FPGA可能会在很多 AI 应用中取代GPU

在过去的十年中，人工智能的重新兴起使图形卡行业受益匪浅。英伟达（Nvidia）和AMD（AMD）等公司的股价已大幅上涨，因为事实证明，它们的GPU对于训练和运行深度学习模型非常有效。实际上，Nvidia甚至已经从纯粹的GPU和游戏公司发展成为云GPU服务提供商和称职的AI研究实验室。

但是，专门从事机器学习软件的公司Mipsology的首席执行官兼联合创始人Ludovic Larzul表示，GPU还存在着固有的缺陷，这使其在AI应用中面临挑战。

Larzul说，解决方案是现场可编程门阵列（FPGA），这是他的公司专门研究的领域。FPGA是一种可以在制造后进行定制的处理器，这使其比通用处理器更有效。但是，FPGA很难编程，这是Larzul希望通过其公司开发的新平台解决的问题。

专门的AI硬件已成为一个行业，对于将其作为深度学习算法的最佳基础设施的评审仍在进行中。但是，如果Mipsology成功完成其任务，这可能会给许多目前GPU苦苦挣扎的AI开发人员带来好处。

使用GPU进行深度学习的挑战
三维图形是GPU拥有如此大的内存和计算能力的原始原因，与深度神经网络有一个共同点：它们需要大量的矩阵乘法。

图形卡可以并行执行矩阵乘法，从而极大地加快了运算速度。图形处理器可以将训练神