傳統的CPU之所以不適合人工智能算法的執(zhí)行，主要原因在于其計算指令遵循串行執(zhí)行的方式，沒能發(fā)揮出芯片的全部潛力。與之不同的是， GPU具有高并行結構，在處理圖形數據和復雜算法方面擁有比CPU更高的效率。

因此在一些對實時性要求非常高的應用領域，做圖像處理基本就只能用FPGA。

例如在一些分選設備中圖像處理基本上用的都是FPGA，因為在其中相機從看到物料圖像到給出執(zhí)行指令之間的延時大概只有幾毫秒，這就要求圖像處理必須很快且延時固定，只有FPGA進行的實時流水線運算才能滿足這一要求。

對比GPU和CPU在結構上的差異， CPU大部分面積為控制器和寄存器，而GPU擁有更ALU(邏輯運算單元)用于數據處理，這樣的結構適合對密集型數據進行并行處理，程序在GPU系統上的運行速度相較于單核 CPU往往提升幾十倍乃至上千倍。

FPGA能進行實時流水線運算，能達到最高的實時性。

所以要了解FPGA進行圖像處理的優(yōu)勢就必須理解FPGA所能進行的實時流水線運算和DSP，GPU等進行的圖像處理運算有何不同。

絕緣柵雙極晶體管是用于電動車、鐵路機車、動車組的交流電電動機輸出控制的芯片。

IGBT直接控制直、交流電的轉換，決定了驅動系統的扭矩，以及最大輸出功率。所以，你這車加速能力怎樣，最高時速多少，能源效率如何全看它。

IGBT 大約占電機驅動系統成本的一半 ，占到整車成本的5% ，是整部電動車成本第二高的元件(成本第一高的是電池)。毫不夸張地說，這就是電動車領域的“核心技術” 。

DSP，GPU，CPU對圖像的處理基本是以幀為單位的，從相機采集的圖像數據會先存在內存中，然后GPU會讀取內存中的圖像數據進行處理。假如采集圖像的幀率是30幀，那么DSP，GPU要是能在1/30秒內完成一幀圖像的處理，那基本上就能算是實時處理。