มันแสดงให้เห็นว่าเป็น GoogLeNet Inception-v1 CNN โดยใช้ความละเอียดจำนวนเต็มแปดบิต มันสามารถใช้งาน 16.8 Terra ต่อวินาที (TOPS) และสามารถอนุมานได้มากกว่า 5,300 ภาพต่อวินาทีใน Xilinx Virtex UltraScale + XCVU9P-3 fpga วิธีการแบบโมดูลาร์ที่ปรับขนาดได้ทำให้เหมาะสำหรับการตรวจจับวัตถุและการประมวลผลวิดีโอที่ขอบและในคลาวด์ Fawcett อธิบายเช่นเดียวกับการอนุมานในศูนย์ข้อมูลและกล้องอัจฉริยะ

DPU สามารถกำหนดค่าเพื่อให้ประสิทธิภาพการคำนวณที่ดีที่สุดสำหรับทอพอโลยีโครงข่ายประสาทเทียมในแอพพลิเคชั่นการเรียนรู้ของเครื่องโดยใช้สถาปัตยกรรม DSP แบบขนานหน่วยความจำแบบกระจายและการกำหนดค่าใหม่ของตรรกะและการเชื่อมต่อสำหรับอัลกอริทึมต่างๆ

DPU ได้รับประสิทธิภาพที่สูงขึ้นกว่า 50% เมื่อเทียบกับซีเอ็นเอ็นคู่แข่งใด ๆ และประสิทธิภาพของ GPU ในราคาพลังงานหรืองบประมาณที่กำหนด “ fpga เป็นแพลตฟอร์มและสถาปัตยกรรมระดับโลกที่มีความยืดหยุ่นสูงสำหรับการพิสูจน์อักษรในอนาคตและสามารถทำงานได้ดีกว่า GPU ใน AI ด้วยเวลาแฝงที่ต่ำกว่า” Fawcett กล่าวเสริม

บริษัท ยังประกาศว่าจะให้การสนับสนุน DPhil (ปริญญาเอก 0 ที่ Oxford University เพื่อศึกษาเทคนิคการใช้การเร่งการเรียนรู้อย่างลึกซึ้งบน fpgas งานนี้จะทำงานร่วมกับการวิจัยของ Omnitek ในเครื่องยนต์และอัลกอริธึมการคำนวณของ AI