在2016年底一年快要結束的時候，AWS（亞馬遜網絡服務）宣布通過借助云傳輸模型可以采用Xilinx高端FPGA器件了，首次以開發者的角度而不是擴展高層次工具來幫助潛在的用戶學習和體驗FPGA的加速效果。

負責AWS容器和HPC部門的主管Deepak Singh向“The Next Platform”介紹到那些發展最快的應用領域有很多相似之處，例如都期望采用基于云計算的FPGA解決方案，詳情可參照最近新出版的一本書“FPGA前沿：可重構計算方面的新應用”。這些涉及到加密和安全、基因組學、金融服務以及一系列機器學習相關應用。“對于安全、基因組學和金融服務等都已經有很多FPGA的使用案例了，我們期待看到FPGA與機器學習的結合，那將是一個更廣泛的領域，我們需要提供更多的工具和支持來滿足它的增長。”

Singh將精力集中在專門的工作負載研究方面，包括高性能計算，在AWS部門十多年來也參與并見證技術的變遷，從通用的云服務（類似于生活基本的面包和黃油）到新計算和內存密集型應用以及高性能計算（HPC）GPU加速方案等其他方面。除了關注這類應用的硬件和軟件要求，Signh說到他也在關注另外具有更廣泛發展和影響的兩個方面，分別是機器學習和相關的硬件需求。

機器學習是FPGA的重要發展領域，Signh說到，但是從規模上看它只趨向于特定專業用戶，現在還不確定可重配置器件可能適合作為哪些器件，“它可能作為GPU、CPU，或者作為定制化的ASIC、張量處理器或者只是作為FPGA來使用，也可能是某幾類的結合”，最后他說到因為最近幾年GPU、可編程環境以及形成的生態系統，用戶可以更加開放的去探索新的架構和加速器，雖然還是差不多同樣的應用場景，但是至少會有一些興趣強烈的用戶（不單單是為實現通用功能）和他的團隊都會經常關注新的架構，最后會選擇AWS的解決方案。Signh還說到，現在AWS FPGA云服務方案前期會吸引一部分用戶，同時也會鼓勵合作伙伴參與到FPGA技術開發過程中來。

通用計算不會就此消失，目前它仍是驅動計算的主要力量。但是最近兩年或者三年出現的Nvidia Tesla GPU以及它的性能讓專業編程器件更加容易，人們對專業處理器的興趣、開發人員，工作負載和公司的規模和活躍度都正在形成。從一定程度上講，專門的硬件和基礎設施起到了非常大的作用，尤其對于那些有專門需求的用戶，我們認為FPGA是最好的一個選擇。

Singh提到很多終端用戶已經開始轉移，如果不是所用通用工作負載都在云端完成，本地數據中心可能已經是過去時了。幾乎沒有哪個電氣設備能夠形成一個單一的、專門的工作負載。“除了基于FPGA的設備可能沒有什么可以剩下來，因為其他相關的也已經出局了。”對于這樣的情形，他說到現在硬件和設備供應商之間的關系最終都會轉移到亞馬遜云服務上來，具備FPGA核心機器的供應商不是很多，然而正如過去我們描述的那樣，Edico Genome（FPGA加速的基因組平臺）和Ryft（FPGA驅動大規模數據分析平臺）在亞馬遜的努力下成為很好的搭檔，使用F1服務器實例滿足新型專業需求。

購買屬于你的“FPGA前沿：FPGA前沿：可重構計算方面的新應用2017版”，Next Platform出版社，在亞馬遜和其它電商平臺有售

正如Singh提到的，當AWS增加GPU實例的時候，GPU的生態系統已經很成熟了，對于FPGA則還有很長的一段路要探索，才能夠提供較廣泛的接入服務。這些進步會讓現在的供應商和ISV（獨立軟件開發商）繼續推廣，但是對于AWS來說，除了提供硬件開發套件外，還會繼續不斷探索提供更多的接入符合和權限。

“我們計劃支持高層次工具，例如SDAcell，包括OpenCL庫，擴大了開發人員的資源。目前已經有一些軟件開發人員他們既懂FPGA又知道如何使用核心工具，他們需要的是一個通道——能夠將他們的軟件提供給更多的客戶，與此同時，我們正在研究各種資源庫、編程工具的可用性和可接入性，給用戶帶來更好的操作性能”，Singh解釋到，“我們的目標是讓編程和使用FPGA不在是障礙。”

Singh還提到開發FPGA實例性云服務通過了AWS內部討論，其中致力于專用計算領域（例如HPC、應用加速等）的團隊成員已經見證了FPGA的效益增長，能夠滿足重要市場領域應用的計算能力需求，例如很早就采用FPGA作為系統解決方案的方面（金融服務等）、采用FPGA作為系統加速（加密/安全、基因組）、以及正在尋求將各種處理計算引擎相結合以滿足各種算法和計算負載快速增長的應用（例如機器學習和深度學習）。