本文由AI智能模型生成，在自有數(shù)據(jù)的基礎(chǔ)上，訓(xùn)練NLP文本生成模型，根據(jù)標(biāo)題生成內(nèi)容，適配到模板。內(nèi)容僅供參考，不對(duì)其準(zhǔn)確性、真實(shí)性等作任何形式的保證，如果有任何問題或意見，請(qǐng)聯(lián)系contentedit@huawei.com或點(diǎn)擊右側(cè)用戶幫助進(jìn)行反饋。我們?cè)瓌t上將于收到您的反饋后的5個(gè)工作日內(nèi)做出答復(fù)或反饋處理結(jié)果。
FPGA，因?yàn)閷Ｓ茫愿咝?
近年來，摩爾定律增勢(shì)放緩，同樣價(jià)格，每單位芯片面積的晶體管數(shù)量無法做到每隔18~24個(gè)月增加一倍。也就是說，基于通用CPU進(jìn)行計(jì)算，每代產(chǎn)品的性能提升受到了極大的限制。然而，當(dāng)前新興領(lǐng)域，如人工智能，AR/VR，基因計(jì)算，以及高清，超高清視頻，對(duì)計(jì)算力的訴求極高。計(jì)算密集型業(yè)務(wù)的快速增長和性能增速放緩的通用計(jì)算資源的GAP與日俱增。過去六十年，由摩爾定律主導(dǎo)的計(jì)算性能提升模式將不復(fù)存在。用戶無法繼續(xù)依賴通用計(jì)算力的性能提升來匹配自身的業(yè)務(wù)增長。以FPGA為代表的異構(gòu)計(jì)算將在各個(gè)計(jì)算密集型的業(yè)務(wù)領(lǐng)域成為主流。
