在物聯網/工業物聯網（IoT/IIoT）等邊緣計算設備上部署AI/ML將獲益良多，可有助于提高安全性、降低功耗，以及減少實時處理的延遲。由于AI/ML的算法類型屬于計算密集型，并且嵌入式系統內部資源有限，因此需要使用定制處理器才能提供足夠的性能。為此，Codasip L31/L11嵌入式內核運行在谷歌的TensorFlowLite for Microcontrollers上，并利用Codasip Studio工具來定制一類全新的嵌入式AI*內核，因此特別適用于空間和功率開銷極其有限的物聯網應用。
Codasip Studio RISC-V設計工具可以提供定制的指令，它們特別適合用來開發人工智能/機器學習（AI/ML）處理器。通過將TensorFlow Lite for Microcontrollers** （TFLite Micro）、RISC-V定制指令以及Codasip處理器設計工具三者相結合，就可以為嵌入式的、高效率的邊緣神經網絡處理功能帶來了更多優勢，包括低延遲、高安全性、快速通信和低功耗等。而這些優勢對于新興物聯網和工業物聯網（IIoT）邊緣應用而言至關重要，能夠在此類應用中實時運行AI/ML任務正在迅速成為系統級芯片（SoC）的一項標準特性。
