隨著處理器被添加到傳統FPGA中，可編程性被添加到ASIC中，FPGA和ASIC的分界線日益模糊。
FPGA變得比之前更加流行了。現在的FPGA不再只是查找表（LUT）和寄存器的簡單組合了，它已經成為系統探索的架構，以及驗證未來ASIC設計架構的橋梁。
從基本的可編程邏輯器件到復雜的SoC器件，當今的FPGA家族陣營極其龐大。在包括汽車和其它應用的AI、企業網絡、航空航天、國防和工業自動化等各種應用領域，FPGA使得芯片制造商可以在必要時以更新的方式部署實施系統。在這種標準、協議和最佳實現仍然在探索中，而且要求具備成本競爭力的新興市場中，FPGA的靈活性至關重要。
這就是賽靈思決定在其Zynq FPGA中添加ARM內核以創建FPGA SoC的原因所在，Aldec市場總監Louie de Luna表示。“最重要的是，供應商已經改進了工具流程嗎，這使得人們對Zynq產生了很大的興趣。他們的SDSoC開發環境看起來很像C語言，對開發人員很友好，因為應用程序通常是用C語言編寫的。他們將軟件功能放到開發環境中，允許用戶將這些功能分配到具體的硬件上。”
其中有些FPGA不只是像SoC，他們本身就是SoC。
“他們可能包含多個嵌入式處理器、專用計算引擎、復雜接口以及大容量存儲器等，”OneSpin Solutions綜合驗證產品專家Muhammad Khan說。 “系統架構師規劃并使用FPGA的可用資源，就像他們在ASIC上所做的那樣。設計團隊使用綜合工具將他們的System Verilog、VHDL或System C RTL代碼映射到基礎邏輯元素中。對于大部分設計過程來說，專門針對FPGA或ASIC或全定制芯片的設計差異正在減少。”
ArterisIP首席技術官Ty Garibay非常熟悉這一演變。“賽靈思2010年開始在Zynq上實踐這種路線，他們定義了一款產品，把ARM SoC的硬宏納入到了當時現有的FPGA中，”他說。 “然后，Altera招募了我做基本上同樣的事情。它的價值主張在于許多客戶都想要SoC子系統，但是SoC的特性尤其是處理器那部分并不適合綜合到FPGA中。將這種級別的功能嵌入到實際的可編程邏輯中令人望而卻步，因為它幾乎用盡了整個FPGA的資源。但是它可以作為整個FPGA芯片的一小部分或一小部分，作為一個硬性的功能而存在。雖然你沒有為SoC提供真正可重構邏輯的能力，但是它們可以通過軟件編程，以這種方式改變功能。”
“這意味著，這種結構可以同時具備軟件可編程功能、硬宏和硬件可編程功能，他們可以一起工作，”他說。 “這類期間有一些相當理想的目標市場，尤其是在低成本的汽車控制領域，在這種系統中一般都會以中等性能的微控制器搭配FPGA，現在客戶會說，‘我現在可以將整個功能放到FPGA芯片的硬宏上，以減少電路板空間，減少BOM并降低功耗。’”
這也符合過去30年FPGA的發展趨勢。最初的FPGA只是可編程結構和一組I/O。隨著時間的推移，內存控制器、SerDes、RAM、DSP和HBM控制器都慢慢地被硬化了。
Garibay說：“FPGA供應商一直在繼續增加芯片面積，同時也在繼續增加越來越多的硬邏輯，這些邏輯被相當大比例的客戶群普遍使用。現在，這些硬邏輯轉變成軟件可編程器件。在ARM SoC之前添加的大多數東西都是不同形式的硬件，主要與I/O有關，但也包括DSP，DSP有足夠的應用計劃，因此，通過將DSP硬化，可以節省可編程邏輯門。”
市場可能性
這種方式基本上已經把FPGA變成了具有多種可能性的瑞士軍刀。
“如果你往回看，FPGA只是一堆LUT和寄存器，而不是門，”NetSpeed Systems市場和業務開發副總裁AnushMohandass說。 “這里有一個典型問題。如果您將任何通用器件和專用器件進行比較就會發現，通用計算可以提供更大的靈活性，而專用計算可以提供性能或效率優勢。賽靈思和Altera一直試圖越來越多地融合通用計算和專用計算，他們注意到，幾乎每個FPGA客戶都擁有DSP和某種形式的計算。所以他們在FPGA里面加入了ARM內核、DSP內核，還加入了所有不同的PHY和常用模塊，他們把這些東西硬化了，使得效率更高，并且性能曲線變得更好。”
這些新功能為FPGA在各種新興市場和現有市場中發揮重要作用打開了大門。
“從市場角度來看，您可以看到FPGA肯定會進入SoC市場，”Synopsys的高級營銷總監Piyush Sancheti表示。 “是做一個FPGA還是做一款成熟的ASIC牽扯到經濟問題。它們的界限開始變得模糊不清，我們看到越來越多的公司 - 特別是在某些市場上 - 正在在量產階段使用成本更低的FPGA。”
從歷史上看，FPGA主要用于原型階段，在生產用途而言，它僅限于航空航天、國防和通信基礎設施等市場，Sancheti說。 “現在市場正在擴展到汽車、工業自動化和醫療設備。”
AI：一個蓬勃發展的FPGA市場
一些系統供應商/OEM采用FPGA，希望優化其IP或AI/ML算法性能。
NetSpeed的Mohandass表示：”他們想要打造自己的芯片，對其中很多人來說，做ASIC可能有點嚇人。他們也可能不想花費3000萬美元的晶圓成本來獲得芯片。對他們來說，FPGA是一個有效的切入點，他們擁有獨特的算法、自己的神經網絡，他們想要工程化，看看它是否能夠提供他們所期望的性能。”
西門子子公司Mentor的Catapult HLS綜合與驗證高級產品營銷經理Stuart Clubb表示，目前AI應用面臨的挑戰是量化。 “需要什么樣的網絡？ 我如何建立這個網絡？ 什么樣的內存架構？ 即便你只有幾層神經網絡，當你獲得很多采用若干系數的數據之后，很快就會轉化成為數百萬個系數，存儲帶寬也會變得非常恐怖。沒有人真正知道正確的架構是什么。如果你不知道答案，你肯定不會直接上來就設計一個ASIC。”
在企業網絡領域，最常見的問題是密碼標準似乎一直在變化。Mohandass表示：“與其嘗試構建一顆ASIC，不如將密碼引擎放在FPGA中設計。“或者，如果您在全球網絡中進行任何類型的數據包處理，FPGA仍然能夠為您提供更多的靈活性和更多的可編程性。這就是靈活性的用武之地，他們也已經利用了這種靈活性。你可以稱之為異構計算，它看起來仍然像一個SoC。”
新規則
隨著新一代FPGA SoC的投入使用，舊規則不再適用了。“具體來說，如果你還在電路板上進行調試，那就太落伍了，”Clubb指出。 “雖然在開發板上進行調試被認為是一種成本較低的解決方案，但這是在早期階段使用的手段：‘它是可編程的，您可以在它上面放置一個示波器，觀察一下現象，看看發生了什么。如果發現了一個錯誤，我可以修復它，在一天內修改代碼，然后將它重新燒錄到電路板上，然后再定位下一個bug，'這太瘋狂了。在員工的時間不被視為成本的很多公司，管理層不會購買模擬器或系統級工具或調試器，因為'我付了錢讓這個人完成工作，我會一直訓他，直到他努力工作。'”
這種行為仍然很常見，Clubb說，因為有很多公司實行10%的末位淘汰，以鞭策每個員工好好干活。
但是，FPGA SoC是真正的SoC，需要嚴格的設計和驗證方法。 “器件可編程不會真正影響設計和驗證，”Clubb說。 “如果你要設計一顆SoC，你可以按照我聽很多客戶說起過的‘樂高’工程，采用框圖式的方法。我需要一顆處理器、一塊內存、一顆GPU、一些其他零件、一個DMA內存控制器、WiFi、USB和PCI，這些都是您組裝用的'樂高'積木。麻煩之處在于必須驗證它們能夠工作，并且能夠一起工作。”
不過，FPGA SoC系統開發人員正在迅速掌握SoC從業者們關注的驗證方法。
“因為[使用FPGA]的成本更低，所以FPGA SoC系統開發人員的思考方式和傳統的芯片SoC開發人員不同，傳統SoC開發人員的處理思路是'這將花
費我200萬美元，所以我最好做好萬全的準備'，“Clubb說。 “但是如果你花費200萬美元開發FPGA，沒搞對，現在你將需要花費三個月的時間修復這些bug，這也是需要考慮的成本。開發團隊有多大？要花多少錢？沒有及時上市的懲罰是什么？這些都是非常難以清晰量化的成本。如果您處于消費領域，需要在圣誕節期間及時上市的產品上幾乎不可能使用FPGA，所以這有一個不同的優先級。在定制芯片中做一款SoC需要面臨巨大的整體成本和風險，因此越來越少見了。眾所周知，這個行業正在整合，大玩家越來越少。每個選手都必須找出一種方式實現自己的設計，這些FPGA SoC可以幫助實現這一目標。”
新的折衷選擇
Sancheti說，很多工程團隊不介意更換目標器件。“我們看到許多公司創建RTL并對其進行驗證，但幾乎不知道他們最終會選擇FPGA還是ASIC，因為這個決定可能會變很多次。你可以從FPGA開始，當達到一定數量后，如果ASIC成本更低，就轉到ASIC上。”
這種局面對于今天的AI應用領域尤其普遍。
eSilicon營銷副總裁Mike Gianfagna表示：“加速AI算法速度的技術還在發展中。人工智能算法其實已經存在了很長一段時間，但是現在，我們在使用AI方面突然間變得更加復雜，并且可以非常神奇地以接近實時的速度運行它們。最初的AI算法運行在CPU上，然后轉移到了GPU上。GPU也可以認為是一種可編程器件，盡管它具有一定的通用性。GPU架構擅長并行處理，因為圖形加速運算就是并行計算，所以在GPU上跑AI算法很方便，因為AI基本上就是并行處理。在很大程度上來說，GPU確實很好，但是它仍然是一種通用的方法，你可以在一定的功耗下獲得一定程度的性能。現在，有些人接下來要轉向FPGA運行AI算法，因為FPGA可以提供比GPU更好的專用電路，而且性能和功效上都能得到提升。ASIC在功耗和性能方面最為出色，因為您擁有可以完全滿足您的需求的自定義架構，不多不少，顯然最好。”
人工智能算法很難映射到芯片上，因為它們幾乎總是在變化。就這一點可以看出，做一款全定制的ASIC完全不合時宜，因為芯片出廠時老的算法就已經過時了。“FPGA顯然可以很好地應對這種情況，因為你可以對它們進行重新編程，這樣對芯片的昂貴投資就不會打水漂了。”Gianfagna說。
這里有一些自定義的內存配置，以及某些像卷積和轉置存儲等可以再次使用的子系統功能，因此，雖然算法可能會更改，但某些塊不會更改，可以一次又一次地使用。考慮到這一點，eSilicon正在開發一款具有軟件分析功能、可以查驗AI算法的機箱，目標是能夠更快速地為特定應用選擇最佳架構。
“使用FPGA，可以靈活地更換機器或者引擎，因為您可能會遇到一種新的神經網絡，選擇ASIC則要承擔風險，因為你可能無法獲得靈活性，”eSilicon知識產權工程副總裁Deepak Sabharwal說。 “然而，FPGA在容量和性能方面總是受到限制，所以用FPGA無法真正達到產品級規格。 你可以用它做實驗，對事物分組，但最終你將不得不選用一顆ASIC。”