我們都知道FPGA擁有“光速”般的處理能力以及對數據密集的人工智能工作負載的自然適應能力。但FPGA目前也有一些可用性和可編程性方面的問題，使其在IT應用中較難實現。業(yè)界普遍認為，資源豐富的領軍型科技企業(yè)將會在FPGA在人工智能應用領域的實用技術方面展開競爭。

微軟正使用英特爾的最新14nm Stratix 10和其他FPGA技術努力做到這一點。該公司已經啟動了Brainwave項目，這是一個“實時AI”功能，可以在Azure公有云基礎設施上使用。它的設計目的是處理實時數據流，例如視頻、傳感器或搜索查詢，并快速將數據發(fā)回給用戶。

微軟此前曾在Hot Chips 2017大會(一個半導體研討大會)上展示了其基于FPGA的深度學習平臺。微軟報告說，Stratix 10顯示了39.5萬億次浮點運算的持續(xù)性能(使用微軟的自定義8位浮點格式，ms-fp8)，每個請求在1毫秒內運行。“在這樣的性能水平上，Brainwave架構在每一個周期中持續(xù)執(zhí)行超過130,000個計算操作，這是由每10個周期所發(fā)出的一個宏指令驅動的?！?/p>

微軟是第一個在公共云基礎設施中部署FPGA的主要云服務提供商。根據英特爾公司的說法，“今天，英特爾公司在技術上的進步使深度神經網絡(DNN)得到了加速，能夠以一種概念上類似于人類大腦的方式來復制‘思維’。”

英特爾(Intel)和微軟(Microsoft)對比了“Stratix 10”的功能和“當今許多硅AI加速器”的功能，要求將多個請求組合在一起(稱為“批處理”)，以實現高性能。他們說，在一個單一的請求上，“Stratix 10”展示了超過39萬億次的持續(xù)性能，“一個新的云性能，實時人工智能計算，低延遲記錄，性能記錄和對人工智能請求的批處理?！?/p>

“我們利用英特爾FPGA的靈活性，快速整合創(chuàng)新，同時提供比許多基于ASIC的深度學習處理單元的性能，或者更大的性能，”微軟研究院NExT的杰出工程師Doug Burger說。

微軟指出，Brainwave項目由三個主要層組成:首先，它利用了微軟在過去幾年中部署的大規(guī)模FPGA基礎設施?！巴ㄟ^將高性能的FPGA直接連接到我們的數據中心網絡，我們可以將DNN作為硬件微服務，DNN可以被映射到一個遠程FPGA池，并被一個沒有軟件的服務器調用?！盉urger說。這種架構降低了延遲，因為CPU不需要處理傳入的請求，而且允許高吞吐量。

其次，Brainwave項目使用了一個“軟”DNN處理單元(或DPU)，以FPGA為基礎，“提供了一個跨多個數據類型的設計，所需的數據類型是一個合成時間的決定。”該設計將ASIC數字信號處理模塊與FPGA和合成邏輯結合在一起，提供了一個更大、更優(yōu)化的功能單元數量。

Burger說，這種方法“可以很快將研究創(chuàng)新融入硬件平臺(通常是幾周)，這在這個快速發(fā)展的領域中是必不可少的?！币虼?，除了提供我們所承諾的性能外，我們也取得了與這些硬編碼的DPU芯片相當或更強的性能。

第三，Brainwave項目合并了一個軟件堆棧，旨在支持廣泛使用的多種深度學習框架?！拔覀円呀浿С治④浀恼J知工具包和谷歌的Tensorflow，并計劃支持更多的框架，”Burger說?！拔覀円呀浂x了一個基于圖形的中間表示，我們將這些模型轉換為受歡迎的框架，然后再編譯到高性能的基礎結構?！?span style="text-indent: 2em;">“我們正致力于將這種強大的、實時的人工智能系統(tǒng)引入Azure用戶，這樣我們的客戶就可以直接從Brainwave項目中獲益，并通過我們的服務(如Bing)來進行間接訪問。”Burger說。