FPGA、CPU、ASIC、SoC、TPU等等，一文說明它們到底什麼區別

世界變化太快，本來生活中就只有CPU，後來又闖入了MCU、FPGA、GPU、DSP、ASIC，已經難以分辨了。現在又多了SoC、SiP、TPU、XPU，讓我們讀書看報越發艱難啦。

它們共同特點是都屬於IC（Integrate Circuit，集成電路），並且具有運算功能。這篇文章就是要區分開它們。

FPGA就如一塊生鐵，其它都是工具

生鐵買回家沒法直接使用，但它能做成各種工具。

FPGA （Field Programmable Gate Array，現場可編程門陣列），把它裝在電路板上也沒法直接使用。FPGA工程師的任務就是通過改變物理上的連接關係，實現各種邏輯和運算功能。

就像一塊生鐵能打造出很多工具，FPGA最強大的地方在於，可以靈活實現各種結構，對事件進行即時響應。比如對於大量的運算：

• 把累加操作變成流水線操作，一個時鐘周期就完成一次很多數的累加。類似接力搬磚，只要人足夠多，可以迅速把磚頭移動到很遠的地方。

• 可以模擬出100塊CPU計算單元，大幅提升並行計算速度。類似於有很多個人在不同的位置同時搬磚，只要人數夠多，磚頭一會兒就搬完了。

為了應對人工智慧深度學習對運算的需求，百度和賽靈思合作，基於FPGA推出XPU（X Processing Unit），X應該就是想表明很厲害、萬能的意思吧。

FPGA的缺點也明顯：

• 不可能對每個門電路進行優化，用戶連接只在一定顆粒度上是可行的。比起專用晶元來，速度慢、功耗大。

• 受工藝限制，比起專用晶元來，量產成本高很多。

• FPGA的開發比起軟體編程來，麻煩很多。需要考慮一些硬體設計的問題，比如信號時間上對齊、資源的評估、節能等。

FPGA名字當然有其演化的歷史，但實踐上看，名字起得並非完美。

由於名字中有「可編程」的字眼，導致很多人認為FPGA工程師是軟體設計人員。而軟體工程師只是忿忿的說，「FPGA能實現遞歸函數嗎？不行吧。你這也叫編程？」他們絕對不會認為FPGA工程師是自己的一員。

如果從避免混淆的角度來看，我覺得叫FCGA （Field Connectable Gate Array，現場可連接門陣列）更清晰。 「連接」表明從硬體上改變了它，這樣FCGA工程師就清晰無誤地屬於硬體設計工程師了。如果對應到其它硬體電路設計流程，他們同時負責設計、模擬、原理圖、PCB布線、和測試工作。

CPU是通用工具，其它都是專用的

通用工具有很多種。當一個人說工具時，我們很難具體指明他在說什麼。

CPU（Central Processing Unit，中央處理器），它在電路板上的地位是配置和控制其它所有設備，當然也包括FPGA。從功能上看，它是最要的器件。當電源正常工作後，第一件事情就是啟動CPU系統，之後CPU檢查其它硬體的狀態，並依次配置和啟動它們，最終讓系統進入工作狀態。我所認知的CPU都是支持軟體編程的，這保持了通用性。

從控制其它設備和可以編程的角度來看，MCU、DSP、SoC、甚至ASIC都可以劃分到CPU的範疇。

• 因特爾、AMD等大廠的CPU廣泛應用於PC上，它們構成CPU最經典的概念。

• MCU（Micro Controller Unit，微控制器），通常稱為單片機。常說的ARM，就是單片機的一種。跟PC上的CPU相比：

• 內部集成了很多設備，比如存儲器、數模、模數轉換器、時鐘單元、各種通信介面等。MCU只需加上很少的外部器件，就能做出很實用、高可靠性的產品，比如Pad、白色電器、汽車控制系統等等，生活中無處不在。

• 通常MCU處理速度比CPU低，畢竟大部分的應用場景對運算的要求並不高。

• 功耗比CPU低很多，對於需要電池的設備有很大的吸引力。

• 種類繁多，便宜的幾塊錢就能買到，也能滿足很多簡單控制的需求。

ASIC是專用工具，精益求精

干特定的活，用專門的工具，無比順手啊。

ASIC（Application Specific Integrated Circuit，專用集成電路），為了應對某一特定領域大量的需求，優化到每一個門電路，在性能上做到極致。犧牲了通用性，主要功能無法更改，好處是批量生產成本低、速度快（比FPGA更迅速）、能耗低。

• GPU（Graphic Processing Unit，圖形處理器），分擔CPU對顯示部分主要的工作量。順序運算能力遠不如CPU，但可以比較靈活的配置多進程，並行計算能力比CPU有數十倍的提升。也因此，現在常被借用來進行加速計算，跟圖形已經沒有關係了。編程通常是通過CUDA（Compute Unified Device Architecture）平台來實現的。由於人工智慧深度學習的興起，對計算能力要求飛速提升，GPU的行業老大英偉達的股價也一柱衝天。

• 麒麟晶元，華為用在手機里，硬體實現了對各種通信協議的處理。手機出貨量大，能大幅攤薄前期ASIC的開發成本，而且手機對功耗要求很高，尤其適合採用ASIC。

  

  麒麟960

• TPU（Tensor Processing Unit，張量處理器），谷歌為了深度學習開發的晶元，架構不詳。從名字來看，應該是對矩陣的運算做了優化，適配自己的深度學習軟體框架TensorFlow。谷歌購買了世界5%的伺服器處理器，這個量完全足夠支持它開發一套專用的晶元。目前，谷歌還沒有計劃向外銷售TPU。

由於深度學習的演算法目前還處於迅速演進過程中，對深度學習ASIC的高度定製，比如針對某種神經網路的定製，是件高風險的事情。也許上午花了上千萬定製的ASIC剛剛問世，下午就出現一種效率提高10倍的演算法，那這塊ASIC也就幾乎沒有什麼價值了。

FPGA、CPU和ASIC比較

下圖表明了它們的位置關係。

它們之間的對話是這樣的：

SoC 和 SiP 是工具包

工具包的意思就是裡面啥都可以有。

FPGA、CPU和ASIC各有優缺點，現在它們已經有融合的趨勢了。

• 因特爾，傳統的CPU廠商收購了Altera（FPGA的主力廠商），CPU融合FPGA的心不言自明。

• 而FPGA的老大賽靈思也早就開始在它的FPGA裡面集成了CPU，構成Zynq系列的FPGA產品。

• 華為專用麒麟晶元更是集成了CPU和GPU。

不僅如此，很多晶元也像單片機那樣，集成數模、模數轉換、存儲器、各種通信協議。這些集成了的東西，你中有我，我中有你，難以再區分它們。SoC （System on Chip，片上系統），可以籠統的指代它們。單片機就是很典型的SoC。

而把很多器件融合到一顆晶元裡面難度比較大。直接把它們拼接到一起，然後再加個殼，外觀上構成一個器件，就是SiP（System in Package，封裝系統），技術難度比較低，模塊化較好，緊湊度差些，算是SoC的初級形式吧。

總結

FPGA像塊生鐵，自己怎麼鍛造就怎麼用，CPU適應性強，怎麼編程就怎麼用，ASIC讓你怎麼用你就怎麼用。SoC和SiP是多種晶元的融合體。各種晶元比較一遍，驗證了一個樸素的道理，世上沒有免費的午餐。性能（速度和功耗）、靈活性、價格三者，最多只能佔兩樣。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！