Программируемые логические матрицы (FPGA), основная особенность которых заключается в возможности перепрограммирования для решения новых задач, похоже, теряют былую популярность в связи с распространением рабочих нагрузок генеративного ИИ, для которых применяются графические процессоры и специализированные ускорители.

ИИ и особенно генеративный ИИ отвлекли внимание от применения FPGA, хотя такую тенденцию можно было заметить и раньше, считают в Forrester Research, отмечая, что в Intel выделили соответствующее подразделение Altera в отдельную компанию, а в AMD вообще не обсуждали FPGA в последнем финансовом отчете. Аналитики поясняют, что в Intel и AMD встраивают свои FPGA в высокопроизводительные сетевые карты и не видят пока особых перспектив вне этого сегмента.

Однако феномен китайской компании DeepSeek, где без дорогостоящих чипов Nvidia сумели получить производительность ИИ-решения, сравнимую с показателями чат-ботов ChatGPT и Google Gemini, применяя коммерчески доступные платы потребительского класса, которые намного дешевле их аналогов для ЦОДов, может сказаться и на оценке перспектив FPGA.

В Forrester полагают, что после того, как в DeepSeek продемонстрировали впечатляющие результаты с доступными энергоэффективными устройствами, интерес к использованию FPGA снова может возрасти — хотя и не для всех ИИ-нагрузок, к примеру, не для больших языковых моделей, где нужно как можно больше памяти, пропускной способности сети и производительности графических процессоров.

Действительно, в ряде приложений можно обойтись FPGA, центральными или графическими процессорами массовых моделей. Это позволяет разрабатывать специализированные решения с меньшими затратами.

В TECHpinions придерживаются иного мнения, отмечая, что, хотя FPGA и применяются в различных областях, они не являются прямым эквивалентом графических процессоров. Проблемы использования FPGA всегда заключались в их очень сложном программировании и чрезвычайно высокой специализации. А те специалисты, которые знают, как работать с FPGA, обычно не имеют дела с задачами, характерными для графических процессоров.

Тем не менее, отмечают в TECHpinions, в AMD использовали технологии Xilinx, разработчика FPGA, в своем нейропроцессоре в составе гибридного чипсета для ПК.

Так или иначе, самая большая проблема не в самих чипах, а в программном обеспечении, которое работает на графических процессорах: нет никакого его аналога, который позволил бы запускать на FPGA большие модели.

Аналитики отмечают низкую окупаемость инвестиций в FPGA и в Intel, и в AMD по результатам 2024 года. Вопрос о возможностях FPGA в мире генеративного ИИ пока остается открытым.