現場可程式化邏輯閘陣列（英語：Field Programmable Gate Array，縮寫為FPGA），它是在PAL、GAL、CPLD等可程式邏輯裝置的基礎上進一步發展的產物。它是作為特殊應用積體電路領域中的一種半客製化電路而出現的，既解決了全客製化電路的不足，又克服了原有可程式化邏輯裝置閘電路數有限的缺點。
（資料來源：維基百科）
FPGA的技術已經已經發展了30多年了，到了今天它和CPU架構一樣，玩家越來越少、技術越來越高端，應用越來越深入到各個領域，成了支撐當今各項高科技領域（物聯網、大數據、雲計算、無人駕駛、智能製造、人工智能）的基礎。由於FPGA的可並行利用資源的特點，其計算能力要遠超已經採用多核技術的CPU架構。
（資料來源：ek21.com)
與其他晶片相比，FPGA的優勢在於低延遲、可程式設計性和低功耗。FPGA 為什麼比 GPU 的延遲低這麼多?這本質上是體系結構的區別。FPGA 同時擁有流水線並行和資料並行，而 GPU 幾乎只有資料並行(流水線深度受限)。例如處理一個資料包有 10 個步驟，FPGA 可以搭建一個 10 級流水線，流水線的不同級在處理不同的資料包，每個資料包流經 10 級之後處理完成。每處理完成一個資料包，就能馬上輸出。
(資料來源：teema.org.tw)
賽靈思全球戰略高級副總裁Steve Glaser也表示，GPU和定制ASIC在應用廣度方面與FPGA相比遠遠不足，以機器學*加速為例，使用神經網路分類圖像、翻譯文本和語音、識別無結構資料中的底層模式，需要“兩階段”法。
第一階段(培訓)，使用海量加標記的樣本資料和計算培訓神經網路，英偉達GPU擅長的這一領域只占機器學*5%的市場規模。
第二個階段(推斷)，通過受訓的神經網路處理新資料樣本或查詢，以確定其可能的級別。這一占機器學*加速90%的市場正是賽靈思FPGA角逐的天下。
(資料來源：teema.org.tw)
推斷是當今最大規模資料中心中的一個巨大的工作負載，因為它負責實現廣泛的日益擴展的重要應用，例如語言翻譯、自然語言介面、照片和視頻內容識別，以及網上產品選擇與促銷。其中兩個最大的人工智慧市場分別是無人駕駛汽車和機器人。而賽靈思池化FPGA將機器學*推斷計算效率提升了2-6倍。
(資料來源：teema.org.tw)
未來 FPGA 市場狀況，2021 年在加速器市場，如 GPU、ASIC，FPGA 能分到 200 億美元的比重，而單單 FPGA，到了 2022 年會達到 75 億美元的規模。在邊緣裝置上面，如感測器等等，也有 FPGA 能發揮的地方。FPGA 具備低功耗的特性，相當適合。畢竟 GPU 放在邊緣裝置並不合算，而且運算中的 GPU 相當耗電。另外 FPGA 還有彈性修改的空間，能夠改變用途，具備相當彈性的特性。
(資料來源：科技新報）
FPGA相關標的
IGBT延伸閱讀
免責聲明
本資料僅供參考，不保證其完整性及精確性，亦不作為投資之建議或邀約，投資人應謹慎考量本身知需求與投資風險，並就投資結果自行負責。
陪伴您投資的好夥伴
每週更新的產業特報、實暫分享，讓我們陪著您一同錢進!
