وقد تم عرضه باعتباره GoogLeNet Inception-v1 CNN ، باستخدام دقة عدد ثمانية بت. لقد حققت 16.8 تيرا في الثانية (TOPS) ويمكنها الاستدلال على أكثر من 5300 صورة في الثانية على Xilinx Virtex UltraScale + XCVU9P-3 fpga. وأوضح Fawcett ، بالإضافة إلى الاستدلال في مراكز البيانات والكاميرات الذكية ، أن المنهج المعياري القابل للتطوير يجعله مناسبًا لتطبيقات اكتشاف الكائنات ومعالجة الفيديو على الحافة وفي السحابة.

يمكن تكوين وحدة معالجة البيانات لتوفير أفضل أداء للحوسبة لشبكات الشبكة العصبية في تطبيقات التعلم الآلي ، باستخدام بنية DSP المتوازية ، والذاكرة الموزعة وقابلية إعادة تشكيل المنطق والاتصال للخوارزميات المختلفة.

تحقق الشركة أكثر من 50٪ أداءً أعلى من أي CNN منافسة وتتفوق على GPUs مقابل طاقة أو ميزانية تكلفة معينة ، كما تدعي الشركة. وأضاف Fawcett "إن fpga عبارة عن منصة وهندسة تفوق العالم ، وهي مرنة للغاية في إثبات المستقبل ويمكن أن تتفوق على GPU في الذكاء الاصطناعي ، مع وقت استجابة أقل".

أعلنت الشركة أيضًا أنها ترعى DPhil (PhD0 في جامعة أكسفورد لدراسة تقنيات تنفيذ تسريع التعلم العميق على fpgas. سيتم العمل بالتعاون مع أبحاث Omnitek الخاصة في محركات وخوارزميات حوسبة الذكاء الاصطناعي.