GPU相比FPGA可编程优势明显，适应AI快速变化需求

在上周的GTC19大会上，NVIDIA的加速计算产品管理总监Paresh Kharya针对GPU与FPGA的优劣进行了深入的探讨。当谈及GPU的优势时，Paresh Kharya明确表示，GPU在可编程性方面拥有显著的优势，并且整个开发周期更短。

他指出，当前的FPGA编程需要数个月的时间，并且在硬件层面进行编程，这对于快速变化的AI领域来说，显然是不太理想的。因为AI的更新速度极快，甚至可以说是以分钟为单位进行更新的。必须在软件端实现高度的灵活可编程性。而GPU作为AI领域的专用芯片，其指令集具有极大的优势，它是全可编程的，而且是软件定义的。

GPU的另一个显著优势在于其架构的前向兼容性。这意味着，如果未来需要使用新的硬件，GPU可以使开发周期大大缩短，其硬件可以随着软件的不断更新而适应。这一点对于任何设备上的使用都适用，无论是台式机、笔记本、服务器、数据中心、边缘设备还是物联网设备。

在GTC19大会的主题演讲中，NVIDIA的创始人黄仁勋也多次强调GPU在各种应用领域中相比于CPU的明显优势。例如，阿里的边缘系统在GPU上运行，每秒可以完成780次查询，而如果使用CPU，每秒只能完成3次查询，差距极为明显。在baidu采用NVIDIA AI推荐系统的案例中，GPU的使用使得模型训练的成本降低了十倍，并且支持更大规模的模型训练。

值得一提的是，本站转载的这篇内容来自其他媒体，目的在于传递更多信息，并不代表本站的观点。原创性以及文中陈述的文字和内容并未经过本站的核实。请读者自行核实相关内容，并对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性自行判断。本站不承担此类作品侵权行为的直接责任及连带责任。如若发现任何内容侵犯您的权益，请及时与我们联系，我们将在24小时内妥善处理。