為了打破 IBM 在個(gè)人計(jì)算機(jī)市場(chǎng)的主導(dǎo)地位，，微軟與英特爾聯(lián)合組成了「Wintel」聯(lián)盟。事實(shí)證明，它們不但達(dá)成了最初的愿景，而且走的更遠(yuǎn)。

但由于平板電腦以及二合一設(shè)備等移動(dòng)設(shè)備的興起，微軟頒布頒發(fā)下一代 Windows 操作系統(tǒng)將支持 ARM 處理器 ，這也讓原本「親密無間」的 Wintel 聯(lián)盟出現(xiàn)了些許裂痕。

在 Hot Chips 2017 上，微軟團(tuán)隊(duì)推出了 Project Brainwave 人工智能平臺(tái)，主要是基于微軟旗下 Azuer 云端運(yùn)算技術(shù)，并結(jié)合英特爾旗下 Stratix 10 FPGA 芯片提供支持，讓該平臺(tái)系統(tǒng)可以應(yīng)對(duì)較為復(fù)雜的運(yùn)算。

這也意味著，已經(jīng)在 PC 行業(yè)占據(jù)統(tǒng)治地位的 Wintel 聯(lián)盟，再度以之前已經(jīng)獲得印證的模式，開始發(fā)力人工智能。而微軟再次選擇以英特爾作為合作伙伴的背后，可能情分會(huì)占據(jù) 1% 的原因，剩下的 99%，則來源于技術(shù)層面。

毫無疑問，Project Brainwave 人工智能平臺(tái)的到來，必然是要落地到實(shí)際應(yīng)用上來的。諸如自動(dòng)駕駛、自動(dòng)控制、安適監(jiān)控等需要實(shí)時(shí)數(shù)據(jù)分析判斷的應(yīng)用場(chǎng)景，自然離不開更大演算效率與更快反應(yīng)速度的平臺(tái)來作為支撐，而微軟推出此平臺(tái)的初衷，正是為了解決這一問題。

前邊我們講到，Project Brainwave 人工智能平臺(tái)于 Hot Chips 2017 上正式推出，而在此之前，微軟也不止一次提到了該平臺(tái)。

根據(jù)官方對(duì) Project Brainwave 的描述，實(shí)際上它由三部分構(gòu)成：高性能分布式系統(tǒng)架構(gòu);整合到 FPGA 硬件上的深度神經(jīng)網(wǎng)絡(luò) (DNN) 引擎;以及一套訓(xùn)練模型的編譯器 / 運(yùn)行時(shí)。

第一部分，Project Brainwave 利用了微軟數(shù)年建立起來的 FPGA 基礎(chǔ)設(shè)施;第二部分，Project Brainwave 使用了所謂的「軟」DNN 處理單元 (即 DPU，又稱分散處理單元)，并整合到 FPGA 中;第三部分，Project Brainwave 內(nèi)置了一個(gè)能支持各種深度學(xué)習(xí)框架的軟件堆。

在實(shí)現(xiàn)人工智能的三個(gè)要素中，核心是算法，而數(shù)據(jù)以及硬件則是基礎(chǔ)。在以上微軟給出的 Project Brainwave 介紹中，有一個(gè)關(guān)鍵詞——FPGA(現(xiàn)場(chǎng)可編程門陣列)，也就是硬件這部分。

實(shí)際上，人工智能走到今天，大家開始逐漸意識(shí)到，傳統(tǒng) CPU 或者 GPU 的效能表示并不盡如人意。因此我們看到 Google 推出了為機(jī)器學(xué)習(xí)而定制的芯片 TPU(Tensor Processing Unit)。

根據(jù)谷歌給出的說法，TPU 相對(duì)于現(xiàn)在的處理器有 7 年的領(lǐng)先優(yōu)勢(shì)，寬容度更高，使用更復(fù)雜和強(qiáng)大的機(jī)器學(xué)習(xí)模型，能夠更加迅速地獲得更智能的結(jié)果。

在人工智能方面的應(yīng)用，從實(shí)際效能表示來看，首先需要說明的是，CPU 要排在 TPU、GPU、FPGA 之后，回過頭來其它三種差別類型的硬件。

實(shí)際上 TPU、GPU、FPGA 都具備強(qiáng)大的運(yùn)算能力，但差異化的地方在于，GPU 出廠后原生支持的指令其實(shí)是固定的，舉例來講，如果原廠設(shè)定支持加減法，一旦在實(shí)際使用中遇到乘除法，后期無法直接通過編程的方式來實(shí)現(xiàn)，只能通過軟件模擬來做，在效能表示方面要打些折扣。

Google 的 TPU 實(shí)際上屬于集成電路芯片(ASIC)，它要比 GPU 更高效。不過定制化也決定了它的可遷移性低，一旦專用于一個(gè)設(shè)計(jì)好的系統(tǒng)中，無法再遷移到其它的系統(tǒng)。但對(duì)于谷歌來講，TPU 就是為了深度學(xué)習(xí)語言 Tensor Flow 而開發(fā)，所以目前來看不存在以上講到的這些問題。

最后我們來看此次微軟選擇的 FPGA(實(shí)際上百度的 AI 芯片，同樣為 FPGA)。比擬 GPU 和 TPU，它的優(yōu)勢(shì)之處在于，保證同樣足夠強(qiáng)大處理能力的同時(shí)，允許開發(fā)者進(jìn)行后期編程，靈活性更高，能夠很好適應(yīng)快速發(fā)展的 ML、CNN、LSTM、MLP、強(qiáng)化學(xué)習(xí)、特征提取、決策樹等。