AMD完成对赛灵思的收购，FPGA是否会脱离CPU独立部署？

北京时间2月14日晚间，AMD宣布以全股份交易（all-stocktransaction）方式完成对最大的FPGA（现场可编程门阵列）厂商赛灵思（Xilinx）的收购。前赛灵思首席执行官 Victor Peng 将加入 AMD，担任新成立的自适应和嵌入式计算事业部 (AECG) 总裁。FPGA是ASIC领域的一类半定制电路芯片，拥有硬件可编程、集成度高、并行计算能力强、延迟低等特点，有“万能芯片”之称。随着AMD宣布完成对赛灵思的收购，FPGA领域最大的两家公司均已被半导体龙头所整合。由此，FPGA领域的未来竞争亦将展现一系列新的特征。

FPGA大厂均被整合

AMD于2020年10月27日开始启动对赛灵思的收购计划。AMD以全股票交易的方式收购赛灵思，按当时双方股票价格，交易金额达到350亿美元。合并后，AMD 将拥有赛灵思74%的股份。今年2月10日，AMD发布新闻稿称，已获得了有关收购赛灵思的所有必要批准，包括所有必要的政府许可。而随着2月14日AMD正式宣布完成对赛灵思的收购。未来，AMD有望进一步扩大其在先进计算、图形计算以及自适应SoC市场的竞争力。

根据市场研究机构IC Insights的估算，2021年AMD营收同比增长65%，约为161亿美元，而赛灵思2021年营收近40亿美元，二者合并之后将进入全球前十大半导体公司之列，位于高通、英伟达和博通之后。

值得注意的是，在AMD成功收购赛灵思之后，全球FPGA产业格局也将发生新的变化。以往FPGA产业呈现“两大两小”的市场格局，即赛灵思、Altera、莱迪思、Microsemi四家企业为主，其他还有一些小型公司分布在市场中。其中赛灵思和Altera对 FPGA 的技术与市场占据垄断地位，莱迪思为全球消费、通信、工业、计算和汽车市场提供低功耗FPGA， Microsemi依据独特的芯片制造工艺技术在高可靠性应用领域拥有一定优势。

2015年，Altera 被英特尔以167亿美元纳入旗下。Microsemi则于2018年被Microchip以80亿美元收购。加上本次AMD对赛灵思的收购，目前市场上的主要FPGA厂商只剩下莱迪思处于独立地位。失去独立地位后的FPGA企业，产品技术和市场策略势必将受到母公司的影响。这对未来的FPGA竞争格局将产生新的影响。

作为一种硬件可重构的体系结构，FPGA经常被用作专用芯片（ASIC）的小批量替代品，随着全球数据中心的大规模部署，以及人工智能应用的落地，FPGA凭借强大的计算能力和高度的灵活性有了更多的用武之地。

FPGA最大的优势就是处理速度快，因为引脚比较多，而且其逻辑单元可以根据算法需求重组而产生定制化的数据通路，非常适合处理大批量的数据流。

简单来说，CPU中有控制取指、译码等流程，数据处理流程复杂；而FPGA是可编程的，每个逻辑单元的功能在重编程（烧写）时就已经确定，不需要指令。其实FPGA和GPU内都有大量的计算单元，计算能力都很强，但是GPU在数据处理过程中，需要反复调取片外存储器中的数据，FPGA只要数据一次性流入再流出，算法就完成了，因此在批量数据处理方面，FPGA完胜。

正是因为数据处理的优势，FPGA在数据中心加速和AI推理中成了香饽饽，销量大涨，2018年全球FPGA市场达到了60亿美金，MRFR预测FPGA在2025年有望达到约125．21亿美元，Xilinx也预估数据中心对芯片的需求在未来五年将有67％的年复合增长率。

FPGA是否能够独立部署？

虽然FPGA有很强的计算能力，但是在数据中心都是和CPU协同工作，采用“CPU＋FPGA”的异构架构进行加速。随着FPGA应用范围的增加，业内有人也提出，未来FPGA是否会脱离CPU独立部署？

赛灵思数据中心业务部产品规划和市场营销总监Jamon Bowen在采访中，用一个应用案例做了解释，“这是合作伙伴开发的一个存储盒的解决方案，采用了Alveo U50，其前端是以太网，后端是固态硬盘，其中加速IP和存储几乎是放在了同一个空间里，有意思的是这个系统没有CPU，是加速器和外围直接连到网络上，所以未来数据中心会被异构计算驱动，没有必要和这个系统连在同一个地方，也就是因为执行的处理器的高性能，深度学习、存储、加速等就没有必要进行本地连接，可以做异地系统连接，这也预示着未来数据中心一个布局的趋势。”

在终端，有些自动驾驶公司的车上系统中就采用了FPGA 完成一些实时检测识别任务。小鹏汽车的副总裁、机器学习专家谷俊丽女士曾经提到，FPGA 可以凭借信号处理和低能耗方面的优势，成为一个可靠的第二系统，在汽车的第一系统出现失误的时候，作为安全模式介入进来。

FPGA需要克服的难题

面对未来的大好前景，FPGA厂商自然喜笑颜开，但是FPGA想成为主流，也要克服更大的挑战。

针对浮点运算，FPGA的计算速度似乎还难以超越GPU。英伟达的Tesla V100 ，在理论上最大运算速度可达15 TFLOPS（万亿次浮点运算／ 秒）；搭载英特尔Statix 10的Nallatech 520C，理论最大运算速度为9．2 TFLOPS，功耗约为225 瓦特。英伟达曝光的最新Quadro GV100，能够提供高达每秒7．4万亿次的双精度浮点运算性能以及每秒14．8万亿次的单精度浮点运算性能和每秒118．5万亿次的深度学习浮点运算性能，从这一点来看，FPGA追赶GPU还需要一些时日。

另外，FPGA开发工程师反应，基于FPGA做设计的编译时间很长，几乎占到整个工程的80％，而且每次只要修改其中一个参数都需要重新编译，造成了调试效率很低，这也成为FPGA走向主流的一大障碍。