软件业者为了强化人工智能算法的执行效率，纷纷跨足硬件设计。 继Google、Facebook之后，微软(Microsoft)近日也发表了自家的Project Brainwave平台。 该平台以英特尔(Intel)提供的Stratix 10现场可编程门阵列(FPGA)为基础，除了内建深度神经网络(DNN)加速引擎外，在软件堆栈方面，还可支持Google的Tensorflow、微软自家的Cognitive Toolkit等深度学习框架。

微软杰出工程师Doug Burger指出，在硬件层面，Project Brainwave是一个以FPGA为基础的高性能DNN处理平台。 微软已经将高性能FPGA应用在自家的数据中心多年，让该公司可以为DNN运算提供硬件微服务(Hardware Microservices)，亦即将DNN映像到远程的大量FPGA上，透过呼叫服务器的方式来执行。 这个系统架构对于降低延迟、提高数据吞吐量有很大的帮助，因为外部输入的需求不须透过CPU处理，而FPGA可以用很快的速度来响应外部提出的需求。

其次，Project Brainwave的FPGA上合成(Synthesize)了软式DNN处理单元(DPU)。 虽然许多公司都采取硬件线路的方式来实作DPU，以便实现最高的运算效能，但这种方法也令DNN的灵活性受到限制，例如数据型态、运算符(Operator)的选择，都会受限于芯片本身的设计。 软式DNN则没有这个问题，其可支持的数据型态是在合成的时候决定的。 Project Brainwave所使用的FPGA结合了硬件数字讯号处理单元与可合成的逻辑，提供比纯ASIC更大量、更优化的功能单元。 这个设计架构有两大好处，一是允许高度客制化、窄精度的数据型态，可提高性能又不损失模型的精准性，二是可以在几周内支持新的算法。 整体来说，以FPGA为基础的DPU，在性能上并不逊于以硬件实作的DPU，甚至有过之而无不及。

第三，Project Brainwave搭载了可支持众多主流深度学习框架的软件堆栈，目前已可支持微软自家的Cognitive Toolkit以及Google的Tensorflow，未来还将支持更多深度学习框架。

微软的Project Brainwave是以英特尔的14奈米Stratix 10 FPGA作为核心芯片。