INTEL的fpga(ALTERA)和XILINX fpga的发展现状如何,学那个更好

2019-07-15 21:19发布

各为大神元老,我想学习FPGA,但是了解到当下ALTERA的FPGA资料和教材相对较多,操作简单好入门,但是据我了解,各大企业真正的运用中,XILINX的FPGA用的比较多,INTEL收购ALTERA之后,ALTERA的FPGA的发展是否受限制,市场占有是否不如之前,真正想学习从而从事FPGA相关的工作,学习哪一种更好些,不要告诉我都一样
友情提示: 此问题已得到解决,问题已经关闭,关闭后问题禁止继续编辑,回答。
3条回答
骨傲天
2019-07-16 05:06
目前,不管在商业领域或者军工级别的FPGA产品上,赛灵思(XILINX)基本可以说是一家独大,市场份额超过六成。目前国内的百度也和赛灵思展开合作,致力于新一代FPGA的应用能更好的适应目前最最炙手可热的AI领域,ALTERA是继赛灵思后全球第二大FPGA厂商,市场份额也将近三成。也正因为INTEL看中ALTERA的这个市场份额(市场份额直接也表明反映该企业产品的成熟性和市场受欢迎程度),再加上目前AI的大势所趋,INTEL错过了移动通讯领域时代的风口,让高通等原本不起眼的芯片厂商发展壮大,形成新的芯片巨头。近几年炙手可热风头无两的AI发展又顺势带起了英伟达这个芯片新贵。如果INTEL要在最快时间内赶上甚至实现弯道超车,那么最现实的方法就是收购一家FPGA领域的厂商,赛灵思是不可能的,毕竟每年的营业额和利润摆在那里,剩下的就只有ALTERA。因此,INTEL收购ALTERA的初衷是要在AI领域发力,这个谁也不敢说对ALTERA来说是机会还是巨坑,毕竟就目前来说在AI领域所采用的的处理芯片没有哪家具有绝对的优势。
举例目前在AI领域应用最为广泛的两大代表:GPU和FPGA。
最先被引入深度算法的芯片是英伟达的GPU芯片,其在应用于深度学习算法时,有三个方面的局限性:
第一, 应用过程中无法充分发挥并行计算优势。深度学习包含训练和应用两个计算环节,GPU 在深度学习算法训练上非常高效,但在应用时一次性只能对于一张输入图像进行处理, 并行度的优势不能完全发挥。
  
第二, 硬件结构固定不具备可编程性。深度学习算法还未完全稳定,若深度学习算法发生大的变化,GPU 无法像FPGA 一样可以灵活的配置硬件结构。
  
第三, 运行深度学习算法能效远低于FPGA。学术界和产业界研究已经证明,运行深度学习算法中实现同样的性能,GPU 所需功耗远大于FPGA,例如国内初创企业深鉴科技基于FPGA 平台的人工智能芯片在同样开发周期内相对GPU 能效有一个数量级的提升。
FPGA局限在于:
第一,基本单元的计算能力有限。为了实现可重构特性,FPGA 内部有大量极细粒度的基本单元,但是每个单元的计算能力(主要依靠LUT 查找表)都远远低于CPU 和GPU 中的ALU模块。
  
第二,速度和功耗相对专用定制芯片(ASIC)仍然存在不小差距。
  
第三,FPGA 价格较为昂贵,在规模放量的情况下单块FPGA 的成本要远高于专用定制芯片。
综上所述,你所疑惑的ALTERA是否会因为被INTEL收购而没落,这个大概率上应该是不会的,但若你希望在该领域能达到更高的领域(当然,收入方面绝对可观,客套的说,在北上广等一线城市5年后买房没大问题,我指的是全款不是月供666),就这方面个人建议还是XILINX,如果只是为了能有一份较好收入(也就是月供那种,你懂的),那ALTERA比XILINX易上手或许更合适。


评分

参与人数 1积分 +5 收起 理由 huinice + 5 谢谢您,加分鼓励!

查看全部评分

一周热门 更多>