应对摩尔定律挑战的一个典型方案是异构集成和3D-IC。这也是现在比较流行的所谓more than Moore （ 超越摩尔定律），在封装层面的革新，是许多人认定延伸摩尔定律的一种可行方案。

奉行摩尔定律的历史，本质上已经不复存在了。现在业界很流行的讲法是Jim Keller提的“domain-specific （领域专用）”，即虽然晶体管数量很难按照定律攀升，但具体应用场景，对性能的渴求依然不变。为了保持芯片的性能提升，唯有针对特定场景或“特定领域”制造芯片，甚至发展成专用芯片，性能和能效比自然又能完成新一轮的飞跃。

比如谷歌在发展人工智能的过程中，脱离GPU自己开发了AI专用芯片TPU——这是个ASIC。“谷歌开始做了，Facbook，亚马逊，百度、阿里巴巴就都有可能跟进。你会发现，这些做数据中心的大型企业都会想办法做自己的芯片。这些芯片本身不一定赚钱， 芯片交易网IC交易网因为它量有限， ATMEGA系列ATMEL芯片COM又不对外出售， CMOS图像传感器集成电路芯片但芯片会驱动这些数据中心企业自身业务的优化， 电子元器件PDF资料大全在系统层面产生经济效益。”在上海举行的CISES（中国国际半导体高层峰会）上，EEPROM带电可擦可编程存储器芯片大全赛灵思中央工程部芯片技术副总裁吴欣先生和我们聊道。

我们在《深度学习的兴起，是通用计算的挽歌？》一文中曾经探讨过这个问题。除了台积电、Intel这类从事制造工艺一线生产的企业，通用计算在摩尔定律上的难以为继几乎是行业共识，CMOS图像传感器IC集成电路芯片不过针对“domain-specific”真正的发展方向，不同层级的半导体行业参与者，在看法上却可能有着很大差别。

甚至仅是针对某一个门类的应用场景，比如AI芯片，市场参与者的态度都差别甚大。在今年的WAIC世界人工智能大会上，有学者提到AI芯片就分成两个派系，其一是谷歌TPU、地平线征途、Intel Nervana，赛灵思DPU IP为代表的专为卷积神经网络（CNN）提供加速的芯片，其二是Graphcore、Wave Computing、华为为代表，所推出的具有弱编程特性的AI芯片。这种某个特定领域相对通用，以及绝对专用的思路，都在摩尔定律发展停滞的时代，显得格外有趣。

更有趣的是，天生具有可重配置灵活应变能力的FPGA，在这样一个时代交替的过程里，异军突起，两大领头企业一个被Intel战略收购，一个股票与收入连连创纪录， 应用领域全面扩展，似乎迎来了其发展历程中的新黄金时代。

那么， FPGA 究竟将在这个时代扮演何种角色？

编辑：黄飞

• FPGA
• 角色
• 时代
• 扮演
• 何种