在當前端末進行機器學習的大宗趨勢，行動運算裝置勢必是對機器學習需求最顯著的領域，而終端裝置端又以機器學習的推理部分最需要即時處理；另一方面，當前機器學習發展最主流的應用為機器視覺當中的物件偵測，故 Project Trillium 雖是以涵蓋所有機器學習相關領域為最終目的，但首先規劃的兩項 IP 架構則個別針對行動運算以及物件辨識。
Arm Project Trillium 首款 ML 加速器是針對行動運算領域所規劃，為機器學習當中的推理的部分進行加速，這也是多數在終端裝置當中被視為較重要的部分，畢竟學習的部分較不需要即時處理，可透過效率更高的雲端伺服器進行，然而推理講求即時性，也需要在終端進行處理；此 ML 架構基於 7nm 製程最佳化，可提供 4.6TOPs 的性能，且效能功耗比達到 3TOPs/W 。
至於 Arm 的物件偵測處理器已經邁入第二世代，新一代的物件偵測處理器可即時處理 Full HD 60p 的影像流，並可辨識 50x60 像素點大小的物體，理論上可達到無限物件的辨識，舉凡從人臉識別、安全監控到自動駕駛的道路物件、路標辨識，都能夠採用此物件偵測處理器提供高性能的快速辨識。
雖然這兩項 IP 可混合使用，不過並非綑綁授權，因應不同的領域，客戶可各別進行授權，例如安控攝影機的處理器可單獨導入物件偵測處理器 IP 提升影像偵測性能，不一定需要導入 ML 加速器架構，然而像是強調拍照功能的頂尖智慧手機應用處理器，則可同時利用導入這兩項 IP ，為拍照、人臉辨識等應用提供更好的性能。
這兩項架構只是個開始， Arm 未來也將持續針對各種領域對於人工智慧、機器學習的需求提供各種具擴充性的軟體與硬體方案，並與合作夥伴所具備的技術整合，使端末的機器學習更具效率，並足以提供更強大、多元的應用。
