C.FPGA具備的其他特點：

　　一顆FPGA在一個產品中可以根據不同的工作模式，配置為不同的邏輯功能，只要兩種模式存在時間上的需求差異，就可以提高FPGA的價值，以一顆FPGA根據工作模式多次重配，完成需要多顆ASIC才能完成的需求。例如搜索引擎服務提供商在一個分布式服務器單元根據需求在不同時間可以被配置為圖像負載，或音頻負載，其上需要在不同時間進行分布式圖形、音頻匹配檢索，這時使用FPGA不同配置即可完成不同算法的調整，如果使用ASIC則需要具備多種不同芯片才能完成，如果算法進行了更改需要更換芯片才能實現算法升級。

　　FPGA可重配功能今天已經發展到了不掉電動態部分可重配的階段，即FPGA一部分邏輯在正常運行的情況下，另一部分邏輯進行重新配置。如果哪天真要生產變形金剛，FPGA一定是一個不錯的單芯片解決方案，既經濟又可靠，變形的時候絕對不會宕機，并且還能保持非變形部分的正常工作（開個玩笑）。

　　FPGA的新機遇

　　目前信息技術最熱的領域無疑是大數據和人工智能，FPGA在這兩個方向也找到了很好的突破口。以下幾則新聞可以讓我們一窺端倪：

　　1.微軟開發了帶有FPGA“硬件加速芯片”的主板來提升Bing數據中心的整體性能。FPGA相比于傳統CPU在處理Bing的自定義算法時快出40倍；整個系統將會比Bing現有的系統快出2倍，縮減一半現有服務器數量。

　　2.英特爾167億美元收購Altera，以期能夠實現在大型云數據中心或物聯網領域的新增長。

　　3.微軟采用Altera Arria 10 FPGA實現基于卷積神經網絡（CNN）算法的數據中心加速。

　　4.百度在深度學習應用算法中使用FPGA承載卷積神經網絡（CNN）。

　　大型互聯網企業的數據中心電耗費用的開銷是非常昂貴的，FPGA本身的實現結構高效，在許多應用場景比處理器方案具備更佳的性能功耗比，FPGA方案對數據中心有很大吸引力。人工智能實現算法例如卷積神經網絡（CNN）等，對卷積運算量具有非常密集需求，目前GPGPU是較好的計算承載平臺，但對于數據中心和低功耗嵌入式設備而言，都有降低功耗的需求作為驅動力，FPGA在這方面有獨特優勢，出現了越來越多的應用實例。

　　結語：

　　就像GPU起初只是用于圖形處理一樣，如今在深度學習和人工智能方面有著廣闊的應用，而GPU也逐漸演變，并引入cudnn等庫的支持到開發環境，完善了對通用計算的承載。同樣，FPGA從誕生之初僅為了處理膠合邏輯，后因通信行業繁榮而大發展。如今又在大數據、物聯網、人工智能等行業發現了更廣闊的天地，因此我們也可看到當今FPGA發生如下變化：

　　FPGA原廠在簡化開發難度，引入C和OPENCL語言的開發環境，促進更廣泛的應用；在FPGA中加入硬核浮點乘加器，使最常見的浮點算法能更好更快地移植到FPGA上；在FPGA中加入ARM、POWERPC、Mali等高性能硬核，和可編程邏輯部分組成SOC，以異構計算使處理器和邏輯分別處理各自擅長的任務類型，并緊密地進行Cache級別的同步的配合，從而整體上達到最佳的性能和功耗。