人工智能受到越来越多的关注，许多公司正在积极开发能实现移动端人工智能的硬件，尤其是能够结合未来的物联网应用，对于移动端人工智能硬件的实现方法，有两大流派，即     FPGA   派和     ASIC   派。FPGA流派的代表公司如Xilinx主推的Zynq平台，而ASIC流派的代表公司有Movidius。本文主要介绍了fpga与asic的区别在哪里，小编带大家来了解一下。

 1、FPGA——现场可编程门阵列

FPGA（Field－Prog     ram   mableGa     te   Array），即现场可编程门阵列，它是在PAL、GAL、     CPLD   等可     编程器   件的基础上进一步发展的产物。它是作为专用     集成电路   （ASIC）领域中的一种半定制     电路   而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。

ASIC具有高性能、低功耗的优势，但它们包含的任何算法——除了那些在软件内部处理器内核执行的——其余都是“冻结的”。所以这个时候我们就需要现场可编程门阵列（FPGA）了。早期的FPGA器件的架构相对简单——只是一系列通过可编程互连的可编程模块。

用于     深度学习   加速器的FPGA（XilinxKintex7Ultrascle）

FPGA最厉害的地方是，我们可以配置它的可编程架构来实现任意我们需要的数字功能组合。另外，我们可以以大规模并行的方式实施算法，这意味着我们可以非常迅速和有效地执行     大数据   的处理。

 2、ASIC——特定应用集成电路

目前，在集成电路界ASIC被认为是一种为专门目的而设计的集成电路。是指应特定用户要求和特定电子系统的需要而设计、     制造   的集成电路。ASIC的特点是面向特定用户的需求，ASIC在批量生产时与通用集成电路相比具有体积更小、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。

用于深度学习加速器的ASIC（MovidiusMyriad）

让我们从特定应用集成电路（ASIC）开始。正如其名称所表示的，这是因特定目的而创建的设备，一旦设计制造完成后电路就固定了，无法再改变。当大多数人听到这个词ASIC时，他们的“下意识”反应是，假设它是数字设备。事实上，不论它是模拟的、数字的，或两者的混合，任何定制的芯片都是一个ASIC。然而，对于这些讨论的目的，我们应该假设这是一个完全或主要部分是数字性质的芯片，任何模拟和混合信号功能是沿着物理     接口   线（物理层）或     锁   相回路（PLL）的。

 FPGA设计优势

 ASIC设计优势