即将到来的AI时代，谁将笑傲江湖

这个问题没有考虑过，围观一下

就个人的见解发表一点粗陋的看法：
目前的AI大环境下，GPU和FPGA应该是被行业拿来讨论对比最多的一对，就性能来说，各自有各自的优缺点。
首先说说GPU，早期的GPU因为其海量数据并行计算优势最先被引入深度学习，GPU 作为图像处理器，设计初衷是为了应对图像处理中需要大规模并行计算。但是，由于这类通用芯片设计初衷并非专门针对深度学习。所以，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。
另外一个代表，就是大家所熟悉的FPGA阵营了。其局限性在于：
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。
但是目前，代表GPU阵营的英伟达和代表FPGA阵营的赛灵思都已开发出新一代针对AI领域的专业芯片，在性能上都提高了不少，在william hill官网 场景上也是一时瑜亮。（云端处理器英伟达应该就处于绝对领先的地位）。
结语：AI的上半场，应该还是GPU（代表英伟达）和PFGA（代表XILINX和ALTERA，两家占到全球FPGA产业份额的八成以上）的天下...
我开这个论题，主要目的也是让从事威廉希尔官方网站 领域的各位也能稍微接触下一线，发散思维，不能只为了研发而研发，需要对市场有一点嗅觉，这样，以后不管是创业亦或是跳槽，都会有一个比较清晰的目标定位。毕竟，没几个人会愿意一辈子都只当一名程序员。周立功等传奇虽难复制，但是套用一句老掉牙的台词：梦想总该有的，万一实现了呢？
以上观点纯属个人愚见，如有不周之处，也请提点一二。
有兴趣进行更多行业交流探讨的，也可以加我QQ***

很不错的主题，围观了。

可以关注下，中国唯一的国产自主产权千万门级高性能FPGA紫光同创（紫光集团子公司）PGT180H（约180k逻辑资源，带6.5G serdes），全球40nm工艺下集成度最高的FPGA产品紫光同创PGL22G（约22k 逻辑资源，1066MHz DDR3硬核控制器），请联系：sales#pangomicro.com，把#换成@，或者QQ：767861778

围观，，，不太清楚