近年來在終端運算有所著墨的ARM，稍早針對裝置端的人工智慧應用提出名為Project Trillium的軟硬體整合設計平台，藉此讓基於ARM ML架構設計的處理器能有更快的機器學習效率，同時也能藉由基於ARM OD架構設計的處理器更快感知辨識物件變化，例如精準判斷人臉以外的動作、手勢，甚至身上配戴物件，再透過名為ARM NN的軟體串接諸如TensorFlow、Caffe或Android NN等學習框架，並且利用硬體運算效能加速學習效果。
ARM稍早宣布結合旗下資源打造的軟硬體整合設計平台Project Trillium，最主要透過基於ARM ML架構設計的處理器，以及基於ARM OD架構設計的處理器，再搭配名為ARM NN的軟體串接TensorFlow、Caffe或Android NN再內學習框架，藉此讓裝置端能有更具效率的機器學習應用。
根據ARM方面表示，不同之前藉由CPU、GPU協同作業達成機器學習效率，藉由Project Trillium設計平台的學習數據吞吐量幾乎可達2-4倍以上，其中更可透過1080p@60fps畫面形式捕捉影像，進而讓終端裝置可以學習正確辨識人臉，甚至進一步學習判斷表情變化、手勢等肢體動作，或是配合是別人臉以外的裝飾物。
而提出Project Trillium設計平台的目的，自然在於越來越多終端裝置學習應用模式投入發展，因此ARM也開始著重讓手機端能完成更多學習運算，而不需要過度依賴雲端協作的運算模式，一來可以提昇終端裝置端的運算精準度，同時也能讓運算反應時間縮短，使得手機可以越來越懂得使用需求。
除了將使Project Trillium設計平台用於智慧型手機，ARM也表示此項設計平台同時也能套用在智慧喇叭或物聯網產品，預計要在今年4月間才會提供更具體預覽內容，同時實際應用產品最快將會在2018年年中進入市場。
