架构、对象检测 (OD) 处理器和机器学习 (ML) 处理器。
近年来，机器学习技术在半导体行业，尤其??是移动端越来越受欢迎。
许多芯片公司都推出了自己的解决方案，华为推出了自主研发的芯片架构麒麟。
在众多玩家纷纷进入市场的同时，ARM却“无动于衷”。
直到现在，ARM终于坐不住了。
它还将工作重点放在Armv8.2的CPU ISA扩展上，并扩展了半精度浮点和整数点。
该产品提供专门的指令来简化和加速神经网络。
不过，ARM解释称，Armv8.2和GPU的改进只是构建机器学习解决方案的第一步，后续将深入研究专用解决方案。
我们先来看看ARM推出的两款芯片架构的优势：首先我们来看看ML处理器。
该芯片专门用于加速神经网络模型的推理端，其架构相对于传统CPU和GPU具有明显优势。
1. 该ML处理器可以在执行机器学习任务时优化数据内存管理。
2.数据可以高度复用，该处理器可以最大限度地减少数据输入和输出。
3、数据吞吐量超过4.6TOPs（8位整数），峰值可达3TOPs/W，理论功耗低于1.5W。
4. 具有ACE-Lite接口，可集成到SoC或DynamiQ中。
ARM 的 OD 处理器针对物体检测任务进行了优化，在特殊物体检测任务中比 ML 处理器更高效。
不过，ARM也考虑过将这两种处理器集成在一起。
OD处理器是专用于单一任务的专用架构芯片，负责分割图像中的目标处理区域，然后ML处理器进行更细粒度的处理。
处理。
不过，这两款芯片目前还没有上市。
根据ARM的计划，OD处理器要到第一季度才会向合作伙伴提供；机器学习处理器要到今年年中才会上市。
此外，作为Trillium项目的一部分，ARM还宣布将为开发者提供大量软件，帮助他们将神经网络模型应用到不同的NN框架中。
与上述两款芯片还需要等待不同的是，这些软件今天就可以在 ARM 开发者网站和 Github 上找到。