FPGA自上世纪80年代进入市场以来，就与通用CPU、ASIC乃至GPU竞争共存。FPGA的低功耗、可编程、规格适中等特性，使其在市场中占据一席之地。本文分析了通信、HPC、数据中心等多个领域的现状，对市场、价格和竞品对比等方面进行了概要分析，并预测了FPGA未来的一些发展方向，对了解FPGA提供了很好的参考。

本文概要总结了2019年9月在斯坦福大学一次三小时讨论情况，其中汇聚了来自多家企业和研究机构的实践经验，包括Zilog、Altera、Xilinx、Achronix、Intel、IBM、Stanford、MIT、伯克利、威斯康星大学、Technion、Fairchild、贝尔实验室、Bigstream、谷歌、DIGITAL（DEC ）、SUN，诺基亚、SRI、日立、Silicom、Maxeler Technologies、VMware、施乐PARC、思科等。上述各家并不对本文内容承担任何责任，只是在某种程度上激发了作者们的思考，进而构成了FPGA的多维发展之路。

FPGA（现场可编程门阵列，Field-Programmable Gate Arrays)自诞生以来，就与ASIC社区纠缠不清。上世纪80年代中期，Ross Freeman及其同事从Zilog处购买了该项技术，初创了面向ASIC仿真和教育市场的Xilinx公司。Zilog来自于埃克森美孚石油公司，其创立源自于上世纪70年代人们对石油将在30年内耗尽的担忧——尽管时至今日这一说法依然大行其道。几乎与此同时，以类似技术为核心的Altera成立。

FPGA是支持电路编程的芯片，实现对该电路的“仿真”。对于ASIC中的实现，这种仿真的运行性能要慢于实际的电路。它的时钟频率更低，耗能更高，但可以每几百毫秒重新编程一次。

FPGA用于在ASIC制造商做光罩并提交工厂制造前仿真ASIC。Intel、AMD等企业在芯片生产前，使用FPGA仿真芯片。

电信领域的争夺

FPGA一直在电信行业大量使用。由于电信标准的不断变化增加了电信设备的制造难度，因此能率先给出电信解决方案的企业往往会占领最大的市场份额。ASIC的制造周期很长，而FPGA提供了一种快捷方式。电信设备开始在初期版本上采用FPGA，这引发了FPGA价格的波动。尽管ASIC仿真市场并不受FPGA价格的影响，但芯片的价格对电信企业却至关重要。多年前，AT＆T和朗讯制造了自己的FPGA，称为ORCA（优化的可重配置单元阵列，optimized reconfigurable cell arrays）。但与Xilinx或Altera相比，它们在硅片的速度和规格上并不具有竞争优势。

如今，华为已成为FPGA的最大客户。美国制造的FPGA可能正是中美之间最近的紧张关系的导火索。这些芯片令华为在5G电信设备交付上占据优势，领先世界上其他任何准备参与竞争的供应商达两年。

FPGA价格之争

FPGA很早就用于SDR（软件无线电，software-defined radios）。SDR技术可同时支持多种通信标准的无线电，类似于一部可讲多种语言的电话。这一次FPGA遇上了麻烦，因为SDR技术走上了两条不同的采用道路。一方面，商业供应商基于成本效益考虑开发了很多解决方案，并在当前地球上所有的基站都部署了SDR技术。另一方面，在国防领域，大型国防承包商是为了保护有利可图的传统产品线而构建SDR的。这导致基于FPGA的无线电产品的价格居高不下，以至美国的部分国防市场一直抵制它们的应用。

下一步，FPGA试图进入DSP和嵌入式市场发展，开始推出部分使用硬核微处理器的FPGA。但销售这些新型FPGA的压力很大，以至于如果客户拒绝这一新系列的芯片，就会被芯片厂商列入黑名单，有时甚至会拒绝提供服务数月。鉴于FPGA企业攻克新市场频频失败，FPGA市场的增长压力依然巨大。因为FPGA的芯片面积巨大，涉及的知识产权众多，所以FPGA产品难以降低价格。

在HPC和数据中心领域碰壁

在过去数年中，FPGA试图在HPC（高性能计算）和数据中心市场中发展。2017年，微软宣布在数据中心使用Altera FPGA，而英特尔则收购了Altera。2018年，Xilinx宣布了其“数据中心优先”战略。其CEO面对广大分析师时，宣称Xilinx不再是一家单纯的FPGA企业。这颇具戏剧化，但这是历史必然。

在HPC和数据中心使用FPGA，主要障碍在于布局布线（place & route），即运行FPGA供应商特定软件将电路映射（mapping）为FPGA元件所耗费的时间。针对大型FPGA，使用快速的CPU服务器，布局布线耗时可能多至三天。并且在很多情况下，三天之后软件依然无法找到映射。

在石油天然气领域碰壁

2007年前后，石油和天然气领域的应用形成了利基市场。在传统计算机上模拟钻探地球发现石油所花费的时间，比现场实际施工和钻探的时间还要长。使用FPGA加速器，极大地改变了这种耗时颠倒的情况。首个用于计算地震图像的石油企业数据中心的FPGA，是由Maxeler Technologies制造并交付给Chevron的。

FPGA在油气领域的应用经过了数年扩展，直到来自ASIC产业的压力，才让标准的CPU技术重新回归。当下，预测和仿真在油气领域依然重要，地震成像大多使用CPU和GPU完成，不过FPGA依然占据了一席之地。我们知道，“当前的新事物，会成为明日黄花”。当然，人工智能和对数据的关注是当前的新事物。

尽管如此，FPGA依然是一种进入市场的快捷方式、获取竞争优势的简单方法，以及许多关键任务中必不可少的技术。FPGA的每个芯片价格要比ASIC昂贵，但是对HPC和数据中心而言，相比CPU和GPU而言需要的FPGA芯片更少，制冷开销更低，因此FPGA的运行费用要显著低于在CPU或GPU上运行软件。FPGA使得数据中心规模更小，这会使运营商感到不安，因为他们担心自己的数据中心可能会缩水。

ASIC vs. FPGA

FPGA的另一用途，是作为ASIC的补充。构建ASIC的目的在于实现固定的功能，添加FPGA则可为产品的最新更改以及适应不同的市场提供一定的灵活性。

现代FPGA集成了越来越多的硬核功能，变得越来越像是ASIC。而ASIC也时常会在设计中添加一些FPGA结构，以便于调试、测试、现场修复，以及增加添补小功能的灵活性。

但ASIC团队却一直在与FPGA概念做抗争。ASIC设计师询问“用户需要什么功能？”，并在得到“我也不确定”的回答后会失去耐心。

无人驾驶汽车行业就是这样的一个新战场。由于算法的不断变化，并且法律法规可能会在汽车入场时发生变化，需要不断对驾驶技术做相应调整，这需要灵活可变的解决方案。FPGA的时钟频率更低、散热片较小，物理尺寸小于CPU和GPU。更低的功耗和更小的尺寸，使FPGA成为显而易见的选择。尽管如此，GPU更易于编程，并且不需要耗时三天的布局布线。

另一个至关重要的考虑是，出于模拟和测试等方面的考虑，需要在汽车上和云中运行相同的代码。这样需要FPGA必须在云中可用，然后才能在汽车中使用。由于上述问题，许多开发人员更喜欢选择GPU。

FPGA的演进

FPGA正处于不断发展中。现代接口正使FPGA更易于编程，更为模块化，更易于与其他技术协作。FPGA支持AXI（高级可扩展接口，Advanced Extensible Interface）总线，使其更易于编程，但也会引入很多严重的效率损失，结果降低了FPGA的性能，最终导致其竞争力下降。一些学术工作提出了解决布线问题的研究，例如Eric Chung的关于FPGA动态网络的论文，但是这些先进的理念尚未为产业界所接受。

FPGA是如何连接的？对于具有大量数据流的HPC工作负载，可以使用PCI Express，并部署通信隐藏技术。但是像NFV（网络功能虚拟化，network function virtualization）这样的小规模但却能同时为大量用户提供服务的工作负载呢？VMware最近的调查结果指出，对于NFV和虚拟机加速，FPGA必须直接连接到CPU，并使用缓存一致性作为通信机制。当然，一个关键的特性是FPGA的崩溃不会导致CPU崩溃，反之亦然。大型技术企业正在重新审视IBM大型机时代的需求，意图使用标准化平台涵盖越来越多的复杂性。

在大众化的企业市场也存在着机会。在提供FPGA平台时，企业即便没有进行ASIC开发的预算，也不了解最新的硅制造挑战和解决方案，也可以去开发电路，并在其产品中建立竞争优势。例如新兴的物联网（IoT）边缘计算，实现在近传感器、显示器端甚至在数据流经过时进行计算。

同时，FPGA企业正将技术栈上推直至CPU插槽。英特尔在该市场上占据主导地位，其掌握了NFV特殊指令等技术。在数据中心中添加新CPU和FPGA的主要障碍不仅是速度和成本，还在于所有可能的I/O设备的软件和驱动程序是否可用。

在数据中心中推行FPGA的关键是易用性。例如，使用自动工具去驱动FPGA的应用，避免产生布局布线上的难题。微软率先在大型数据中心中使用FPGA来加速Bing、NFV和人工智能算法，此外还构建了抽象、领域特定语言和灵活的硬件基础结构。在商业上，FPGA的主要问题在于入市策略。

构建新的芯片后才去考虑软件就为时已晚了。如何让硬件适应软件而从现有软件中获益？这也提供了重新思考FPGA架构的机会。但是需要警告的是：硅产业是个吞金兽。构建ASIC是一种赌注多年持续攀升的扑克游戏。这是一场赢家通吃的比赛，在比赛初期就剔除了FPGA的威胁。

FPGA正在为硅项目带来额外的不良风险。

利基市场

正如软件设计师常说，“软件能完成的事情，就应由软件实现”。ASIC设计师会说，“ASIC能完成的事情，就应由ASIC来完成。”最有趣的说法是，“如果可以用软件完成，那么就不必和一切FPGA思维的人打交道了。”相比ASIC的团队规模，以及全球范围内软件开发人员的规模，FPGA的公司很小，社区也很小，其中只有一些甚至是古怪的程序员。

英特尔正在推进FPGA的灵活性。在遵循“构建硬件以运行现有软件”这一原则的公司中，英特尔是最成功的一家。

FPGA性能可能比CPU和GPU更快，但是来自产业界和投资界的切实经验教训是，自计算机出现以来的绝大多数时间中，速度和实时性并没那么重要。很少有人仅仅为了高性能而购买计算机。尽管此事时有发生，却不能根据这样的随机事件去建立业务市场。此外，FPGA缺失标准，没有开源代码，也没有令人愉悦的编程模型。因此，并没有标准市场支持可在所有FPGA芯片上工作或易于交叉编译的FPGA程序。Maxeler Technologies具有提供此类接口的高级解决方案，但广泛的行业采用需要的是信任。信任才能推动技术从早期采用者的玩物发展到让所有人受益，但这需要现有数据中心领域供应商的推动和支持。

现实中，应用的用户会说：“我并不在乎具体方法，只要能完成我想要做的事情。” 在尚未广泛探索的应用领域中，哪些是FPGA可一展身手的？对于实时计算，FPGA可用于工业界。对于无人机上的计算机视觉，FPGA在重量和功耗上具有优势。在卫星上的硬件升级代价很大，对此FPGA提供了至关重要的长期灵活性。FPGA需要的是休戚与共的产品。此类产品必须易于编程，光是硬件或软件还不够，还需要生态系统，需要完整的解决方案。

实时编译和自动FPGA程序生成是拓宽当前市场局限的好方法。说起来容易，但做起来难，但是随着人工智能对应用空间的突破，越来越多的机会出现了。当前，一切皆可由人工智能完成，甚至油气领域地震成像等的传统算法也都采用了人工智能。处理人工智能模块需要科学和工程上的解决方案。FPGA可提供一个很好的出发点，从连接AI模块开始进而整合到FPGA架构中。例如，Xilinx的下一代芯片将人工智能架构、CPU、100G接口和FPGA单元整合到同一个7纳米芯片中。

从另一个角度来看，随着人工智能芯片生成并处理大量数据，需要FPGA提供大量输入并迅速取走输出。随着用于人工智能处理的新ASIC的面世，FPGA将在人工智能芯片公司大展身手。

预测

将出现成功的CPU+FPGA服务器芯片，或直接访问CPU缓存层次结构的FPGA。有人赞同，有人否定。
SoC（片上系统，system on a chip）FPGA芯片将不断发展壮大，带动医疗、下一代电信和汽车等行业。
开发人员将使用FPGA实现神奇的事情，推动世界的进步，但对内部存在FPGA的事实必须秘而不宣。
FPGA的名称将会保留，称为FPGA的芯片也会继续出现，但是其内部将大相径庭。
一旦我们为简化FPGA编程而放弃（数据流）优化，FPGA的性能将降低，进而将无法与易于编程的CPU竞争。
FPGA将具有动态布线、不断发展的互连，以及运行时灵活的数据移动。
和FPGA之上完整的软件栈一样，布局布线软件将会开源。Yosys和Lattice FPGA已经着手于此。
所有半导体架构都将组合为融合了TPU、GPU、CPU、ASIC和FPGA的单个芯片。芯片中可融合所有技术，也可融合部分技术。
更多的芯片将聚焦于特定应用空间，只有少部分实现通用用途。从某种意义上说，一切都会成为SoC。

结束语

本文阐明了多少问题，又提出了多少新问题？从这个意义上讲，问题是对现有工作方式的挑战。当前的做事方式，会影响人们的思维方式，进而影响他们的行为方式。但或许更重要的是，将影响我们这样开发人员的谋生方式。

原文链接：

https://queue.acm.org/detail.cfm?id=3411759

创作场景

FPGA 的历史、现状和未来