FPGA曾被誉为硬件界的"变形金刚"，其可重复编程特性在5G基站、工业自动化等领域大放异彩。
辉煌与落寞
根据Allied Market Research数据，2022年全球FPGA市场规模达81.5亿美元，Xilinx（现被AMD收购）与Intel双雄占据近90%市场份额。这种硬件级灵活性使其在特定场景下完胜ASIC（专用集成电路），尤其适合需要频繁迭代的通信协议处理。
2016 年，英特尔收购 FPGA 制造商 Altera，投资 167 亿美元；
2020 年，AMD斥资350 亿美元收购 Xilinx。
但这些供应商却收效甚微。
2024年第四季度，AMD 嵌入式部门（FPGA 业务所在部门）的营收为 9.23 亿美元，较上年同期下降 13%。全年该部门营收为 36 亿美元，较上年下降 33%。
英特尔的表现也好不到哪里去。第四季度Altera 的营收为 4.29 亿美元，比上一季度增长 4%，但预计2025年第一季度 Altera 的营收将环比下降。
对于两家公司来说，FPGA 的投资回报率都不是很高。
GPU爆发式增长
自2022年底ChatGPT引爆生成式AI浪潮，技术格局正在发生深刻变革：
GPU 凭借其出色的并行处理能力成功晋升为AI时代的新宠。
当全球科技巨头疯狂追逐英伟达GPU构建AI算力集群时，曾经被誉为"万能芯片"的FPGA却在生成式人工智能（genAI）革命中陷入尴尬境地。
在AI加速器市场，FPGA的市占率持续萎缩。
与英伟达数据中心级GPU动辄数十亿美元的季度营收相比，FPGA业务线已沦为财报中的"边缘角色"。英特尔已经将Altera 业务部门拆分为一家独立公司，AMD 在其最近的财报电话会议上也没有讨论 FPGA。
部分问题在于 FPGA 功能单一。英特尔和 AMD 都将其 FPGA 用于高端网卡。Forrester Research 高级分析师 Alvin Nguyen 表示：“我认为这些东西基本上就是功能非常强大的网卡，除此之外没有其他功能，人工智能和 genAI 在某种程度上转移了人们FPGA的关注。”
但随着 DeepSeek 的出现，这种情况可能会改变。
FPGA vs. GPU
-
可编程硬件：可以使用基于 FPGA 的硬件描述语言（HDL）实现可编程。
-
能效：与其他处理器相比，FPGA 消耗的电量更少，从而降低了运营成本。
-
低延迟：FPGA 的可重编程特性使其更容易针对实时应用进行优化。
-
高性能：GPU 擅长处理高性能计算 (HPC)和深度学习应用程序等要求严格的计算任务，GPU 提供训练深度学习模型时所需的复杂浮点计算所需的高端处理能力。
-
并行处理：GPU 擅长执行可分解为较小操作并同时处理的任务。
-
速度快：GPU 利用多个内部核心来加速并行操作，并实现多个并发操作的高效处理。GPU 可以快速处理大型数据集，并大大减少训练机器学习模型所花费的时间。
在AI计算领域，FPGA和GPU各有千秋，应用场景也各有不同。
从性能角度看，
FPGA与GPU存在明显差异。FPGA内部几乎没有控制模块，多为ALU运算单元，能在特定任务上高效利用硬件资源，能效表现出色。然而，其低功耗特性也限制了它在高负载、高复杂度任务上的发挥。
FPGA的
可重构核心允许开发者根据具体应用和工作负载进行定制化优化，能针对特定算法灵活调整硬件架构，满足一些对实时性、定制化要求高的特殊需求。
