没有科技能抗拒客制化的吸引力，当然人工智慧(AI)也不例外。微软(Microsoft)便是看准这点，决定在其人工智慧平台Project Brainwave采用FPGA架构，希望能借由FPGA所提供的编程能力，打造出延迟更低、更强大，且更有利于扩充的人工智慧解决方案，并与Google、NVIDIA等对手的专用晶片产品做出区隔。
 
根据Design News报导，为发展资料中心业务与Bing等服务，微软的FPGA架构部署已相当完备，微软的深度学习演算法也因此能以云端服务的形式提供给客户，而不需透过专用的硬体。
 
随着即时人工智慧应用需求不断提升，系统对于性能、能源效率、以及延迟也有更高的要求。自驾车、虚拟助理、智慧保全等系统都需有瞬间反应的能力，而且还要能够方便调整。
 
微软工程师Doug Burger表示，硬化晶片尽管在执行深度神经网路(DDN)处理时，可提供相当高的峰值性能，但却缺少弹性。Project Brainwave能视资料类型的不同，提供最合适的系统设计。这样的设计结合了ASIC数位讯号处理区块以及可合成逻辑(synthesizable logic)，因此可提供更大量的功能单元，系统的性能与可升级能力也能借此提升。
 
Project Brainwave除能支援微软自家的Cognitive Toolkit，也能与Google TensorFlow等常见的深度学习框架相容。
 
微软首次发表Project Brainwave平台时，使用的是英特尔(Intel)的Stratix 10 FPGA。Stratix 10运算效能可达39.5 TFLOPS，延迟则不到1毫秒。在Stratix 10的推动下，Brainwave架构每隔10周期就会发出一个巨集指令，而每周期可执行超过13万个运算作业。经过微软后续的微调后，Brainwave的性能还可望进一步获得提升。
 
微软计划透过Azure云端服务推出Project Brainwave。如此一来，Azure的采用率就成了Project Brainwave能否成功的一大关键。
 
微软以FPGA为基础的人工智慧发展策略，与较早踏入人工智慧领域的Google、NVIDIA相当不同。NVIDIA将原本使用在电脑游戏处理的GPU引进人工智慧应用，并且大获成功。NVIDIA于2017年5月推出的Tesla V100平台，将能为资料中心打造更高效能的深度学习应用。
 
同一时间，Google也发表了采ASIC架构的TPU处理单元。根据Google研究，TPU的性能表现可同时超越CPU与GPU。