您有机会参观Spiral网站吗？他们试图解决这个问题。例如，在某些特殊情况下，FPGA 将运行 O(N) 而不是通常的 O(N log N)。

这是一篇处理生成 FPGA 的论文。

在基准测试页面的最后，它们展示了使用基于 FPGA 的求解器增强的软件算法的性能。

PS 值得注意的是，Spiral 可用于优化 FFT 以外的算法，但提供的数据仅概述了流行的情况。

你问的问题不是那么容易回答的。这取决于许多因素。

我会尝试以相反的顺序给你解释：

哪一个容易实现？

CUDA 和 FPGA 之间没有直接的比较，因为 CUDA 是一种编程语言，而 FPGA 是硬件架构。可以使用 HDL（Verilog 或 VHDL）或使用 OpenCL 在更高级别对 FPGA 进行编程。另一方面，CUDA 是专为 Nvidia GPU 设计的编程语言。

所以，你可以比较：

• FPGA 到 GPU 或
• CUDA 到 OpenCL 或 HDL

在 CUDA 中编程 GPU 绝对是最简单的方法。如果您对 HDL 没有任何经验，那几乎肯定对您来说是一个太大的挑战。OpenCL for FPGA 可能是一条路。然而，它更难实施，而且可能更昂贵。

哪个更快？

GPU 运行速度更快，但 FPGA 可以更高效。

GPU 具有以高于 FPGA 所能达到的速度运行的潜力。但仅适用于特别适合的算法。如果算法不是最优的，GPU 会损失很多性能。

另一方面，FPGA 运行速度要慢得多，但您可以实现特定于问题的硬件，这将非常高效并更快地完成工作。

这有点像用叉子快速吃汤而不是用勺子慢慢吃汤。

哪一个更适合图像处理，如压缩、水印等？

GPU 是为像素级图像处理而发明的，因此您可以期待它的性能更好。压缩主要是信号处理，所以我会把赌注押在 FPGA 上。水印在 GPU 上会更快。

两种设备的性能都基于并行化，但各自的方式略有不同。如果算法可以细化成许多块执行相同的操作（关键字：SIMD），GPU 会更快。如果算法可以实现为长流水线，FPGA 会更快。另外，如果你想使用浮点，FPGA 不会很满意 :)

Altera 网站上有一些 FPGA 算法示例。其中大多数都可以击败 GPU 解决方案。

CUDA 有大量的示例和库。

资料来源：我写了一篇关于比较 FPGA (OpenCL) 和 GPU 的性能的硕士论文 FPGA 与 OpenCL 的算法加速