基于云的 FPGA 預期增長最快的應用領域包括加密和安全，基因組學，金融服務以及一系列更廣泛的機器學習工作負載。

2016年年底，亞馬遜網絡服務(AWS)宣布將通過云交付模式提供高端 Xilinx FPGA，首先提供開發者預覽模式，然后使用更高級的工具進行分支，以幫助新用戶啟用和調試 FPGA 加速。

AWS Container & HPC 部門總經理 Deepak Singh 說，基于云的 FPGA 預期增長最快的應用領域與他們在新書《FPGA前沿：可重構計算的新應用》中所詳述的很多方面是一致的。包括加密和安全，基因組學，金融服務以及一系列更廣泛的機器學習工作負載。Deepak Singh 說：“對于安全，基因組學和金融服務這些領域，FPGA 已經有很多使用實例。我們還在期待看到 FPGA 如何與機器學習的應用程序相互作用，這是一個非常廣泛的領域，但我們正在提供更多的工具和支持來滿足這種增長的需求。”

Singh 一直專注專用工作負載(specialized workloads)，包括高性能計算(HPC)，這在 AWS 已有十多年的歷史。Singh 也一直積極推動通用云(AWS 的主要收入來源)轉向從新的計算和內存密集型實例類型到 HPC 和其他工作負載的 GPU 加速。除了監督硬件基礎設施和這些更具獨特性的工作負載的應用需求，Singh 說他也在跟蹤更廣泛的趨勢，包括機器學習及其相關的硬件需求。

Singh 說，機器學習是 FPGA 的一個焦點，但伴隨著大規模的專業化趨勢，現在還不能確定可重構設備的適用范圍。“可以是 GPU，也可以是 CPU，或者是定制 ASIC，tensor處理器，甚至 FPGA。也可能是這些中某幾個的組合。”由于 GPU 以及圍繞其的豐富的編程環境和生態系統，用戶更愿意探索新的架構和加速器。這種情況將繼續，至少對特定類型的具有特別的工作負載(非通用目的)的用戶來說是如此，Singh 說他的團隊將留意基礎設施的新動向，并添加到 AWS 的提供中。Singh 表示，目前來說，對 FPGA 實例的早期興趣將為 AWS 帶來一批新用戶，也將吸引具有上述 FPGA 專業技術的合作伙伴。

“通用計算(general purpose computing)到目前為止仍是大的工作負載的驅動力。但是，正如我們在過去兩三年中所看到的，這其實是從 Nvidia Tesla 開始的。它使得為專用設備編程變得更加容易，人們對專用處理器開始產生興趣，開發者、工作負載以及企業的規模和動量都在增長。其中專門的硬件和基礎設施對那些需要特殊架構的用戶來說很重要，我們認為 FPGA 是走得通的路。”

Singh 說，對于已經將大部分通用目的工作負載轉移到云中的許多終端用戶而言，在地的數據中心已經過時了，沒有可以加速單一的專業工作負載的特定設備。對這些情況來說，現有的與 FPGA 相關的硬件和設備供應商之間的關系最終也可以轉移到 Amazon 云中。以 FPGA 為中心的供應商不多，然而，正如我們過去的分析所示，Edico Genome(提供 FPGA 加速的基因組平臺)和 Ryft(專注大規模分析的 FPGA 驅動的家電制造商)都是亞馬遜利用F1實例獲取新的專門工作負載的合作伙伴。

正如 Singh 所指出的，AWS 將 GPU 實例添加到組合中時，GPU 的生態系統已經相當成熟。然而，對 FPGA 而言，要創造一個廣泛可用的產品仍有很長的路要走。這方面的進步以來供應商和 ISV 的持續推進，但 AWS 將在接下來的幾個月提供遠不止硬件開發套件的開放接入。

Singh 說：“我們計劃支持高級工具，包括 SDAccel，其中包括為了擴大開發者覆蓋面的 OpenCL 。還有一組很了解 FPGA，知道如何使用核心工具的軟件開發者。這些用戶正在尋找的是一個渠道——一種向普通客戶提供軟件的方法，同時我們對庫，編程和其他工具提供可用性和可訪問性。我們希望確保編程和使用 FPGA 不是障礙。”

Singh 說，創建 FPGA 實例類型一事在 AWS 內部并沒有太多爭論。專注于專業計算(HPC，加速應用等)的 AWS 團隊一直在觀察 FPGA 的趨勢，以及核心市場的計算需求，包括已經使用 FPGA 多年的用戶(例如金融服務領域)，新近推動 FPGA 加速的領域(加密/安全，基因組學)，以及那些正在尋找處理驅動組合以滿足快速發展的算法和方法(機器學習和深度學習)的計算需求的領域。

專業化趨勢正在促使企業把目光放到 ASIC，GPU 和 FPGA，企業的選擇里不再只有標準CPU。英特爾去年收購 Altera，在公有云中添加 FPGA，以及利用 FPGA 加速受益的越來越多的應用，都表明2017年對于 FPGA 來說都是很重要的一年。