FPGA用硬件实现的可编程灵活性，具有两面性。
既是一种祝福，也可以看作是梦魇。
能够灵活地做事，但代价是做事的速度太慢：应用编程难度大，开发周期长。
如今开源软件在FPGA上的应用，还只是相当于二十年前的GPU，甚至还有所不如。
什么是FPGA？
在芯片架构上，LUT+MUX+DFF的逻辑单元(Logic Cells)组合，拥有足够的灵活性，充分的自由度。
组合逻辑的灵魂是LUT，DFF则是时序逻辑的核心。
多路选择器MUX，是构建多级复杂逻辑的优选项，起到类似于“叠罗汉”的作用：
2个2输入的LUT，加上1个MUX，构成一个3输入的LUT；
两个3输入的LUT，加上1个MUX，构成一个4输入的LUT；
听起来就像绕口令。
再以Logic Cell作为基本的组成单元，就像生物体的细胞一样，相互连接，形成岛状结构，再组合成更大的任意模块。
LAB，PLB，CLB只是各个厂商的爱称不同，LAB姓阿尔特拉，CLB则是赛灵思的仔。
结构持续进化。
根据不同的应用领域和特定需求，增加不同的异构模块。
比如，为信号处理添加DSP。
需要加大缓存数据量？那就是更多的BRAM。
如果是为了强化对复杂程序的控制，就直接上大杀器，内嵌CPU。
想要更快的数据交换能力，就增加PCIe，以太网接口等等。
现在AI热，那就加上相应的模块，如赛灵思最新Versal架构里的AIE。
包括Versal AI Edge Series的VE2302等系列。
号称万能芯片或特种芯片，绝非浪得虚名。
总是用来和CPU比性能，与ASIC比灵活。
田忌赛马，全看你咋比。
和GPU比，也好说，可以是功耗、单位效能“更优”，更常见于研究性质的“学术论文”。
硬件可编程逻辑器件，听起来像软件，但终究是芯片硬件。
生成位流并载入到FPGA，就化身成为硬件或固件使用了。
如果是反熔丝的FPGA类型，就只有一次编程(烧写)机会，用户自己仅有的一次“流片”而已。
不像GPU应用开发，有标准的软件编程模型，如大名鼎鼎的CUDA；
也与CPU不同，处理器指令集可以保持前后兼容。
FPGA的应用开发，是用硬件语言编写。不管是Verilog，还是VHDL，开发人员几乎都不会考虑“兼容性”和“可移植性”。
即便是同一厂商的“同款芯片”，也有“”差异性” 。
仅从Kintex，Virtex、Artix、Spartan、Zynq这些风格各异的名字上看，就让人眼花缭乱。
同一个芯片型号，仅是管脚封装、速度等级等不同，也需要用户有不同的辨识度。
彼此不像是亲兄弟，更类似表亲关系。
仅是7A35T这一款型号，包括车规级芯片在内，就多达39个品类。
想要对应用设计进行无缝移植？不存在的。
一言难尽的EDA工具
作为“平民版”的ASIC，FPGA用“位流配置”来实现硬件定制。
综合、仿真、布局布线、位流生成等前端设计环节，与ASIC芯片设计所需的开发流程，完全相同。
这也是用FPGA生产的专用设备，不管是硬件仿真(Emulation)平台，还是IC物理原型验证系统(Prototyping)。
为CPU/DPU/GPU/AI等ASIC芯片设计，提供调试验证服务的基础。
FPGA厂商的专用EDA工具，居于统治地位。
不论是赛灵思的Vivado、阿尔特拉的Quartus、莱迪思的Diamond，还是美微公司的Libero，都是自成体系，只支持自家的器件。
提供synthesis(综合), timing(时序分析), place and route(布局布线), bitstreams(位流生成)等各个环节。
贯穿整个设计阶段的全部流程。
环环相扣，紧密衔接的“全流程”服务。
其中，赛灵思对开源工具的态度，更为友好，对第三方EDA软件，也相对开放。
可以有限度的融合使用。
在所有厂商的Synthesis、Timing级别，以及数字仿真器(Simulation)等方面，传统EDA三巨头的工具，占有一席之地。
但进入到布局布线阶段，一定都是各个FPGA厂商自己的独门绝技。
作为位流生成前的最后一个编译环节，因与芯片结构等核心技术紧密相关。
只能是芯片厂商自己的团队，独立研发。
最后以0/1二进制数据集合呈现的位流(bitstream)，是用户应用开发的最后设计成果。
是从工程师能够理解的“数字逻辑世界”，进入到“芯片物理世界”的分界线。
包含了所有的设计信息：
代表设计在编译综合之后，已经由LUT正确地编程表示；
并且布局到了合适的模块位置上；
模块之间也建立了正确的连接关系。
Synthesis Results(represents the LUT programming )
Place Results(in the right locations)
Route Results (with the right connections)
作为用户最宝贵的核心资产。
对位流数据进行压缩、加密、签名后，再载入到芯片，也就完成了“定制芯片”的设计过程。
可以通过JTAG下载，或者预先“烧写”在外部存储器中(比如Falsh)，上电后直接完成芯片配置。
在运行过程中，还可以用部分重配置进行功能升级和更新。
在设计阶段，大部分工程师使用的EDA工具，更像是芯片厂商的“恩赐”。
they are at the mercy of the vendor
浏览一下网络，你会很容易发现一些关于供应商开发工具“翻车”的故事。
任何类型的自动化都需要使用基于Tcl的接口。
FPGA芯片结构如此复杂，配套的EDA工具更是复杂度加倍。
当应用设计中的BUG，和供应商工具可能的BUG，都耦合在一起的时候。
调试验证工作，更是难上加难。
有传闻说，就算是SpaceX，在调试基于赛灵思的FPGA设计时，就曾遇到了大麻烦。
快速增长的FPGA应用市场
早期稳定增长。
相当平缓，波澜不惊。
从1984年赛灵思推出首款芯片(XC2064)开始，一直到90年代末，整个市场增长才开始有所起色。
2010年，有一个向上抬头的起势拐点，明显不同以往。
也就是人工智能萌芽阶段，刚开始得到发展的时候。
2011年，微软启动的Catapult项目，从最初的只是加速bing搜索，后来将其称之为AI黎明。
虽然晶体管密度的增加，帮助供应商创造了更高性能的FPGA，但增长加速的真正原因，主要是最终找到了擅长的加速应用。
从某种程度上说，有别于以往拿着锤子找钉子的意思。
FPGA应用发展的三个阶段：
传统的优势应用(FPGA is FPGA)
一个常见的用途是在对ASIC设计进行前端验证，用FPGA进行仿真速度，比软件数字仿真要快得多。
这也是FPGA最具垄断优势地位的仿真加速应用。
或者当一个标准/协议仍在演进过程中，比如媒体编解码器，通信协议等，可以对FPGA进行现场升级，以适应可能的更新升级。
总之，如果是小批量应用，需要的芯片数量较少。
那么直接使用FPGA，而不是生产专用集成电路(ASIC)，是非常划算的。
作为算力加速器
(FPGA As An Accelerator，FPGAAAA！)
近数据源加速，尽可能在靠近数据源的地方，利用FPGA的硬件性能，就地就近进行数据处理。
利用厂商的运行时支持库，允许应用程序访问FPGA加速器。
如英特尔的OpenVINO, OpenStack Cyborg或Kubernetes设备插件，将数据负载导入到FPGA的加速路径上。
可以尽可能减少数据迁移。
作为AI加速器
FPGA As An AI Accelerator (FPGAAAAA!!)
其中最为有名的，无疑是微软公司的脑波了。
Microsoft’s Project Brainwave claims win over Google TPU
用25万片FPGA，构造当时世界上最大的AI计算机。
FPGA还在进化中，性能越来越强大，设计变得更为复杂的趋势。
仍在继续。
几乎所有论坛中，讨论大多数关于FPGA的问题，都是有关厂商专有工具，以及如何使用这些工具。
大家都只是试图用它们来精心打磨一个产品。
没有人试图改进流程或工具。
编者后记
FPGA早期的应用市场，主要是面向教育和仿真服务。
现在已深入到国民经济的各个角落。
四十年来，除了性能增长之外，其成本和能耗降低1000倍以上。
容量增长了1万倍以上。
一直走在异构计算、硬件加速最前沿的EDA辅助验证市场，更为明显。
硬件容量已经是初代XC2064，只有64个逻辑单元(LCs)的近30万倍。
时至今日，不管是传统的优势领域，还是当前火热的边缘AI加速应用，在芯片架构和生态上，尚未出现类似CUDA那样的重大突破。
当用户介绍自己用FPGA设计开发的产品，其卓越性能指标的旁白上，总是会加上这么一句。
一些性能达到了原厂专家级的水平。
如果是使用美微公司的抗辐FPGA：
设计团队在这款芯片上实现的性能，厂商专家认为已经是器件本身的极限!
使用赛灵思公司FPGA的设计开发，画风类似：
应用编程难度大，开发周期长，从业人员少。
几乎是行业的老生长谈了。
如果说企业问题，是员工成长机会。
那么行业的问题，就是企业的机遇。
从业人员少，已经出现了很多技能培训公司，是这些企业生长的市场机遇。
应用编程难度大，这是FPGA的特性，只能寄希望于芯片厂商的重大突破，短期无解。
开发周期长的这个行业长期难题，可能成为不一样的市场服务机会。
一些复杂设计的调试验证所需时间，按照EDA巨头西门子的统计数据，已经占到开发时间的50%左右(摘自“FPGA的中场战事”)。
代表最先进调试技术的EDA硬件辅助验证，又长期与FPGA应用市场距离遥远。
主要服务于超大规模IC设计。
EDA公司面向终端用户，推广使用的动力不足，快速扩张的能力受限。
打个比较辣眼睛也很刺耳的类比：
在软件行业已经进化到海量APIs的云原生时代，熟练驾驭FPGA的硬件工程师，就像是维多利亚工业时代的高手，还在沿用刀耕火种的白鹿原时代工具，在智能化时代精心打磨高科技产品。
摘自“可观测基础上的硬件调试，高效定位和修复设计问题”
虽然都是使用FPGA板卡，调试一直是IC设计行业用户的痛点，但对于遍布FPGA垂直细分领域的各个行业用户，好像从来不是问题。
最多是需要工程师多花些时间。
对于初创企业，除了有解决所谓的行业痛点之说。
还有更高层级的创业G点。
全文完，感谢您的耐心阅读
