INTEL的fpga（ALTERA）和XILINX fpga的发展现状如何，学那个更好

我这段时间也在学习fpga，一开始用的是altera的，后来发现实验室买的都是xilinx的，感觉两者在输入程序上的差别不大啊

看来altera被收购后没落了，xilinx独大了

目前，不管在商业领域或者军工级别的FPGA产品上，赛灵思（XILINX）基本可以说是一家独大，市场份额超过六成。目前国内的百度也和赛灵思展开合作，致力于新一代FPGA的应用能更好的适应目前最最炙手可热的AI领域，ALTERA是继赛灵思后全球第二大FPGA厂商，市场份额也将近三成。也正因为INTEL看中ALTERA的这个市场份额（市场份额直接也表明反映该企业产品的成熟性和市场受欢迎程度），再加上目前AI的大势所趋，INTEL错过了移动通讯领域时代的风口，让高通等原本不起眼的芯片厂商发展壮大，形成新的芯片巨头。近几年炙手可热风头无两的AI发展又顺势带起了英伟达这个芯片新贵。如果INTEL要在最快时间内赶上甚至实现弯道超车，那么最现实的方法就是收购一家FPGA领域的厂商，赛灵思是不可能的，毕竟每年的营业额和利润摆在那里，剩下的就只有ALTERA。因此，INTEL收购ALTERA的初衷是要在AI领域发力，这个谁也不敢说对ALTERA来说是机会还是巨坑，毕竟就目前来说在AI领域所采用的的处理芯片没有哪家具有绝对的优势。
举例目前在AI领域应用最为广泛的两大代表：GPU和FPGA。
最先被引入深度算法的芯片是英伟达的GPU芯片，其在应用于深度学习算法时，有三个方面的局限性：
第一， 应用过程中无法充分发挥并行计算优势。深度学习包含训练和应用两个计算环节，GPU 在深度学习算法训练上非常高效，但在应用时一次性只能对于一张输入图像进行处理， 并行度的优势不能完全发挥。
　　
第二， 硬件结构固定不具备可编程性。深度学习算法还未完全稳定，若深度学习算法发生大的变化，GPU 无法像FPGA 一样可以灵活的配置硬件结构。
　　
第三， 运行深度学习算法能效远低于FPGA。学术界和产业界研究已经证明，运行深度学习算法中实现同样的性能，GPU 所需功耗远大于FPGA，例如国内初创企业深鉴科技基于FPGA 平台的人工智能芯片在同样开发周期内相对GPU 能效有一个数量级的提升。
FPGA局限在于：
第一，基本单元的计算能力有限。为了实现可重构特性，FPGA 内部有大量极细粒度的基本单元，但是每个单元的计算能力（主要依靠LUT 查找表）都远远低于CPU 和GPU 中的ALU模块。
　　
第二，速度和功耗相对专用定制芯片（ASIC）仍然存在不小差距。
　　
第三，FPGA 价格较为昂贵，在规模放量的情况下单块FPGA 的成本要远高于专用定制芯片。
综上所述，你所疑惑的ALTERA是否会因为被INTEL收购而没落，这个大概率上应该是不会的，但若你希望在该领域能达到更高的领域（当然，收入方面绝对可观，客套的说，在北上广等一线城市5年后买房没大问题，我指的是全款不是月供666），就这方面个人建议还是XILINX，如果只是为了能有一份较好收入（也就是月供那种，你懂的），那ALTERA比XILINX易上手或许更合适。