# FPGA、GPU 与硬件加速

来源：https://doc.annhoo.cn/research/hardware-acceleration.html
摘要：量化交易中的 FPGA、GPU、SmartNIC 和异构计算公开资料。

**内容类型：**论文检索导读  ·  来源： IEEE Xplore、ACM Digital Library 等公开数据库

可在 IEEE Xplore 或 ACM Digital Library 以 FPGA financial applications low latency trading、FPGA limit order book 等关键词检索具体论文，并以论文页面的作者、年份和 DOI 为准。本文不替代具体论文引用。

公开研究通常从行情解析、订单簿更新、风险计算、定价和订单执行等任务比较 FPGA 与 CPU 的分工。阅读时应特别关注流水线启动间隔、片上存储、外部内存访问、PCIe/DMA 开销、资源占用以及时序收敛，而不能只比较理论吞吐量。

硬件加速并不意味着所有计算都应放入 FPGA。固定格式、规则明确且需要确定性处理的任务更适合流水线化；策略逻辑频繁变化、依赖复杂内存访问的任务，可能更适合 CPU 或 GPU。最终判断需要用目标市场的真实消息流和端到端链路测试。

本页是公开论文方向的阅读引导，不代表安湖对所列论文的转载或对具体实现的采用声明。引用具体论文时，应补充准确的作者、题名、年份和 DOI。

**内容类型：**工程文档  ·  发布机构： NVIDIA

GPUDirect RDMA（NVIDIA Developer Documentation）

该文档介绍网卡与 GPU 之间绕过 CPU 内存进行数据交换的机制、内存注册、拓扑要求和使用限制。它适合用来理解 GPU 服务器、网络设备和应用之间的数据路径。

GPUDirect RDMA 的收益依赖 PCIe 拓扑、驱动、网卡、GPU 型号和应用访问模式。文档中的能力说明不能直接推导出某个行情或交易系统的端到端延迟结果。