FPGA较传统CPU强在哪里？

微软数据中心里的服务器仍然由传统的英特尔 CPU 主宰，但根据我们早前的报道，微软现在正计划采用现场可编程阵列或现场可编程门阵列（FPGA）来代替原有的处理器架构，让微软可以采用自主软件专门修改并为自己服务。据悉，这些 FPGA 制定电路目前已经出现在市场上，微软正在与一家名为 Altera 的公司商洽采购事宜。

众所周知，通用处理器（CPU）的摩尔定律已入暮年，而机器学习和 Web 服务的规模却在指数级增长。人们使用定制硬件来加速常见的计算任务，然而日新月异的行业又要求这些定制的硬件可被重新编程来执行新类型的计算任务。FPGA （Field Programmable Gate Array） 正是一种硬件可重构的体系结构，常年来被用作专用芯片（ASIC）的小批量替代品，然而近年来在微软、百度等公司的数据中心大规模部署，以同时提供强大的计算能力和足够的灵活性。

ASIC 专用芯片在吞吐量、延迟和功耗三方面都无可指摘，但微软并没有采用，出于两个原因：

1.数据中心的计算任务是灵活多变的，而 ASIC 研发成本高、周期长。好不容易大规模部署了一批某种神经网络的加速卡，结果另一种神经网络更火了，钱就白费了。FPGA 只需要几百毫秒就可以更新逻辑功能。FPGA 的灵活性可以保护投资，事实上，微软现在的 FPGA 玩法与最初的设想大不相同。

2.数据中心是租给不同的租户使用的，如果有的机器上有神经网络加速卡，有的机器上有 Bing 搜索加速卡，有的机器上有网络虚拟化加速卡，任务的调度和服务器的运维会很麻烦。使用 FPGA 可以保持数据中心的同构性。

不错，涨知识了！

FPGA数据量大

fpga的优势主要体现在速度 与可编程重复性

FPGA和CPU就不是一回事，CPU是专用集成电路，FPGA并不能很好的发挥CPU的功能

赞，，，

谢谢大家的支持与指教

学习了

继续推进，好好学习；

FPGA优势目前得以体现，大数据，人工智能，机器学习，云端服务器加速开发都以应用FPGA，FPGA摆脱了以往传统单一性的应用，集成电路产业的发展是任何时期都不可懈怠的一个方向与研究设计。