（文章來源：安防知識網）

與CPU和GPU不同，FPGA是一種典型的非諾依曼架構，是硬件適配軟件的模式，它能夠根據系統資源和算法特征靈活的調整并行度，達到最優的適配，因此能效比高于CPU和GPU。

以浪潮F10A為例，這是目前業界支持OpenCL的最高密度最高性能的FPGA加速設備，基于Altera的Arria10芯片，單芯片峰值運算能力達到了1．5TFlops，功耗卻只需35W，每瓦特性能達到42GFlops。同時，F10A設計為高密度的半高半長PCI－E插卡，同時具有靈活的板卡內存配置，最大支持32G雙通道內存，是業內同等FPGA卡內存容量的4－8倍。此外，F10A支持2個10Gb光口，可以實現數據直接從網絡到板卡處理，無需經過CPU，大大減低了傳輸延時。

測試數據顯示，在語音識別應用下，浪潮F10A較CPU性能加速2．87倍，而功耗相當于CPU的15．7％，性能功耗比提升18倍。傳統的FPGA的開發類似于芯片的開發，采用硬件描述語言（HDL）開發，HDL開發帶來的問題就會像芯片設計一樣周期會比較長，從架構設計、到仿真驗證、再到最終完成，需要一年左右的開發時間。

但是互聯網的業務迭代速度極快，在幾個月時間內就可能完成龐大用戶群的積累，因此業務對于數據中心的要求是“快”—計算力平臺的升級要盡量快地滿足業務的發展，因此FPGA的傳統開發模式動輒以半年或年為單位的開發周期難以滿足需求。

為此浪潮嘗試通過OpenCL高級語言開發方式，它把底層的硬件如總線、IO接口、訪存控制器等和底層軟件如驅動、函數調用等全部封裝，變成標準單元提供上層支持，用戶只需要關注算法本身，OpenCL開發的邏輯通過編譯工具直接映射到FPGA中，開發周期從至少1年縮短至4個月以內。

或許你還是有些顧慮，即時開發效率大幅提升、開發周期大大縮短，但是對于技術和團隊儲備不足的中小型AI企業來說，FPGA仍是“高不可攀”的AI加速部件。如果，有一種方案能夠將軟件、算法和硬件板卡整合，以軟硬一體化的形式，提供FaaS（FPGAasaService）服務。你還有什么顧慮么？

目前，浪潮正在針對市場上需求最迫切的幾種應用場景進行算法的移植開發，在圖像壓縮、文本數據壓縮及神經網絡加速等應用開發出業界領先的IP，省去客戶的算法開發周期，最小化FPGA落地門檻、最大化FPGA落地效率。神經網絡加速方案：基于浪潮F10A的AI線上推理加速方案，針對CNN卷積神經網絡的相關算法進行優化和固化，可加速ResNet等神經網絡，能夠應用于圖片分類、對象檢測和人臉識別等應用場景。

實測數據顯示，在進行ResNet殘差網絡的圖片識別分類任務時，浪潮F10A加速方案圖片處理速度可達每秒742張，Top－5識別準確率達到99．6％，相比同檔次GPU能效比提升3倍以上。而與通用CPU對比，在處理這種高并行、小計算量的任務時，F10A的優勢將更明顯。

WebP圖片轉碼壓縮加速方案：針對圖片數據的壓縮應用，嵌入基于FPGA計算環境下的WebP編解碼優化算法，通過充分利用硬件流水設計和任務級并行，大大提升WebP圖像壓縮編碼算法的處理性能，能夠實現JPEG－WebP圖片格式的快速轉換，比傳統實現方式的整體處理效率平均高9．13倍左右，最高性能可比CPU提高14倍。

數據壓縮加速方案：為解決傳統壓縮架構的弊端，浪潮GZip算法加速方案充分利用板卡硬件流水設計和任務級并行，大幅提升了壓縮任務的吞吐量并有效降低CPU的負載，壓縮率（壓縮率＝1－壓縮后文件／壓縮前文件）最高可達94．8％，壓縮速度達到1．2GB／s，10倍于傳統方案的壓縮效率。