• 2026-03-20
  • 官方公告

F3经典使用场景

1. 人工智能深度学习客户，推理应用

最近两年，人工智能在全球掀起了巨大的应用热潮，除了互联网巨头，如Google，Facebook，Alibaba之外，涌现出众多的Start up公司，也都逐渐成为行业翘楚。

在人工智能技术方案选择上，GPU无疑是现阶段的首选，这其中的主要原因，一方面，GPU完善的生态，高并行度的计算力，很好地帮助客户完成了方案的实现和部署上线；另外一方面，人工智能发展，仍处于早期阶段，各个行业都在从算法层面尝试寻找商业落地的可能性，是一个从“0”到“1”的过程。在可以预见的未来几年，随着人工智能落地应用越来越多，大规模商业部署渐渐成为可能，进而对于更低功耗，更低成本，更低处理延时，更多定制化等的需求，将会逐渐凸显。可是F3在人工智能大规模商业部署（推理应用）中，具备独特的性能优势和广阔的潜在空间不可小视。


低延迟

相比于F3（FPGA），GPU计算的处理优势，在于其众多专用的并行计算单元以及超高的显存带宽，让多路大规模数据搬移快速并行计算成为典型的计算模式，但这一模式导致了每路数据的处理延迟增加，对于一些低延迟需求的在线业务场景，如语音识别等。在Batch值较小的情况下，F3（FPGA）的处理延时，仅为GPU的1/10。


超高的定点计算力

对于深度神经网络的计算，一个发展趋势就是降低数据表示的精度，降低网络对于计算力的需求，以提高计算吞吐量。从双精度浮点到单精度浮点，再到定点处理。而定点运算却是FPGA的传统优势，相比于GPU，FPGA内部配备了众多的定点处理单元，甚至整个FPGA芯片内部逻辑资源全部可以配置成定点处理单元，进而具备了超高的顶点运算能力。

目前申请测试的客户中，有很大一部分就是冲着F3的这些优势而来，期望在其业务上带来创新和产品的性价比提升。


2. 基因测序