微軟Project Brainwave借FPGA提升AI係統彈性

沒有科技能抗拒客製化的吸引力，當然人工智慧(AI)也不例外。微軟(Microsoft)便是看準這點，決定在其人工智慧平台Project Brainwave采用FPGA架構，希望能借由FPGA所提供的編程能力，打造出延遲更低、更強大，且更有利於擴充的人工智慧解決方案，並與Google、NVIDIA等對手的專用產品做出區隔。

根據Design News報導，為發展資料中心業務與Bing等服務，微軟的FPGA架構部署已相當完備，微軟的深度學習演算法也因此能以雲端服務的形式提供給客戶，而不需透過專用的硬體。

隨著即時人工智慧應用需求不斷提升，係統對於性能、能源效率、以及延遲也有更高的要求。自駕車、虛擬助理、智慧保全等係統都需有瞬間反應的能力，而且還要能夠方便調整。

微軟工程師Doug Burger表示，硬化晶片盡管在執行深度神經網路(DDN)處理時，可提供相當高的峰值性能，但卻缺少彈性。Project Brainwave能視資料類型的不同，提供最合適的係統設計。這樣的設計結合了ASIC數位訊號處理區塊以及可合成邏輯(synthesizablelogic)，因此可提供更大量的功能單元，係統的性能與可升級能力也能借此提升。

Project Brainwave除能支援微軟自家的Cognitive Toolkit，也能與Google TensorFlow等常見的深度學習框架相容。

微軟首次發表Project Brainwave平台時，使用的是英特爾(Intel)的Stratix 10 FPGA。Stratix 10運算效能可達39.5 TFLOPS，延遲則不到1毫秒。在Stratix 10的推動下，Brainwave架構每隔10周期就會發出一個巨集指令，而每周期可執行超過13萬個運算作業。經過微軟後續的微調後，Brainwave的性能還可望進一步獲得提升。

微軟計劃透過Azure雲端服務推出Project Brainwave。如此一來，Azure的采用率就成了Project Brainwave能否成功的一大關鍵。

微軟以FPGA為基礎的人工智慧發展策略，與較早踏入人工智慧領域的Google、NVIDIA相當不同。NVIDIA將原本使用在電腦遊戲處理的GPU引進人工智慧應用，並且大獲成功。NVIDIA於2017年5月推出的Tesla V100平台，將能為資料中心打造更高效能的深度學習應用。

同一時間，Google也發表了采ASIC架構的TPU處理單元。根據Google研究，TPU的性能表現可同時超越CPU與GPU。