在FPGA诞生的初期，计算机研究员是最先感受到FPGA的巨大优势的。

在此之前，要想实现一个新计算机体架构的设计想法，必须要开发一个ASIC作为原型，在面板上安装很多个体积庞大的IC。

但是，与这些需要投入巨大成本和精力的方式不同，一旦用户创建了具有多个FPGA的原型板，就可以立即运行您设计的新架构。而且，修正和更改规格也变得轻松简单。

因此，许多新的架构应运而生因此，对可重构处理器的研究和对新FPGA架构的研究也开始蓬勃发展，在此之后，FPGA使用灵活，适用性强的特征在通信/图像处理领域也大获好评，并将其应用于路由器等通信网络的各种设备中。

四个字母 Field（现场） Programmable（可编程） Gate（逻辑门） Array（阵列）凸显了大量的逻辑门单元．

因此 n 年前我国的某一个 FPGA 公司在向国务院领导描述其产品的时候称他们做的是“万能芯片”（用这种通俗易懂的说法忽悠国家的经费）。

先购买再设计。

能有些夸张，但 FPGA 高度灵活，理论上来讲，只要有足够的资源（积木数量足够多）几乎可以实现数字域的任何功能，受限的是速度、功耗以及系统的成本。

1. 更大的并行度。

这个主要是通过并发和流水两种技术实现。

A：并发是指重复分配计算资源，使得多个模块之间可以同时独立进行计算。

这一点与现在的多核和SIMD技术相似。但相对与SIMD技术，FPGA的并发可以在不同逻辑功能之间进行，而不局限于同时执行相同的功能。举个简单例子说就是使用SIMD 可以同时执行多个加法，而FPGA可以同时执行多个加法和乘法和任何你能设计出来的逻辑。

SIMD全称Single Instruction Multiple Data，单指令多数据流，能够复制多个操作数，并把它们打包在大型寄存器的一组指令集。

B：流水是通过将任务分段，段与段之间同时执行。

其实这一点和CPU相似，只是CPU是指令间的流水而FPGA是任务间流水或者可以说是线程间流水。

２.可定制

FPGA 内部通过Lookup Table实现逻辑，可以简单理解为是硬件电路。可定制指的是在资源允许范围内，用户可实现自己的逻辑电路。通常情况下任务在硬件电路上跑是比在软件上快的，比如要比较一个64位数高32位和低32位的大小，在CPU下需要2条区数指令，两条位与指令，一条移位指令一条比较指令和一条写回指令，而在FPGA下只要一个比较器就行了。

3. 可重构

可重构指的是FPGA内部的逻辑可根据需求改变，减少开发成本。同时，使用FPGA复用资源比使用多个固定的ASIC模块为服务器省下更多的空间。

CPU和GPU、FPGA

CPU是一种非常通用的架构，它的工作方式基于一系列的计算机指令，也称为“指令集”。

简单来说，CPU从内存中提取一小部分数据，放在寄存器或者缓存中，然后使用一系列指令对这些数据进行操作。操作完毕后，将数据写回内存，提取另一小部分数据，再用指令进行操作，并周而复始。我把这种计算方式称为“时域计算”。

可以理解成，在图书馆看书，CPU就是你面前的书桌，内存就是书架，一条条的指令和大量的数据就是书架上的书。

运行程序，就是把从书架上取下来，放到书桌上去读。

（拿书的方式可以理解为就是不同的指令集）

运行完一个指令，操作完毕后，把处理好的数据，还放回书架。

不过，如果这些需要用指令进行处理的数据集太大，或者这些数据值太大，那么CPU就不能很高效的应对这种情况。这就是为什么在处理高速网络流量的时候，我们往往需要使用定制芯片，比如网卡芯片等，而不是CPU。这是因为在CPU中，即使处理一个字节的数据也必须使用一堆指令才能完成，而当数据流以每秒125亿字节进入系统时，这种处理方式哪怕使用再多的线程也忙不过来。

对于GPU来说，它所擅长的是被称作“单指令多数据流（SIMD）”的并行处理。这种处理方式的本质是，在GPU中有着一堆相同的计算核心，可以处理类似但并不是完全相同的数据集。因此，可以使用一条指令，就让这些计算核心执行相同的操作，并且平行的处理所有数据。

简单理解，你不是一个人在读书，你是一群人在读书，在同时获取信息

然后对于FPGA而言，它实际上是CPU计算模型的转置。与其将数据锁定在架构上，然后使用指令流对其处理，FPGA将“指令”锁定在架构上，然后在上面运行数据流。

我把这种计算方式称为“结构计算”，也有人称之为“空间计算”，与CPU的“时域计算”模型相对应。其实叫什么名称都无所谓。

但它的核心思想是，将某种计算架构用硬件电路实现出来，然后持续的将数据流输入系统，并完成计算。在云计算中，这种架构对于高速传输的网络数据非常有效，并且对于CPU来说也是一个很好的补充。