有人認為諸如圖形處理器（GPU）和Tilera處理器等多核處理器在某些應用中正逐步替代現(xiàn)場可編程門陳列（FPGA）。理由是這些多核處理器的處理性能要高很多，例如，由于GPU起初主要負責圖形繪制，因此，其尤其善于處理單精度（SP）及（某種情況下）雙精度（DP）浮點（FP）運算。Tilera的TILE設備當前不支持硬件FP運算，但要求進行軟件模擬，且性能代價高昂。一般而言，F(xiàn)PGA亦是如此，設備通過利用多種資源來處理FP運算問題。達到可接受性能要求IP區(qū)塊需消耗多個門并要求深流水線技術。例如：當前Tesla級GPU每秒最高可執(zhí)行1012次浮點運算或1TFLOPS，而Xilinx Virtex-6設備則為150 GFLOPS。

當考慮到定點運算時，情況有所不同。新一代GPU在浮點速率相同的情況下可執(zhí)行整數(shù)運算，例如：當Virtex-6設備提高至500GOPS時，GPU每秒可執(zhí)行1012次運算或1TOPS。整數(shù)性能是TILE處理器的優(yōu)勢所在：8位數(shù)據時，TILE-Gx(圖1)最高執(zhí)行能力為750GOPS，32位數(shù)據時為188GOPS。

FPGA能夠利用其并行及適應多種算法的特性來獲得更加接近理論最大值的性能。但是，F(xiàn)PGA需要更大的硅片空間和更長的開發(fā)時間來接近這些理論最大值。對于適應于GPU硬件并行模式的算法，GPU已經能夠達到峰值的20~30%。它們同樣具有合理的硅密度（40nm工藝，32nm研發(fā)中）和開發(fā)時間（通常只有數(shù)周，而FPGA則需幾個月）。TILEPro64處理器可提供FPGA相類似的適應性和GPU相類似的可編程性，但是，由于其粗糙的任務級問題分解特點使得其無法像FPGA和GPU那樣實現(xiàn)細粒度并行。

內存帶寬在評估處理器性能方面同等重要，GPU能夠提供3倍于FPGA、6倍于TILEPro64的優(yōu)勢。但是，必須指明，該帶寬須以下列條件為基礎：出現(xiàn)的大延遲須通過交叉處理進行控制，應在最佳訪問模式中通過整合實現(xiàn)接合訪問。有了FPGA，開發(fā)人員需要充分考慮內存位置。新一代GPU和TILEPro64處理器具有傳統(tǒng)的緩存分布，能夠幫助優(yōu)化內存位置并減少開發(fā)時間。

延遲

也許能夠排除使用GPGPU的最可能因素便是延遲。例如：調用內核所需時間及主存儲器較長訪問時間均可引起長延遲。許多情況下，這種延遲可能會稍有緩解但是無法完全避免。因此首選應為大數(shù)據集處理，原因在于，其為大量運算，換言之，其具備較高的計算強度。在需要滿足嚴格延遲要求的環(huán)境下（例如閉回路控制），F(xiàn)PGA為首選。TILE處理器具有良好的延遲。