Arm 在这波机器学习热潮中，也宣布将针对机器学习推出 Project Trillium 机器学习运算平台与相关的 IP ，稍早 Arm 副总裁、院士暨多媒体处理器事业部总经理 Jem Davies 也就 Arm 在机器学习的布局与想法进行分享；对于 Arm 而言，异构运算以及提供各类应用最合适的核心架构，至今仍是 Arm 的重要理念，而原本在智慧装置中的机器学习应用，原本可借由 CPU 、 GPU 搭配 DSP 的异构运算达成，但随着在行动装置上影像、语意等应用日趋复杂，以及物联网装置也将由 IoT 进化到 AIoT ，机器学习不光只是在智慧装置上有所需要，也将在物联网领域遍地开花。
为了让这些日趋复杂的应用可透过最有效率的方式实现， Arm 提出了 Project Trillium 机器学习运算平台与相关的 IP ，同时首波针对当前人工智能应用最广泛的 ML 加速器、机器视觉领域提供解决方案；可能会有人质疑是否包括基于 Cortex-M 的物联网设备、智慧电视等都会需要使用人工智能， Jem Davies 表示，以火箭发射控制为例，虽然这样的应用通常仅需使用 Cortex-M 等级的微控制器，但火箭发射是繁杂的过程，也常受各种外界影响，若此时搭配深度学习技术以及培训完成的模型，可借由机器学习技术降低发射风险，至于智慧电视应用，则可在如影像强化技术利用深度学习的方式提供更好的影像处理方式，借此提升视觉体验。
在当前的规划， Arm 并未针对复杂的培训提供解决方案，主要还是在终端装置上实现推理的部分，较复杂的训练则可透过云端完成，但毕竟在一些追求即时性的应用，如即时影像侦测、驾驶辅助技术等，不能都依赖云服务器以及网络提供推理，同时一些高度隐私权的应用，如个人身份辨识等，也需要在终端装置上进行，未来边缘运算装置具一定程度的深度学习培训能力也是势在必行，实际上现在已经有一些旗舰手机提供深度学习培训能力，不过多半仍处于以推理为主的状态。
另外问到 NVIDIA 将其 NVDLA 开源深度学习加速器纳入 Project Trillium ，与 Arm 原本的 Project Trillium 方案是否会有影响， Jem Davies 认为 Project Trillium 欢迎 NVDLA 的加入，他不便就其它厂商的方案提出看法，但他认为 Arm 所提供许多方案其客户有时也在着手相近的方案，但同时也有不少客户是选择与 Arm 购买解决方案，而 Arm 本身的 Project Trillium IP 方案在推广方面，也由于 Arm 本身处于中立推广者的姿态，更易推广给 Arm 长期合作伙伴，也能使技术阵容更容易普及与壮大。
