？它们比GPU更节能吗？
让我们将最先进的GPU与最先进的FPGA进行比较。目前最快的专业GPU是Tesla V100，其理论最大值为15 TFLOPS（每秒Tera浮点运算，测量浮点性能的标准方法），功耗约为250瓦。现在最好的FPGA板之一是Nallatech 520C，它使用Altera / Intel的新Statix 10芯片。该卡的理论最大值为9.2 TFLOPS，功耗约为225瓦。
如果我们比较这两个设备的能效，那么GPU似乎更节能，理论上达到56 GFLOP / W（每瓦Giga浮点运算，一种测量浮点性能能效的标准方法），而FPGA只能达到40.9 GFLOP / W.因此，如果你现在要购买新的浮点硬件，并且你需要一台主机，那么看起来你的GPU会更好，至少在这个粗略的比较中。
然而，差异很小，新的FPGA卡（例如基于Stratix 10 FPGA的即将推出的卡）很可能比浮点计算上的Volta更节能。此外，上述比较是苹果和橙子之间的意义，特斯拉V100是在12纳米工艺生产，而Stratix 10是在较旧的14纳米工艺生产。
虽然比较确实表明如果你现在想要节能浮点计算最好坚持使用GPU，但它并没有表明GPU对于浮点计算本身就更具能量效率。 GPU目前赢得了浮点能效的争夺战，但这可能会在不久的将来发生变化。
FPGA的能源标签：取决于应用（图片版权：欧盟）
如果不需要主机，则需要在高端GPU与主机和没有主机的高端FPGA之间进行比较。如果我们使用与上述比较中相同的数字，那么如果主机占用116.7瓦（在多GPU设置的情况下为每GPU，则具有主机的GPU和没有主机的FPGA）完全同样节能。现代主机消耗在50-250瓦范围内，使FPGA更具竞争力。
概述和展望
在某些领域，很难绕过FPGA。在军事应用中，例如导弹制导系统，FPGA被用于低延迟。在射电天文应用中，FPGA的专用输入/输出对于处理大量数据至关重要。在加密货币挖掘中，FPGA的固定精度和逻辑运算的能效可能是有利的。
艺术家对即将建造的SKA射电望远镜的印象（图片来源：SKA组织/ Swinburne Astronomy Productions）
然而，英特尔并没有为这些有利可图的市场在Altera上花费167亿美元 - 他们有更大的计划。据我所知，他们想要渗透的两个市场是高性能计算和云计算（即在类似亚马逊的中心使用）。
用于高性能计算的FPGA
就个人而言，我认为未来几年FPGA不会在高性能计算市场上大放异彩。即使它们的能量效率略高于GPU，但FPGA的软件开发仍然比GPU要困难得多。 HPC社区已经习惯了GPU - 让人们从GPU切换到FPGA需要更大的好处。从长远来看，即超过5年，可能会发现FPGA确实提供了如此大的优势，这正是英特尔似乎希望的。
适用于云提供商的FPGA
另一个市场是云提供商。英特尔设想云服务器具有FPGA或运行在CPU-FPGA混合体上。这个想法是计算的某些部分可以卸载到FPGA和/或FPGA可以用来定制网络拓扑。
毫无疑问，微软与英特尔合作，已经在其数据中心中实现了FPGA，并拥有一个拥有100,000个FPGA的网络。微软在Bing搜索的性能方面表现出很大的好处，现在这些搜索部分由FPGA计算，并且具有灵活性。亚马逊还在其流行的EC2平台上提供FPGA节点。这种趋势是否会继续下去还有待观察
明德扬科教致力于为广大FPGAer提供一种快速入门的FPGA培训服务，设有以下班级：
详情请点击查看
