基于云的 FPGA 预期增长最快的应用领域包括加密和安全，基因组学，金融服务以及一系列更广泛的机器学习工作负载。

2016年年底，亚马逊网络服务(AWS)宣布将通过云交付模式提供高端 Xilinx FPGA，首先提供开发者预览模式，然后使用更高级的工具进行分支，以帮助新用户启用和调试 FPGA 加速。

AWS Container & HPC 部门总经理 Deepak Singh 说，基于云的 FPGA 预期增长最快的应用领域与他们在新书《FPGA前沿：可重构计算的新应用》中所详述的很多方面是一致的。包括加密和安全，基因组学，金融服务以及一系列更广泛的机器学习工作负载。Deepak Singh 说：“对于安全，基因组学和金融服务这些领域，FPGA 已经有很多使用实例。我们还在期待看到 FPGA 如何与机器学习的应用程序相互作用，这是一个非常广泛的领域，但我们正在提供更多的工具和支持来满足这种增长的需求。”

Singh 一直专注专用工作负载(specialized workloads)，包括高性能计算(HPC)，这在 AWS 已有十多年的历史。Singh 也一直积极推动通用云(AWS 的主要收入来源)转向从新的计算和内存密集型实例类型到 HPC 和其他工作负载的 GPU 加速。除了监督硬件基础设施和这些更具独特性的工作负载的应用需求，Singh 说他也在跟踪更广泛的趋势，包括机器学习及其相关的硬件需求。

Singh 说，机器学习是 FPGA 的一个焦点，但伴随着大规模的专业化趋势，现在还不能确定可重构设备的适用范围。“可以是 GPU，也可以是 CPU，或者是定制 ASIC，tensor处理器，甚至 FPGA。也可能是这些中某几个的组合。”由于 GPU 以及围绕其的丰富的编程环境和生态系统，用户更愿意探索新的架构和加速器。这种情况将继续，至少对特定类型的具有特别的工作负载(非通用目的)的用户来说是如此，Singh 说他的团队将留意基础设施的新动向，并添加到 AWS 的提供中。Singh 表示，目前来说，对 FPGA 实例的早期兴趣将为 AWS 带来一批新用户，也将吸引具有上述 FPGA 专业技术的合作伙伴。

“通用计算(general purpose computing)到目前为止仍是大的工作负载的驱动力。但是，正如我们在过去两三年中所看到的，这其实是从 Nvidia Tesla 开始的。它使得为专用设备编程变得更加容易，人们对专用处理器开始产生兴趣，开发者、工作负载以及企业的规模和动量都在增长。其中专门的硬件和基础设施对那些需要特殊架构的用户来说很重要，我们认为 FPGA 是走得通的路。”

Singh 说，对于已经将大部分通用目的工作负载转移到云中的许多终端用户而言，在地的数据中心已经过时了，没有可以加速单一的专业工作负载的特定设备。对这些情况来说，现有的与 FPGA 相关的硬件和设备供应商之间的关系最终也可以转移到 Amazon 云中。以 FPGA 为中心的供应商不多，然而，正如我们过去的分析所示，Edico Genome(提供 FPGA 加速的基因组平台)和 Ryft(专注大规模分析的 FPGA 驱动的家电制造商)都是亚马逊利用F1实例获取新的专门工作负载的合作伙伴。

正如 Singh 所指出的，AWS 将 GPU 实例添加到组合中时，GPU 的生态系统已经相当成熟。然而，对 FPGA 而言，要创造一个广泛可用的产品仍有很长的路要走。这方面的进步以来供应商和 ISV 的持续推进，但 AWS 将在接下来的几个月提供远不止硬件开发套件的开放接入。

Singh 说：“我们计划支持高级工具，包括 SDAccel，其中包括为了扩大开发者覆盖面的 OpenCL 。还有一组很了解 FPGA，知道如何使用核心工具的软件开发者。这些用户正在寻找的是一个渠道——一种向普通客户提供软件的方法，同时我们对库，编程和其他工具提供可用性和可访问性。我们希望确保编程和使用 FPGA 不是障碍。”

Singh 说，创建 FPGA 实例类型一事在 AWS 内部并没有太多争论。专注于专业计算(HPC，加速应用等)的 AWS 团队一直在观察 FPGA 的趋势，以及核心市场的计算需求，包括已经使用 FPGA 多年的用户(例如金融服务领域)，新近推动 FPGA 加速的领域(加密/安全，基因组学)，以及那些正在寻找处理驱动组合以满足快速发展的算法和方法(机器学习和深度学习)的计算需求的领域。

专业化趋势正在促使企业把目光放到 ASIC，GPU 和 FPGA，企业的选择里不再只有标准CPU。英特尔去年收购 Altera，在公有云中添加 FPGA，以及利用 FPGA 加速受益的越来越多的应用，都表明2017年对于 FPGA 来说都是很重要的一年。