传统的CPU之所以不适合人工智能算法的执行，主要原因在于其计算指令遵循串行执行的方式，没能发挥出芯片的全部潜力。与之不同的是， GPU具有高并行结构，在处理图形数据和复杂算法方面拥有比CPU更高的效率。

因此在一些对实时性要求非常高的应用领域，做图像处理基本就只能用FPGA。

例如在一些分选设备中图像处理基本上用的都是FPGA，因为在其中相机从看到物料图像到给出执行指令之间的延时大概只有几毫秒，这就要求图像处理必须很快且延时固定，只有FPGA进行的实时流水线运算才能满足这一要求。

对比GPU和CPU在结构上的差异， CPU大部分面积为控制器和寄存器，而GPU拥有更ALU(逻辑运算单元)用于数据处理，这样的结构适合对密集型数据进行并行处理，程序在GPU系统上的运行速度相较于单核 CPU往往提升几十倍乃至上千倍。

FPGA能进行实时流水线运算，能达到最高的实时性。

所以要了解FPGA进行图像处理的优势就必须理解FPGA所能进行的实时流水线运算和DSP，GPU等进行的图像处理运算有何不同。

绝缘栅双极晶体管是用于电动车、铁路机车、动车组的交流电电动机输出控制的芯片。

IGBT直接控制直、交流电的转换，决定了驱动系统的扭矩，以及最大输出功率。所以，你这车加速能力怎样，最高时速多少，能源效率如何全看它。

IGBT 大约占电机驱动系统成本的一半 ，占到整车成本的5% ，是整部电动车成本第二高的元件(成本第一高的是电池)。毫不夸张地说，这就是电动车领域的“核心技术” 。

DSP，GPU，CPU对图像的处理基本是以帧为单位的，从相机采集的图像数据会先存在内存中，然后GPU会读取内存中的图像数据进行处理。假如采集图像的帧率是30帧，那么DSP，GPU要是能在1/30秒内完成一帧图像的处理，那基本上就能算是实时处理。