近日，有分析师撰文称，赛灵思在FPGA领域的技术领先优势和市场份额将在未来几年得到不错的提升。以下是该分析全文
深度学习是人工智能（AI）领域的一个细分市场，其中，多台计算机通过人工神经网络进行交互。这些人工神经网络使得计算机在不需要预先编程的情况下就可以理解随机信息。赛灵思的现场可编程门阵列（FPGA）就非常适合自动驾驶汽车等深度学习应用。FPGA是一种集成电路，在生产之后进行编程。
赛灵思的技术领先于其竞争对手英特尔，它也在这种领先优势中获益匪浅，自去年以来，赛灵思的业务取得了显著的增长。
更为重要的是，赛灵思的增长动能可持续性较强。该公司正在着力扩大FPGA的应用面，特别是在深度学习领域。
深度学习将怎样推动FPGA的增长？
人们通常认为，对于训练深度学习模型来说，图形处理单元是必须使用的部件，因为它们可以并行执行数千个操作。人们一般也会混合使用CPU，但是CPU的内核就比GPU少得多了。
得益于其可编程特性，FPGA可以在深度学习应用中匹敌或者超越GPU。FPGA可以在制造后进行重新编程，以执行各种任务，从而使得开发人员能够灵活地针对特定模型进行优化，对于GPU来说，这是不可能实现的任务。
此外，在同等的功耗下，FPGA的性能更强。因此，对于能源效率至关重要的数据中心等需要大规模部署的应用来说，它们可能成为首选芯片组。因此，在未来几年内，FPGA在深度学习应用中的部署可能得到强有力的推动。
据Tractica估计显示，到去年为止，深度学习应用中还几乎找不到FPGA的身影，但是，到2025年，它的部署会和CPU的部署量相当(如果不能超过CPU的话）。其结果就是，到2025年，FPGA就会在总规模达122亿美金的深度学习芯片组市场获得显著的市场份额，这将为在该领域处于领先地位的赛灵思带来相当可观的收入。
赛灵思正在结束并打赢FPGA领域的战斗
赛灵思在FPGA领域最大的竞争对手是Altera了，它现在已经成为英特尔的一部分。但是英特尔一直在FPGA技术曲线上落后于赛灵思，赛灵思正在通过转向更小的工艺节点来进一步扩大其领导地位。在更小的工艺节点上生产制造的芯片会执行地更快，功耗更低，并且制造成本也更低。
这就是为什么赛灵思宣称其技术领先英特尔18个月的原因，目前，赛灵思已经向超过450家客户出货了超过14种16纳米芯片。2016年年底，赛灵思的16纳米芯片已经发展了200家客户，而当时的英特尔才刚刚发布14纳米芯片。
因为这种先发优势，尽管英特尔推出了基于更小工艺节点的芯片，赛灵思芯片的需求仍然十分强劲。事实上，英特尔推出自己的商业化解决方案时，赛灵思的16纳米芯片已经上市一年了。
这一技术领先优势帮助赛灵思在其2017财年第四季度末将其可编程逻辑器件的市场份额提高到59%，相较之下，该公司2011年年底的市场份额为52%。
此外，赛灵思已经开始测试基于7纳米工艺的芯片，因此可以抢占更大的市场份额。赛灵思在今年9月份宣布推出7纳米芯片时，英特尔透露它已经开始测试其10纳米产品。这表明赛灵思将继续在FPGA上占有技术领先地位，这也是为什么它有信心到2021年将其市场份额进一步提高到60%-65%之间的原因所在。
更具体地说，赛灵思认为，到2021财年，市场份额的增长将使其年营收增加2.5亿美金，同时，由于FPGA在深度学习应用（比如高级驾驶员辅助驾驶系统）中的部署日益增加，终端市场的长期增长可以帮助它进一步增加5亿美元的收入。