由于收購FPGA龍頭老大賽靈思顯然是不現實的，而行業排名第二的阿爾特拉已經被Intel以167億美元捷足先登，因此就退而求其次收購萊迪思了，而這也已經很不容易了。
11月3日，萊迪思半導體與傳聞中有中資背景的基金Canyon Bridge共同宣布，雙方簽署收購協議，Canyon Bridge將以13億美元的價格溢價30%收購萊迪思半導體。在交易完成以后，Lattice將會繼續以一間獨立的子公司的身份繼續運營。
目前，該交易已經被兩家公司董事會一致批淮，如果通過美國相關部門審核，而且被萊迪思股東大會通過，該交易有望于2017年上半年完成。不過，22名美國國會議員在12月5日致函美國財長雅各布?盧，以安全擔憂為由要求阻止與中國政府有關聯的基金收購美國晶片制造商萊迪思半導體，美國國會議員在信函中說，這項交易可能擾亂美國軍方的供應鏈，導致美國國防部許多重要計劃要依賴源自國外的技術。
雖然這場收購是否會步中資收購德國半導體是設備廠愛思強公司的后塵還無從得知，但美國對中國政府嚴格的技術封鎖已經展露無遺。在排除比較陰謀論的中國政府力圖通過收購萊迪思獲取有關FPGA的技術后，一起來看看這場收購的其他因素。
這場收購與深度學習的關系有多大？
相對于之前的那種比較陰謀論的觀點——中國政府背后主導了這次針對萊迪思的收購，另一種觀點認為這僅僅是Canyon Bridge看好FPGA在深度學習方面的發展前景。
在阿法狗大戰李世石后，人工智能越來越多成為輿論的熱點，深度學習的熱度也越來越高，但芯片計算能力卻成為一道瓶頸——傳統的處理器是為了進行通用計算發展起來的，處理效率不高，谷歌甚至需要使用上萬個中央處理器運行7天來訓練一個識別貓臉的深度學習神經網絡。科大訊飛曾經采用大量CPU來支持大規模數據預處理，運行GMM-HMM等經典模型的訓練，在千小時的數據量下，效果也不理想。
因此，為了提高深度學習效率，逐漸衍生出使用CPU+GPGPU、眾核芯片、CPU+FPGA和使用專門針對人工智能而開發的NPU幾種方案。
GPGPU可以實現高并行計算和高計算吞吐，適用于計算密集、高并行、SIMD應用，尤其擅長圖形圖像、矩陣計算等方面的應用，英偉達的GPGPU雙精浮點性能可達5.3TFlops，英偉達還專門開發的DGX-1系統，并宣稱DGX-1比 21 個 Xeon Phi 服務器集群快一點，比四個 Xeon Phi 服務器集群快 5.3 倍。
Intel的眾核芯片雙精浮點性能為3 TFlops，性能功耗比為12 GFlops/W，雖然在性能上目前稍遜于GPGPU，但具有高應用適應性和易編程等多方面的特性，KNL眾核處理器可以與CPU相同的編程模式、語言和優化方法，這對Intel眾核處理器搶占市場有較大幫助。
中科院寒武紀這樣的NPU是專門針對深度學習而開發的芯片，雖然在絕對性能上不輸于GPGPU，在性能功耗比上亦相對于于CPU會有百倍以上的優勢，但在財力和商業化能力上，無論是中科院還是新成立的寒武紀公司都和Intel、英偉達、賽靈思、阿爾特拉等國際巨頭相距甚遠。
FPGA的雙精浮點性能雖然相對于英偉達的GPGPU和Intel的眾核芯片要遜色不少——阿爾特拉展示的一款可以用于深度學習和科學計算的FPGA其雙精浮點性能為1.5TFlops。雖然性能稍弱一些，但是性能功耗比卻非常驚艷，以達到50GFlops/W，是Intel眾核芯片的四倍有余，如果將FPGA用于機器學習，那么整個系統對于基于標準CPU和GPU的服務器有明顯的性能功耗比優勢，在大規模部署后可以大幅節省電費開銷。
不過將FPGA用于深度學習，也存在一些不足。如果說性能功耗比是FPGA占優的一方面，那么性價比就是FPGA的劣勢，FPGA可以通過編程靈活改變自己的內部邏輯的同時，也必然意味著計算資源的大量浪費。事實上如果專門開發一款和寫入FPGA的電路相同的芯片，同產量理論成本只有FPGA的幾分之一。也就是說保守估計，相同的性能FPGA的成本要高幾倍。事實上，目前FPGA只用于小規模產品或測試性質的驗證中以規避流片的風險。隨著芯片復雜程度的提高，芯片面積的增大這個問題還會越來越突出。這也是FPGA誕生那么多年來一直“養在深閨人未識”的重要原因。
FPGA是否能從此走向“深度學習”也是未知數——人的大腦是串行為主的思維模式，而且人類大腦的開發是相對有限的，有很大的開發潛力，而FPGA是并行化很高的元件，而且硬件資源是有限的。另外，培養一個FPGA編程工程師比培養一個編寫應用軟件的工程師難度大多了，如果采用FPGA自己編寫自己的軟件的話，實在過于富有想象力——人不善于解決的問題就交給電腦去解決，這非常符合人類邏輯，但是未必符合機器的規律。AMD一位工程師曾經提到過即使是最先進的自動設計軟件進行電路設計也總是比人手工設計的芯片面積大20%，同時還慢20%......
即便存在一些不足，CPU+FPGA依舊有應用于深度學習的潛力，如果CPU+FPGA異構計算技術如果在機器學習上成為主流，那么FPGA的市場規模將會進一步擴大。
或許，只是單純看好FPGA
其實，深度學習領域僅僅是FPGA可能的潛在市場之一，FPGA的潛在市場絕不限于深度學習。
在隨著CPU、GPU、DSP等計算單元被集成到SOC中，嵌入式FPGA現在已經開始被集成到一些高容量的SOC芯片中。
隨著無人駕駛的興起，一些MCU也開始嘗試集成嵌入式FPGA，這樣就可以實現MCU主管駕駛計算，而嵌入式FPGA則可以同時執行視頻計算。
更為大膽的設想是，FPGA也能變成一個IP被授權，并依靠類似于ARM授權處理器核的思路降低成本。
5G通信的興起也給FPGA——在5G通信時代，通信基站其實就是一個小相控陣，這就必須采用FPGA進行數據處理。
在服務器上，FPGA也有一展拳腳的機會，Intel收購阿爾特拉后，也有在服務器芯片中將自家的CPU和FPGA結合的舉動——從IDF展會中展出的集成了FPGA芯片的至強E5 2600 v4處理器來看，至強CPU在FPGA的幫助下每瓦性能提升了70%。有觀點認為，到2020年，所有主要云計算公司里1/3的服務器都將使用FPGA。
在醫療領域FPGA被用于聲波檢測儀、CT掃描儀、核磁共振、x射線等設備。可以說，在消費品電子、物聯網、汽車電子、深度學習、數據挖掘、服務器等方面，FPGA會扮演越來越重要的角色。
從這些角度上講，Canyon Bridge因為看好FPGA的市場前景而收購萊迪思也是說的通的——
由于收購FPGA龍頭老大賽靈思顯然是不現實的，而行業排名第二的阿爾特拉已經被Intel以167億美元捷足先登，因此就退而求其次收購萊迪思了，而這也已經很不容易了。
因此，本次Canyon Bridge收購萊迪思，也可以看作資本對FPGA市場的看好，如同Intel耗資167億美元巨款收購阿爾特拉，美高森美收購Actel的延續。