機器學習（Machine learning；ML）技術為家庭、零售、工廠和城市帶來智慧，機器學習在不同環境下檢測模式、偵測異常並啟動回應。

邊緣是部署機器學習應用程式的理想選擇。與雲端處理不同，邊緣處理是即時完成的，更接近使用者，提供洞察和本地化決策允許更無縫、同步、高效的用戶體驗。

神經網路模型效率的提高和高速神經網路加速器的出現，正在幫助機器學習向邊緣轉移。一個可能性的好例示為恩智浦i.MX 8M Plus，為EdgeVerse產品組合的新生力軍。它提供專用機器學習硬體－神經處理單元（NPU），即使在最複雜的神經網路模型中也可以執行推斷。開發人員可以將機器學習推理功能從 NPU中登出，從而允許高性能Cortex-A和Cortex-M內核、DSP和GPU執行其他系統級或使用者應用任務。
...
...