时代的机遇： 传统 X86 架构芯片无法满足需求， 人工智能时代呼唤新一代的计算芯片平台。 谁能成为下一代硬件芯片平台，就有望随着海量计算需求的大爆发，上演 ARM 在智能手机时代爆发的辉煌。
人工智能未来应用主战场是在推理环节。 人工智能尚处于早期， 未来人工智能应用主战场推理环节远没有爆发。 目前，英伟达的 GPU 只是在训练场景中占据着绝对领导地位， GPU 并不一定是最后的赢家。未来 GPU、 FPGA 和 ASIC 都有机会胜出。
FPGA 优点是动态可重配、 性能功耗比高，非常适合在云端数据中心部署。 近两年，全球七大超级云计算数据中心包括 IBM、 Facebook、微软、 AWS 以及 BAT都采用了 FPGA 服务器。从行业发展趋势来看，我们认为 FPGA 潜力被低估了，未来大有可为：
算法正向有利于 FPGA 发展的方向迭代。模型压缩是从训练环节走向推理环节的必要过程。深鉴科技在将 LSTM 模型的尺寸压缩 20 倍后， 采用了搭建在 FPGA 上的硬件框架 ESE，获得了高一个数量级的能量效率提升。 能量效率分别为 CPU 的 40 倍和 GPU 的 11.5 倍。
FPGA 受益于芯片 NRE 费用指数级上升带来的规模效应。 随着制程工艺不断提高， 芯片 NRE 费用指数级上升，越来越多的 ASIC 芯片将由于达不到规模经济而被迫放弃，从而转向直接基于 FPGA 开发设计。
FPGA 行业门槛极高， 典型的双寡头竞争格局， 目前， FPGA 市场空间约 50 亿美元，其中赛灵思 Xilinx 占 49%市场份额， 阿尔特拉 Altera（被英特尔收购）占 39%。 国内参与者很少,目前国内能够生产 FPGA 的上市公司仅有紫光国芯（002049） 一家，具有较强的稀缺性。
FPGA 巨头积极打造生态合作体系，，帮助合作伙伴更方便地使用。 赛灵思推出reVision 堆栈， 克服 FPGA 采用硬件描述语言， 使用难度大的弱点。
人工智能未来应用主战场是在推理环节。 人工智能尚处于早期， 未来人工智能应用主战场推理环节远没有爆发。 目前，英伟达的 GPU 只是在训练场景中占据着绝对领导地位， GPU 并不一定是最后的赢家。未来 GPU、 FPGA 和 ASIC 都有机会胜出。
FPGA 优点是动态可重配、 性能功耗比高，非常适合在云端数据中心部署。 近两年，全球七大超级云计算数据中心包括 IBM、 Facebook、微软、 AWS 以及 BAT都采用了 FPGA 服务器。从行业发展趋势来看，我们认为 FPGA 潜力被低估了，未来大有可为：
算法正向有利于 FPGA 发展的方向迭代。模型压缩是从训练环节走向推理环节的必要过程。深鉴科技在将 LSTM 模型的尺寸压缩 20 倍后， 采用了搭建在 FPGA 上的硬件框架 ESE，获得了高一个数量级的能量效率提升。 能量效率分别为 CPU 的 40 倍和 GPU 的 11.5 倍。
FPGA 受益于芯片 NRE 费用指数级上升带来的规模效应。 随着制程工艺不断提高， 芯片 NRE 费用指数级上升，越来越多的 ASIC 芯片将由于达不到规模经济而被迫放弃，从而转向直接基于 FPGA 开发设计。
FPGA 行业门槛极高， 典型的双寡头竞争格局， 目前， FPGA 市场空间约 50 亿美元，其中赛灵思 Xilinx 占 49%市场份额， 阿尔特拉 Altera（被英特尔收购）占 39%。 国内参与者很少,目前国内能够生产 FPGA 的上市公司仅有紫光国芯（002049） 一家，具有较强的稀缺性。
FPGA 巨头积极打造生态合作体系，，帮助合作伙伴更方便地使用。 赛灵思推出reVision 堆栈， 克服 FPGA 采用硬件描述语言， 使用难度大的弱点。
