2018年2月23日，Arm公司宣布了其Project Trillium項目，這是一套包括新的高度可擴展處理器的Arm IP組合，這些產品可以提供增強的機器學習(ML)和神經網絡(NN)功能。當前的技術產品主要針對移動設備市場，將讓全新的搭載機器學習功能的設備具有先進的計算能力，包括最先進的目標檢測功能。

Arm IP 產品事業部總裁 Rene Haas 表示：“隨著人工智能快速部署到終端設備，大量提升計算需求的同時，也要求保持出色的能效表現。 基于這樣的需求，Arm宣布推出全新機器學習平臺Project Trillium。 新的設備需要高性能的機器學習與人工智能能力，這正是這些全新處理器可以提供的。 結合我們的平臺提供的高度靈活性和可擴展性，我們的合作伙伴將可針對多種設備進行創新，創造無限可能。 

現在的機器學習技術通常是針對特定的設備類別或某個市場領域的需求。Arm的Project Trillium則通過提供最佳的可擴展性來改變這一點。雖然最初的發布是針對移動處理器的，但未來的Arm 機器學習產品系列將會按照性能需求滿足不同應用場合的需求，包括從傳感器、智能音箱，到移動設備、家庭娛樂以及其他領域的應用。 

Arm全新的機器學習和目標檢測處理器不僅相比于獨立的CPU, GPU和各種加速器有了顯著的效率提升，而且遠勝像DSP這樣的傳統可編程邏輯處理器。                                              

Arm 機器學習處理器是專門針對機器學習而重新設計的。它基于高度可擴展的Arm 機器學習架構， 并達到了機器學習應用場景要求的最高性能和效率：

·在移動計算領域，Arm 機器學習處理器可以提供每秒超過4.6萬億次的運算能力。

·憑借智能數據管理，每秒萬億次的運算(TOPs， Trillion Operations Per Second)在實際應用中可以進一步實現2~4倍的有效吞吐量的提升。

·在散熱和和成本受限的環境下，Arm 機器學習處理器能夠以超過每瓦特每秒3萬億次運算操作的效能（TOPs/W）達到無以倫比的性能。有關Arm機器學習處理器的更多細節可在我們的網站上找到。 

Arm 目標檢測處理器是專門為高效識別人或其他物體而設計的，它能夠在每幀圖像中識別出的物體對象的數目幾乎不受限制： 

·在全高清分辨率下可以做到實時每秒60幀的檢測。

·性能可以達到傳統DSP的80倍，并且相對于以往的Arm技術，檢測質量有了顯著提高。有關Arm 目標檢測處理器的更多細節可在我們的網站上找到。

組合使用時，Arm深度學習處理器和目標檢測處理器性能表現會更好，它們搭配能夠提供高性能、高能效的人物檢測和識別解決方案?；谶@些技術，用戶們將會在省電的模式下，在他們的智能設備上盡情體驗高分辨率的，且實時、精細的人臉識別功能。

當和Arm Compute Library和CMSIS-NN一起使用時, Arm神經網絡（NN）軟件庫專門為神經網絡運算（NN）進行了優化，并且無縫的把如TensorFlow、Caffe和Android NN等神經網絡框架和全系列的Arm Cortex? CPU, Arm Mali? GPU, 和機器學習處理器高效連接在一起。這樣開發人員能夠充分利用底層Arm硬件的能力和性能，從而從ML應用中獲得最高的性能。關于Arm NN軟件的更多細節可在我們的網站上找到。 

新的Arm機器學習IP套件將于今年4月有早期預覽版本提供給客戶，在2018年中會發布通用版本。