读到工业和信息化部电子第五研究所所做的《异构融合计算技术白皮书（2023年）》，我关注的重点是FPGA与异构计算。
1 灵活性：GPU>FPGA>DSA>ASIC
（1）GPU ：CUDA编程模型（英伟达），（OpenCL编程模型 Xilinx intel）这点叫平台支持
（2）FPGA ：基于FPGA的并行运算
（csdn一个文章《论述：FPGA中并行计算的常规方法 作者永恒的止水》：FPGA并行计算的基本常规方法为：流水线计算和交替计算。交替计算就是乒乓计算，基本思想是将计算单元复制若干份，交替地讲输入参数分配给各个计算单元，并且交替地将各个计算单元的计算结果输出，从而实现以N倍计算单元换取N倍计算速度）
（3）CGRA ： 基于CGRA的并行运算 CRGA Corse-grained Reconfigurable Architecture 可重构计算
以空域为基础的并行计算结构 空域硬件结构组织 不同粒度和功能 云计算
（知乎上一个文章《并行计算与应用设计研究：Ultra-Elastic CGRAs for Irregular Loop Specialization论文研读》作者Jacob：总得来说CRGA更像是一个有着ALU阵列的单核处理器 ，兼具时间计算和空间计算的根本原因所在。可重构加速器结构，包括粗粒度可重构阵列，由于它们允许快速软件算法开发，并可在芯片流片后继续迭代 ，因此重新引起人们的兴趣）
（4）DSA ：第一款是Google在2016年做出的TPU DSA领域专用处理器 基于DSA的并行计算，DSA可以在定制ASIC的基础上回调，加速计算密集型任务
（查的资料：搜索CUDA编程 GPU在所有需要高计算吞吐量的领域 最常见的接口CUDA，其次是OpenCL和HIP。在Python中使用CUDA的方法是通过Numba,CuPy或者英伟达的CUDA Python。CUDA有网格的概念，网格由块组成，块由线程组成。CUDA=compute unified device architecture 统一设备架构 做图像视觉领域会接触，做性能速度优化。图像在计算机里呈现的形式是矩阵。）
2 值得注意的专业术语
人工智能领域高并发密集的向量、张量计算
专业术语"领域"domain包含"场景"senario
FPGA 特事特定，具体问题具体分析
ASIC 单领域单场景
DSA 单领域多场景
GPU 多领域
DSA/ASIC 异构计算架构碎片化现象最凸显
DSA 灵活性有限，硬件、软件架构碎片化，性能和灵活性的细微平衡，支持动态添加处理器核心
（知乎的一个文章《软硬件共同定义：超异构开放生态》作者黄朝波：ASIC场景碎片化，毫无生态可言，原来碎片化指的是架构过多、市场碎片化、没有生态 。DSA架构分静态和动态，静态部分类似配置脚本，通过编译器映射到具体的DSA引擎，编程实现DSA引擎的具体功能；动态部分不是编程实现，是跟已有软件进行适配，相当于把软件的数据平面、计算平面卸载到硬件，控制平面仍然在软件。DSA是把某个领域多个场景的业务逻辑进行归纳，硬件实现共性部分，软件实现个性部分）