将FPGA放在PCI Express卡上并不是什么新鲜事，但当类似的东西出现时赛灵思公司和英特尔这样，开发人员就会开始注意到。同样，这些重量级人物不会参与小项目。但重要的是，FPGA板可能会像云中的gpgpu一样普遍。
所有这些活动都是由机器学习(ML)应用以及使用更低功耗、运行更快的深度神经网络(dnn)的愿望驱动的。它们与专门针对ML应用程序的硬件竞争。然而，当涉及到在实现方面有所不同的其他应用程序或新的ML技术时，这些方法就不那么灵活了。
Alveo(图1)是Xilinx最新的企业级ML应用平台。该板有多种风格，包括高端U250，它拥有16纳米Xilinx UltraScale FPGA, 134.1万个查找表(LUTs)和54mb的内部SRAM。U200是一个具有892K LUTs和35mb SRAM的低端FPGA。这两个版本都有64mb的芯片外DDR4内存。SRAM的带宽为38tb /s，而DRAM的带宽为77gb /s。该单板有一个x16 PCIe Gen3接口和一对QSFP28插槽，用于网络应用。
1.使用GoogLeNet v1基准测试，Alveo U250可以处理4100张/s的图像。
肺泡U250可提供33.3个INT8 teraoperations/s (TOPS)， U200可提供18.6个INT8 TOPS。该板，使用225w的功率，有主动和被动冷却版本。后者是为具有气流空气冷却的机架安装系统设计的。主动冷却板通常用于工作站。U200的起价为8,995美元。
虽然ML是一个主要的应用，但FPGA板针对一系列的应用，如数据库搜索和分析，基因组学，存储压缩，金融计算，以及视频处理和转码。与cpu甚至gpu相比，FPGA加速提供了令人印象深刻的性能增益。低延迟和紧密集成是fpga带来的优势，除了它们的灵活性。
英特尔开源的开放可编程加速引擎(OPAE)运行在FPGA接口管理器(FIM)之上，用于其可编程加速卡．Xilinx在操作系统和Alveo板之间有一个类似的堆栈和接口，但还没有给它起一个名字来清楚地标识框架的层次。该公司为开发人员提供了免费的框架，一些人正在为他们的环境定制上层。
Xilinx已经提供了框架中的许多特性，包括它的xDDN硬件体系结构(图2)．它的目标是ML应用程序，并支持主要的ML框架，如TensorFlow和Caffe。xDDN引擎支持命令级并行执行，它可以针对吞吐量或延迟进行优化。该系统具有内置的硬件辅助图像平铺支持，以处理具有大图像或大激活大小的网络的应用程序。
2.Xilinx的xDDN硬件架构在FPGA中提供了一个定制的机器学习系统。
xDDN框架提供的工具之一是跨fpga和cpu分割处理部分的能力。收缩压阵列是使用Xilinx公司的SuperTile DSP宏构建的。xfDDN编译器和框架是Alveo软件支持的一部分。
Alveo将在AWS和阿里巴巴等云平台上被发现。Xilinx已经获得了与IBM、Dell EMC、富士通和惠普企业等公司合作的内部部署支持。
该公司也与之合作AMD将8块肺泡板装入AMD最新的EPYC服务器cpu系统(图3)．系统主板具有超级micro H11DSi-NT和32核EPYC 7551 cpu。该系统为谷歌网络卷积神经网络基准测试提供了30,000张/s的图像。
3.AMD和Xilinx合并资源，将8块肺泡板装入EPYC服务器。
肺泡不支持新兴的CCIX接口，尽管这是在工作中。它需要匹配系统上其他处理器的支持。CCIX是由CCIX财团．
PCIe FPGA主板与Alveo和PAC之前版本的关键区别在于软件，特别是操作系统集成。未来升级的肺泡线可能包括ACAP整个的技术与阿尔韦奥同时宣布。Versal目前还不能使用，但它可以很好地匹配当前alveso的应用程序。
许多开发者将使用第三方ip来使用这些电路板——它由操作系统下载，也可以处理进出FPGA的数据流。这或多或少反映了gpgpu在云计算和服务器中的使用情况。虽然仍然可以为FPGA开发定制应用程序，但它仍然需要部署不需要的FPGA开发专业知识。转换用C/ c++和OpenCL编写的应用程序的工具也是可用的。
