虽然在许多不同的环境中部署FPGA并不是新闻，特别是在存储和网络方面，但由于更大的数据中心趋势，出现了新的用例。现在，能源效率，可扩展性以及处理大量流数据的能力比以往任何时候都更加重要。在传统CPU面临摩尔定律不太确定的未来，而其他加速器和定制ASIC是具有各自费用和障碍的潜在解决方案的时代，FPGA正在重新审视不断增长的工作负载范围。

FPGA一直是一个多市场解决方案，但市场在计算要求方面更加多样化，但在效率，速度，可扩展性和可用性的基本要求方面比以往更加均匀。大量的工作已经用于改进这些轨迹中的每一个轨迹，其中最重要的是可编程性 - 可编程设备的假定Achilles脚跟，但远远低于FPGA历史上的程度。 。

正是出于这些原因，The Next Platform的编辑出版了一本书，内容涵盖了FPGA最近的过去，现在和未来，该书可以免费下载两周，然后才能在亚马逊上架销售。和其他书商。只有1月16日至27日才能通过此链接下载完整的书籍。

更新：该书现已在亚马逊和其他书商上印刷。

能够制作完整版FPGA前沿：可重构计算2017版的新应用程序，是由FPGA制造商Xilinx实现的，这是免费周的赞助商，来自Next Platform Press的这个标题。

在作为FPGA制造商Xilinx首席技术官的十五年中，Ivo Bolsens看到可重编程设备已经从胶合逻辑转变为完整系统的核心。 “这是因为现在可以将如此多的丰富功能集成到设备和管理软件框架中。就未来而言，我们认为我们已经明确表示，更广泛的计算世界也有机会与FPGA一起应对数据中心的更大趋势，最显着的是每瓦性能和整体可扩展性。在具有可编程性的同时向上和向下扩展意味着更多这些趋势，这当然很好地映射到FPGA，“他解释道。

Xilinx等公司的目标是在FPGA中提供高计算密度和功能，以满足这些不断增长的工作负载要求。这两个领域是真正的起点，特别是在我们关注云和机器学习的新兴需求时。这两个领域中的许多应用都具有数据流和流数据处理需求，这正是FPGA比其他加速器架构或仅CPU方法所消耗的功耗更低的地方。 “这是因为数据和计算是并排的，而不需要在存储器之间进行繁重，昂贵的数据移动 - 这对于机器学习来说是最重要的功能，”Bolsens指出。

这些相同的方面使得FPGA成为新兴工作负载的有吸引力的选择，可以很好地映射到可重编程逻辑起主要作用的其他领域。网络处理，安全性，深度包检测都是FPGA的重要领域。此外，还有更大的趋势，即在向网络和存储层添加更高级别的智能方面为FPGA提供更多工作。这里的机会很大;使计算更接近存储和数据以进行网络功能的能力是一种改变游戏规则的能力，CPU无法提供性能和效率。单独出现网络功能虚拟化的趋势代表了FPGA与CPU协同工作的一个重要机会，虽然它是机器学习，视频转码和其他新兴工作负载的不同用例，但它展示了FPGA如何以及为何能够对流数据进行哼唱在某种程度上，其他加速器或仅CPU的方法不能。

FPGA进入新兴市场的历史性挑战一直是编程环境，但这个问题正在通过重大的步骤改变来解决。 “我们的许多研发组织一直专注于将可编程器件设计为可编程的未来，而且凭借我们多年来的OpenCL和关键见解使这些设备变得更加平易近人，我们现在正朝着通用目标（可用性方面）迈进） 设备。从某种角度来看，了解Xilinx开始使用FPGA的位置以及我们现在用于设备的硬件和软件最终用户的位置非常有用，“Bolsens说。

十年前的挑战是弥合开发公司硬件和软件方面的差距。 “我们希望确保能够在不暴露软件的情况下释放硬件平台的全部潜力