Canyon Bridge收购莱迪思半导体的目的何在？

　　不过将FPGA用于深度学习，也存在一些不足。如果说性能功耗比是FPGA占优的一方面，那么性价比就是FPGA的劣势，FPGA可以通过编程灵活改变自己的内部逻辑的同时，也必然意味着计算资源的大量浪费。事实上如果专门开发一款和写入FPGA的电路相同的芯片，同产量理论成本只有FPGA的几分之一。也就是说保守估计，相同的性能FPGA的成本要高几倍。事实上，目前FPGA只用于小规模产品或测试性质的验证中以规避流片的风险。随着芯片复杂程度的提高，芯片面积的增大这个问题还会越来越突出。这也是FPGA诞生那么多年来一直“养在深闺人未识”的重要原因。

　　FPGA是否能从此走向“深度学习”也是未知数——人的大脑是串行为主的思维模式，而且人类大脑的开发是相对有限的，有很大的开发潜力，而FPGA是并行化很高的元件，而且硬件资源是有限的。另外，培养一个FPGA编程工程师比培养一个编写应用软件的工程师难度大多了，如果采用FPGA自己编写自己的软件的话，实在过于富有想象力——人不善于解决的问题就交给电脑去解决，这非常符合人类逻辑，但是未必符合机器的规律。AMD一位工程师曾经提到过即使是最先进的自动设计软件进行电路设计也总是比人手工设计的芯片面积大20%，同时还慢20%.。..。.

　　即便存在一些不足，CPU+FPGA依旧有应用于深度学习的潜力，如果CPU+FPGA异构计算技术如果在机器学习上成为主流，那么FPGA的市场规模将会进一步扩大。

　　或许，只是单纯看好FPGA

　　其实，深度学习领域仅仅是FPGA可能的潜在市场之一，FPGA的潜在市场绝不限于深度学习。

　　在随着CPU、GPU、DSP等计算单元被集成到SOC中，嵌入式FPGA现在已经开始被集成到一些高容量的SOC芯片中。

　　随着无人驾驶的兴起，一些MCU也开始尝试集成嵌入式FPGA，这样就可以实现MCU主管驾驶计算，而嵌入式FPGA则可以同时执行视频计算。

　　更为大胆的设想是，FPGA也能变成一个IP被授权，并依靠类似于ARM授权处理器核的思路降低成本。

　　5G通信的兴起也给FPGA——在5G通信时代，通信基站其实就是一个小相控阵，这就必须采用FPGA进行数据处理。

　　在服务器上，FPGA也有一展拳脚的机会，Intel收购阿尔特拉后，也有在服务器芯片中将自家的CPU和FPGA结合的举动——从IDF展会中展出的集成了FPGA芯片的至强E5 2600 v4处理器来看，至强CPU在FPGA的帮助下每瓦性能提升了70%。有观点认为，到2020年，所有主要云计算公司里1/3的服务器都将使用FPGA。

　　在医疗领域FPGA被用于声波检测仪、CT扫描仪、核磁共振、x射线等设备。可以说，在消费品电子、物联网、汽车电子、深度学习、数据挖掘、服务器等方面，FPGA会扮演越来越重要的角色。

　　从这些角度上讲，Canyon Bridge因为看好FPGA的市场前景而收购莱迪思也是说的通的——

　　由于收购FPGA龙头老大赛灵思显然是不现实的，而行业排名第二的阿尔特拉已经被Intel以167亿美元捷足先登，因此就退而求其次收购莱迪思了，而这也已经很不容易了。

　　因此，本次Canyon Bridge收购莱迪思，也可以看作资本对FPGA市场的看好，如同Intel耗资167亿美元巨款收购阿尔特拉，美高森美收购Actel的延续。