騰訊云FPGA的開發歷史及背后的團隊力量解密FPGA（FieldProgrammableGateArray）現場可編程門陣列，作為ASIC領域中的一種半定制電路而出現已有30年的歷史了，它既解決了定制電路的無法改變功能的不足，又克服了原有可編程器件門電路數有限的缺點，可應用的場景也很廣泛。就在2017年1月20日，騰訊云推出國內首款高性能異構計算基礎設施——FPGA云服務，利用云服務的方式將只有大型公司才能長期支付使用的FPGA服務推廣到了更多企業。企業可以通過FPGA云服務器進行FPGA硬件編程，可將性能提升至通用CPU服務器的30倍以上。同時，與已經深入人心的高性能計算的代表GPU相比，FPGA具有硬件可編程、低功耗、低延時的特性，代表了高性能計算的未來發展趨勢。而在人工智能（AI）里面火熱的深度學習領域，企業同樣可以將FPGA用于深度學習的檢測階段，與主要用于訓練階段的GPU互為補充，FPGA還可應用于金融分析、圖像視頻處理、基因組學等需要高性能計算的領域，是這類對效率要求高的行業應用的最佳選擇?；诖耍琁nfoQ采訪了由騰訊云基礎產品中心、騰訊架構平臺部組成的騰訊云FPGA聯合團隊，向讀者介紹FPGA的基本原理和設計初衷，應用場景以及它給行業帶來的價值。騰訊云FPGA的開發歷史及背后的團隊力量隨著芯片制程逼近理論極限，可以預見通用處理器（CPU）性能提升空間越來越有限。而騰訊自己的業務隨著移動互聯網的快速增長，數據體量的急劇膨脹，伴隨著對這些數據的計算需求也在迅猛上漲。騰訊在2013年開始考慮如何解決計算需求的增長，而FPGA作為一種可編程的加速硬件彼時進入了大家的視野。有了解決計算需求的想法后，需要通過實踐驗證FPGA實際的能力。騰訊的QQ、微信業務，用戶每天產生的圖片數量都是數億級別，常用的圖片格式有JPEG格式、WebP格式等，WebP圖片格式比JPEG圖片格式存儲空間小30%。為節省存儲空間，降低傳輸流量，提升用戶的圖片下載體驗，通常采用WebP格式進行存儲及傳輸分發，而圖片轉碼所帶來的計算消耗需要上萬臺CPU機器支撐。自然FPGA開發落地的第一個切入點就是圖片轉碼：將JPEG圖片格式轉成WebP圖片格式。在圖片轉碼的實踐中，FPGA聯合團隊取得了FPGA處理延時相比CPU降低20倍，FPGA處理性能是CPU機器的6倍，驗證了FPGA能進行計算加速的能力，同時也增強了FPGA聯合團隊的自信心。（圖1）圖片轉碼中FPGA和CPU延時對比（圖2）圖片轉碼中FPGA和CPU吞吐率對比圖片轉碼項目完成后，深度學習映入了FPGA聯合團隊的眼簾，一方面深度學習需要密集的計算，另一方面深度學習在未來應用上有著巨大的商業價值。深度學習基于深度神經網絡理論，用在圖片分類的神經網絡是其中的一個分支：卷積神經網絡（CNN）。團隊使用FPGA對CNN計算進行加速，增強違規圖片檢測能力，最終在深度學習的實踐中取得了FPGA處理性能是CPU機器4倍的戰績。騰訊云FPGA項目實踐的結果，見證了FPGA在數據中心里可以提供強大的計算能力和足夠的靈活性，來應對數據中心對硬件加速的挑戰。經過之前的FPGA實踐，FPGA聯合團隊獲得了在數據中心使用FPGA的經驗，未來也將在數據中心的計算、網絡、存儲三個方向進一步探索，重構數據中心基礎架構。云端的數據中心業務日新月異，更需要一種高性能、高靈活的底層硬件結構，所以FPGA聯合團隊通過云端開放FPGA計算服務，從硬件層面加速云計算在各個場景中的應用，降低企業的使用門檻和成本。FPGA的特點解析2016年3月，英特爾宣布正式停用“Tick-Tock”處理器研發模式，未來研發周期將從兩年向三年轉變。至此，摩爾定律對英特爾幾近失效。一方面處理器性能再無法按照摩爾定律進行增長，另一方面數據增長對計算性能要求超過了按“摩爾定律”增長的速度。CPU本身無法滿足高性能計算應用軟件的性能需求，導致需求和性能之間出現了缺口。在新的芯片材料等基礎技術沒有取得突破前，一種有效的解決方法就是采用專用協處理器的異構計算方式來提升處理性能?，F有的協處理器主要有FPGA，GPU和ASIC，FPGA由于其獨特的架構擁有其他處理器無法比擬的優勢。FPGA（FieldProgrammableGateArray）現場可編程門陣列，可以通過軟件重新配置芯片內部的資源形成不同功能硬件，就像用