参考： http://bbs.elecfans.com/jishu_1634668_1_1.html
マイクロソフトは、FPGAを選んだのはなぜですか？
MicrosoftとGoogleは2つの異なる遺伝子であるため、Googleは新しい技術を試すのが好き、最高のパフォーマンスを追求するためにTPUを使用するのが自然です。しかし、Microsoftはコストと商業的価値ことを確認するプログラムを選択し、営利企業文化重いです。ドゥASIC素晴らしいが、それは本当に価値がありますか？
チップの主な欠点は、大規模な投資、時間の長い期間、チップ・ロジック内で良い仕事をするには変更できません行われます。人工知能アルゴリズムは急速反復であった、とだけ古いアーキテクチャとアルゴリズムをサポートすることを意味し、少なくとも1年か2年のためのチップを作りました。新しいチップ化アルゴリズムをサポートしたい場合は、ユーザプログラムに命令セットを提供する、汎用的にする必要があるそれらのいくつかを無駄にしているため、汎用性は、パフォーマンスが低下し、消費電力が増加します。そのような鉱山機械の大陸のビットとして非常に多くのチップ企業行うためのチップにもかかわらず、多くの製品またはFPGAは、チップは、新しいマイニングアルゴリズムされているサポートしていません。
CPU、GPU、ASICおよびFPGA水平比較
私たちは今、CPU、GPU、ASICやFPGAなどの一般的なハードウェアのコンピューティング・プラットフォーム、です。CPUは最も汎用性の高い、などX86、ARM、MIPS、電源などと命令のセット成熟しているように、限り、ユーザーはさまざまなタスクを完了するために、CPUを使用した命令セットに基づいてソフトウェアを開発することができるようになりますよう。しかし、CPUの汎用性は、コンピューティングパフォーマンスは現代のコンピュータで最悪であると判断し、多くの計算を並列して、パイプラインアーキテクチャの高度を要求する、しかし、CPUのパイプラインにもかかわらず、非常に長いせいぜい数十の計算コア数、並列度であります十分ではありません。このようなドラッグの並列レンダリング、CPUであることを、非常に多くのピクセルを高解像度ビデオを見ているよう。
GPU CPUは欠点を克服するには不十分平行に、チップに並列計算コアスタックの数十万、例えばCUDA、OpenCLのようなGPUのプログラミング言語とのユーザのような開発プロセス・アプリケーションを加速するために使用GPUであることができます。しかし、GPUにも深刻な欠点を持っている、最小単位は、それはまだ大きすぎる、コンピューティングコアです。コンピュータアーキテクチャでは、非常に重要な概念であり、より細かい粒子サイズ、粒子サイズで、より多くのユーザがスペースを再生できることを意味します。Gailouちょうど同じ、少しレンガ場合、あなたは美しい形をたくさん作ることができますが、プレキャストコンクリート片を使用している場合、長い時間を構築し、すぐに建物をカバーしますが、建物のスタイルが限定されています。次の図は、することはできませんすぐに、ブロックを構築するが、すべての外観は似て、他の床をカバーしたいと、プリフォーム課税にあります。
ASIC GPU粗すぎるトランジスタレベルのカスタム・ロジック・チップのファウンドリからユーザーが開始するが、最終的には、専用のチップを生産できるように、欠点を克服します。かかわらず、地面まで、無駄な回路、および最高性能の追求から設計されたすべての後にはるかに優れたGPUよりも性能や消費電力、の。しかし、ASICはまた、重大な欠点があります。大規模な投資、長い開発サイクルを、チップ・ロジックを変更することはできません。今、数千万の少なくとも投資、2012の周りの時間帯、特にAIチップの数百万に、大規模なチップを行い、時間を長く、非常に独自の開発に、普遍的なIPはありません。チップが何をした後、大きな問題や機能のアップグレードがある場合、それは直接変更することはできません（いくつかの小さな問題が解決された論理金属層配線を予約することによって変更することができる）が、再編集、レイアウト、テープ配達の工場へ。
だから、最終的にFPGAに戻っ：ファイングレインサイズとASICのプログラマブルGPUの利点の両方を計算します。FPGAは、非常に微細な粒子サイズを計算し、あなたは、NANDゲートのレベルに行くことができますが、また、ロジックは、プログラム可能で、変更することができます。
