Brainwave یک پلتفرم دیپ لرنینگ پیشرفته محسوب می‌شود که مایکروسافت در حال کار بر روی آن است و هدف اصلی این پروژه، بهبود بخشیدن توانایی اجرا و انعطاف‌پذیری روش‌های کلود دیپ لرنینگ است به طوری که دیتا را به جای اینکه دسته‌دسته و با تأخیر پردازش کند، آن‌ها را در لحظه‌ای که به دیوایس می‌رسند مورد پردازش قرار می‌دهد که این کار باعث می‌شود تا کارهایی که به پاسخ‌های سریع نیاز دارند، بدون فوت وقت انجام شوند. این معماری سخت‌افزاری به اصطلاح Real-time مایکروسافت که اختصاصاً برای یادگیری ژرف طراحی شده است، با افزایش روزافزون سرویس‌های مبتنی بر یادگیری ژرف انقلابی در خدمات متکی بر هوش مصنوعی محسوب می‌شود.
در قلب پروژۀ Brainwave یک FPGA (مدار مجتمع برنامه‌پذیر) اینتل به نام Stratix 10 وجود دارد که می‌تواند به سرعت 39.5 ترافلاپس و با تأخیر تنها یک میلی‌ثانیه دست یابد. این پروژه برای پشتیبانی از مدل‌های هوش مصنوعی مختلفی مثل CNN ،LSTM و GRU طراحی شده و همچنین برای کاهش تأخیر، از نوعی پردازش جمعی (Batch-processing) استفاده می‌کند. همچنین پژوهشگران مایکروسافت، یک واحد پردازش شبکۀ عصبی دینامیک یا به اختصار DPU طراحی کرده‌اند که می‌تواند در هر نوع FPGA موجود در بازار تعبیه شود به طوری که این فناوری سعی بر حفظ ویژگی‌های هر دو طرف می‌کند؛ قدرت فوق‌العادۀ معماری DPU در کنار انعطاف‌پذیری و جامع بودن FPGA.
در حال حاضر این سخت‌افزار از Cognitive Toolkit مایکروسافت و Tensorflow پشتیبانی می‌کند. یکی دیگر از نوآوری‌های این غول نرم‌افزاری و سخت‌افزاری دنیا، توسعۀ یک اینترفیس بر پایۀ گراف از شبکۀ عصبی است که مدل‌های فریمورک نرم‌افزاری برای آن تبدیل و سپس کامپایل می‌شوند تا اختصاصاً برای این سخت‌افزار پرقدرت کار کنند.
گوگل سخت‌افزار بسیار قوی TPU خود را در قالب یک سرویس کلود به صورت تجاری به بازار کرد و انتظار می‌رود مایکروسافت هم همین کار را از طریق سرویس ابری Azure انجام دهد (برای کسب اطلاعات بیشتر، به مقالهٔ TPU: تراشه یادگیری ماشینی گوگل مراجعه نمایید.) اگر سخت‌افزار Brainwave به خوبی TPU عمل کند، مایکروسافت شانس بسیار بزرگی برای از راه به در کردن رقبا دارد چرا که پلتفرم ابری آژور در حال حاضر کاربران زیادی در سراسر دنیا دارا است.
