我的一位同事对此进行了基准测试，得出的结论是，一旦你有超过 100 个适合 FPGA 的独立整数任务， FPGA 的性能就会优于 PC。对于浮点任务，GPGPU 始终击败 FPGA。对于窄多线程或 SIMD 操作，CPU 得到了极大的优化，并以比 FPGA 通常实现的更高的时钟速度运行。

其他警告：任务必须是独立的。如果任务之间存在数据依赖关系，那么这就限制了计算的关键路径。FPGA 适用于布尔评估和整数数学以及硬件低延迟接口，但不适用于依赖于内存的工作负载或浮点。

如果您必须将工作负载保留在 DRAM 中，那么这将是瓶颈，而不是处理器。

FPGA 的工作方式与处理器完全不同。

对于处理器，您编写软件来告诉硬件要做什么。在 FPGA 上，您在内部描述“硬件应该是什么样子”。就好像您正在制作一个专门为您的算法制作的芯片。

这加快了很多事情，并可以降低功耗。但它也有缺点：开发时间更长，也更复杂。你需要以完全不同的方式思考，不能直接使用在软件中工作的算法。

对于人工神经网络，FPGA 是一个不错的选择。在这个领域有很多正在进行的研究。

这在很大程度上取决于算法，但原理可以很简单地解释。

假设您的算法必须对许多 8 位数字求和。您的 CPU 仍然需要获取每条指令，从 RAM 或高速缓存中获取操作数，执行求和，将结果存储在高速缓存中，然后继续下一个操作。管道会有所帮助，但您只能执行与您拥有的内核一样多的同时操作。

如果您使用 FPGA，您可以实现大量并行工作的简单加法器，并行处理可能数千个和。尽管单个操作可能需要更多时间，但您有很大程度的并行性。

您也可以使用 GPGPU 来执行类似的任务，因为它们也由许多更简单的内核组成。

计算设备的专业化大致分为 3 个级别：

CPU（就像你的笔记本电脑一样）是其中最通用的。它可以做任何事情，但这种多功能性是以低速和高功耗为代价的。CPU 在旅途中编程，指令来自 RAM。CPU 程序快速、便宜、易于编写且非常易于更改。

FPGA（意思是现场可编程门阵列）是中间层。顾名思义，它可以“在现场”进行编程，即在工厂之外。FPGA通常被编程一次，这个过程可以描述为设置它的内部结构。在这个过程之后，它就像一台专门为您选择的任务而设计的微型计算机。这就是为什么它比通用 CPU 表现更好的原因。对 FPGA 进行编程非常困难且昂贵，调试它们也非常困难。

ASIC（意思是专用集成电路）是终极专家。它是为一项且仅一项任务而设计和生产的芯片——它可以极其快速高效地完成一项任务。没有可能对 ASIC 进行重新编程，它在出厂时已完全定义，并且在不再需要它的工作时毫无用处。设计 ASIC 是只有大公司才能负担得起的，调试它们很好，几乎是不可能的。

如果您以“核心”来思考，那么请这样看：CPU 有 4、6 甚至 8 个大核心，可以做任何事情。ASICS 通常有数千个内核，但内核非常小，只能做一件事。

你可以看看比特币挖矿社区。他们做 SHA256 哈希。

• CPU 核心 i7：0.8-1.5 M 哈希/秒
• FPGA：5-300M哈希/秒
• ASIC：每个微型芯片 12000M hash/s，一个 160 芯片设备 2000000M（是的，2T）hash/s

当然，这些 ASIC 婴儿在大规模生产时要花费近 2000 美元，但它让您了解万事通如何与专家抗衡。

唯一的问题是：FPGA 能否为您带来比设计成本更多的节省？当然，您可以尝试在 20 PCS 上运行，而不是在一台笔记本电脑上运行它。