最近幾年，FPGA這個概念越來越多地出現(xiàn)。

　　例如，比特幣挖礦，就有使用基于FPGA的礦機。還有，之前微軟表示，將在數據中心里，使用FPGA“代替”CPU，等等。

　　其實，對于專業(yè)人士來說，F(xiàn)PGA并不陌生，它一直都被廣泛使用。但是，大部分人還不是太了解它，對它有很多疑問——FPGA到底是什么?為什么要使用它?相比 CPU、GPU、ASIC(專用芯片)，F(xiàn)PGA有什么特點?……

　　今天，帶著這一系列的問題，我們一起來——揭秘FPGA。

　　為什么使用FPGA?

　　眾所周知，通用處理器(CPU)的摩爾定律已入暮年，而機器學習和 Web 服務的規(guī)模卻在指數級增長。

　　人們使用定制硬件來加速常見的計算任務，然而日新月異的行業(yè)又要求這些定制的硬件可被重新編程來執(zhí)行新類型的計算任務。

　　FPGA 正是一種硬件可重構的體系結構。它的英文全稱是Field Programmable Gate Array，中文名是現(xiàn)場可編程門陣列。

　　FPGA常年來被用作專用芯片(ASIC)的小批量替代品，然而近年來在微軟、百度等公司的數據中心大規(guī)模部署，以同時提供強大的計算能力和足夠的靈活性。

　　▲不同體系結構性能和靈活性的比較

　　FPGA 為什么快?「都是同行襯托得好」。

　　CPU、GPU 都屬于馮·諾依曼結構，指令譯碼執(zhí)行、共享內存。FPGA 之所以比 CPU 甚至 GPU 能效高，本質上是無指令、無需共享內存的體系結構帶來的福利。

　　馮氏結構中，由于執(zhí)行單元(如 CPU 核)可能執(zhí)行任意指令，就需要有指令存儲器、譯碼器、各種指令的運算器、分支跳轉處理邏輯。由于指令流的控制邏輯復雜，不可能有太多條獨立的指令流，因此 GPU 使用 SIMD(單指令流多數據流)來讓多個執(zhí)行單元以同樣的步調處理不同的數據，CPU 也支持 SIMD 指令。

　　而 FPGA 每個邏輯單元的功能在重編程(燒寫)時就已經確定，不需要指令。

　　馮氏結構中使用內存有兩種作用。一是保存狀態(tài)，二是在執(zhí)行單元間通信。

　　由于內存是共享的，就需要做訪問仲裁;為了利用訪問局部性，每個執(zhí)行單元有一個私有的緩存，這就要維持執(zhí)行部件間緩存的一致性。

　　對于保存狀態(tài)的需求，F(xiàn)PGA 中的寄存器和片上內存(BRAM)是屬于各自的控制邏輯的，無需不必要的仲裁和緩存。

　　對于通信的需求，F(xiàn)PGA 每個邏輯單元與周圍邏輯單元的連接在重編程(燒寫)時就已經確定，并不需要通過共享內存來通信。

　　說了這么多三千英尺高度的話，F(xiàn)PGA 實際的表現(xiàn)如何呢?我們分別來看計算密集型任務和通信密集型任務。

　　計算密集型任務的例子包括矩陣運算、圖像處理、機器學習、壓縮、非對稱加密、Bing 搜索的排序等。這類任務一般是 CPU 把任務卸載(offload)給 FPGA 去執(zhí)行。對這類任務，目前我們正在用的 Altera(似乎應該叫 Intel 了，我還是習慣叫 Altera……)Stratix V FPGA 的整數乘法運算性能與 20 核的 CPU 基本相當，浮點乘法運算性能與 8 核的 CPU 基本相當，而比 GPU 低一個數量級。我們即將用上的下一代 FPGA，Stratix 10，將配備更多的乘法器和硬件浮點運算部件，從而理論上可達到與現(xiàn)在的頂級 GPU 計算卡旗鼓相當的計算能力。

　　▲FPGA 的整數乘法運算能力(估計值，不使用 DSP，根據邏輯資源占用量估計)

　　▲FPGA 的浮點乘法運算能力(估計值，float16 用軟核，float 32 用硬核)

　　在數據中心，F(xiàn)PGA 相比 GPU 的核心優(yōu)勢在于延遲。

　　像 Bing 搜索排序這樣的任務，要盡可能快地返回搜索結果，就需要盡可能降低每一步的延遲。

　　如果使用 GPU 來加速，要想充分利用 GPU 的計算能力，batch size 就不能太小，延遲將高達毫秒量級。

　　使用 FPGA 來加速的話，只需要微秒級的 PCIe 延遲(我們現(xiàn)在的 FPGA 是作為一塊 PCIe 加速卡)。

　　未來 Intel 推出通過 QPI 連接的 Xeon + FPGA 之后，CPU 和 FPGA 之間的延遲更可以降到 100 納秒以下，跟訪問主存沒什么區(qū)別了。