先進處理能力和機器學習能力對於下一波邊緣應用至關重要。機器學習演示場景在不同的市場和應用領域大不相同，因而需要不同的加速運算性能，在功耗和整體解決方案成本方面也差別迥異。

圖一 : 高度可擴展、分區和高能效的機器學習加速器內核架構。

機器學習應用提升運算性能和效能可通過多種方式，其中最有效的是將專門構建的專用神經處理單元（NPU），或稱為機器學習加速器（MLA）或深度學習加速器（DLA）整合到器件中，以補充CPU運算核心。

恩智浦提供廣泛的產品組合，從傳統的Kinetis MCU、LPC系列以及最近的MCX產品系列，到i.MX RT跨界MCU和i.MX應用處理器，我們服務的每一個市場領域，對高效的機器學習運算能力的需求都在增長。為了提供給客戶
...
...