先进处理能力和机器学习能力对於下一波边缘应用至关重要。机器学习演示场景在不同的市场和应用领域大不相同，因而需要不同的加速运算性能，在功耗和整体解决方案成本方面也差别迥异。

图一 : 高度可扩展、分区和高能效的机器学习加速器内核架构。

机器学习应用提升运算性能和效能可通过多种方式，其中最有效的是将专门构建的专用神经处理单元（NPU），或称为机器学习加速器（MLA）或深度学习加速器（DLA）整合到器件中，以补充CPU运算核心。

恩智浦提供广泛的产品组合，从传统的Kinetis MCU、LPC系列以及最近的MCX产品系列，到i.MX RT跨界MCU和i.MX应用处理器，我们服务的每一个市场领域，对高效的机器学习运算能力的需求都在增长。为了提供给客户
...
...