项目弹射器的原型硬件，六年的努力重建微软在线帝国下一波赢咖4 ---和更多。
这是2012年12月，道格·伯格站在史蒂夫·鲍尔默的前面，试图预测未来。
Ballmer是微软的大，秃头，热情的首席执行官，坐在99楼底层的演讲室，公司在西雅图外的蓝天研发实验室的基地。 桌子绕着房间的外侧弯成U形，Ballmer被他的顶尖中尉包围，他的笔记本电脑打开。 Burger是一位计算机芯片研究员，四年前加入该公司，正在向高管们提出一个新的想法。 他称之为项目弹射器。
Burger解释道，技术世界正在进入一个新的轨道。在未来，一些巨型互联网公司将经营一些巨大的互联网服务，这么复杂，与以前不同，这些公司将不得不建立一个全新的架构来运行它们。他们不仅会创建驱动这些服务的软件，还会创建硬件，包括服务器和网络设备。 Project Catapult将为微软的所有服务器（数百万台）配备专门的芯片，公司可以为特定的任务重新编程。
但是在汉堡甚至可以得到关于芯片的部分，鲍尔默从他的笔记本电脑抬头。当他访问微软研究时，鲍尔默说，他预计研发更新，而不是战略简报。 “他刚刚开始烤我，”汉堡说。微软已经花了40年建立电脑软件，如Windows，Word和Excel。它只是在互联网上找到它的脚。它当然没有工具和工程师需要编程计算机芯片 - 这项任务是困难，耗时，昂贵，有点怪异。微软编程计算机芯片就像可口可乐制作鲨鱼翅汤。
汉堡装饰，只有轻微的秃头，和冷静的分析，像许多好的工程师 - 推回。他告诉巴尔默，像谷歌和亚马逊这样的公司已经朝着这个方向发展。他说，世界上的硬件制造商不会提供Microsoft需要运行的在线服务。他说，如果没有构建自己的硬件，微软将落后。鲍尔默不是买它。但过了一会儿，另一个声音加入了讨论。这是齐路，谁运行宾，微软的搜索引擎。 Lu的团队已经和Burger谈了可重新编程的计算机芯片近两年了。项目弹射是可能的，卢说：他的团队已经开始。
今天，Burger和Lu相信的可编程芯片将改变世界上所谓的现场可编程门阵列。 FPGA已经成为Bing的基础，并且在未来几周，他们将推动基于深度神经网络的新的搜索算法 - 基于人类大脑结构的赢咖4 - 执行这个赢咖4比普通芯片快几个数量级。在中，23毫秒，而不是四秒的什么都没有在你的屏幕上。 FPGA也推动Azure，该公司的云计算服务。在未来几年，几乎每个新的Microsoft服务器都将包括一个FPGA。这是全球数百万台机器。 “这给了我们巨大的能力和巨大的灵活性，经济学的工作，”伯格说。 “这是微软的标准，全球架构。
这不仅仅是Bing在追赶Google。项目弹射器标志着全球系统将来如何运行的变化。从美国的亚马逊到中国的百度，所有的互联网巨头都在补充他们的标准服务器芯片 - 中央处理单元或CPU，使用可以跟上赢咖4快速变化的替代芯片。微软现在每年花费在50亿至60亿美元之间，用于运行其在线帝国所需的硬件。所以这种工作“不再仅仅是研究”，Satya Nadella说，他在2014年接手了微软的首席执行官。“这是一个重要的优先事项。”这是Burger在99号楼解释的原因。这是什么驱使他和他的团队克服了多年的挫折，重新设计和制度熵，提供一种新型的全球超级计算机。
一个全新的，很老的电脑芯片
2010年12月，微软研究员安德鲁·普特南离开西雅图度假，回到科罗拉多泉。圣诞节前两天，他还没有开始购物。当他开车去商场，他的电话响了。是汉堡，他的老板。 Burger将在假期后与Bing执行官会面，他需要一个可以在FPGA上运行Bing的机器学习算法的硬件设计。
普特南拉进最近的星巴克，制定了计划。他花了大约五个小时，他还有时间购物。
汉堡，47和普特南，39，都是前学者。 Burger在德克萨斯大学奥斯汀分校担任计算机科学教授9年，在那里他专攻微处理器，设计了一种名为EDGE的新型芯片。普特南曾在华盛顿大学工作了五年，担任研究员，在那里他实验了FPGA，可编程芯片已经存在了几十年，但大多用作原型设计其他处理器的方法。 Burger在2009年把Putnam带到了微软，在那里他们开始探索这些芯片可以加速在线服务的想法。
甚至他们的老板也没有买。 “每两年，FGPAs”终于到达“，微软研究副总裁Peter Lee，负责监督汉堡集团。 “所以，和任何合理的人一样，当这场比赛进行的时候，我会翻转我的眼睛。”但是Burger和他的团队认为这个老想法的时间到了，Bing是完美的测试用例。
微软的搜索引擎是一个单一的在线服务，可以运行在成千上万的机器。每个机器都由CPU驱动，虽然像英特尔这样的公司继续改进它们，但这些芯片不能跟上软件的发展，在很大程度上是由于赢咖4的新浪潮。像Bing这样的服务超过了摩尔定律，规范的观点是处理器中的晶体管数量每18个月翻一番。原来，你不能只是抛出更多的CPU的问题。
但另一方面，为每个新问题创建专用的专用芯片通常太贵了。 FPGA弥合了差距。他们让工程师构建比组装线通用CPU更快，更节能的芯片，但可定制，因此他们可以处理不断变化的技术和商业模式的新问题。
在节日后的会议上，Burger将Bing的执行官称为FPGA，作为加速搜索的低功耗方式。执行官是不服从的。所以在接下来的几个月里，汉堡和团队采取了普特南的圣诞节素描，并建立了一个原型，表明它可以运行宾果的机器学习算法的速度快100倍。 “那时他们真的有兴趣，”吉姆拉鲁斯说，当时的团队的另一个成员，谁现在是在洛桑École理工学院院长院长。 “他们也开始给我们一个真的很难的时间。
该原型是一个带有六个FPGA的专用盒，由一个装满服务器的机架共享。如果盒子在卷曲上，或者机器需要六个以上的FPGA，越来越多地考虑到机器学习模型的复杂性，所有这些机器都运气不好。 Bing的工程师讨厌它。 “他们是对的，”拉鲁斯说。
所以Burger的团队花了更多的几个月来建立第二个原型。这是一个电路板，插入每个服务器，并只包括一个FPGA。但它也连接到所有其他服务器上的所有其他FPGA板，创建一个巨大的可编程芯片池，任何Bing机器可以进入。
这就是车上装有齐鲁的原型。他给了汉堡这笔钱来建造和测试1600多台配备了FPGA的服务器。该团队在中国和台湾制造商的帮助下花了六个月的时间来构建硬件，他们在微软园区的实验数据中心安装了第一个机架。然后，一天晚上，灭火系统意外发生了。他们花了三天的时间让机架恢复原状 - 但它仍然工作。
在2013年和2014年的几个月中，测试显示，Bing的“决策树”机器学习算法比新芯片快40倍。到2014年夏天，微软公开表示，很快这个硬件将迁移到实时Bing数据中心。然后公司把刹车。
