پیش نمایش پروژه‌ی Brainwave مایکروسافت

مایکروسافت برخلاف رقبای خود نظیر گوگل که تمرکز خود را روی تراشه‌های اختصاصی قرار داده‌اند، بیشتر در تلاش است تا از طریق FPGA یا مدارهای مجتمع دیجیتال قابل برنامه‌ریزی، اجرای مدل‌های یادگیری ماشین را با سرعت بیشتر به پیش ببرد. مایکروسافت معقتد است که با استفاده از FPGA، سرعت بیشتر را در کنار انعطاف‌پذیری بالاتر به ارمغان می‌آورد. براساس اطلاعات ارائه شده توسط مایکروسافت، عملکرد FPGAهای استارتیکس اینتل در حالت استاندارد با عملکرد تراشه‌های اختصاصی توسعه یافته توسط رقبا برابری می‌‌کند. 

مایکروسافت آگوست سال گذشته برخی از ابعاد پلتفرم برین‌ویو را ارائه کرد. اطلاعات ارائه شده نشان از این دارد که این پلتفرم از سه لایه شامل معماری توزیع شده‌ی سطح بالا، لایه‌ی سخت‌افزار مشتمل بر موتور شبکه‌ی عصبی عمیق که در FPGA ادغام شده و یک کامپایلر و محیط اجرا تشکیل شده است. 

مایکروسافت در حال اضافه کردن FPGAih به شبکه‌ی دیتاسنترهای خود است. مزیت این روش، حذف پردازنده‌های سنتی مورد استفاده در سرورها است که ارتباط مستقیم با FPGA را ممکن می‌کند. مایکروسافت مدعی است که تاخیر در FPGA تا ۵ برابر کمتر از پردازنده‌های TPU توسعه یافته توسط گوگل است. 

زمانی که مایکروسافت برای اولین بار از برین‌ویو رونمایی کرد، این پلتفرم نرم‌افزاری از هر دو فریم‌ورک Cognitive Toolkit مایکروسافت و TensorFlow گوگل پشتیبانی می‌کرد.