在物联网/工业物联网（IoT/IIoT）等边缘计算设备上部署AI/ML将获益良多，可有助于提高安全性、降低功耗，以及减少实时处理的延迟。由于AI/ML的算法类型属于计算密集型，并且嵌入式系统内部资源有限，因此需要使用定制处理器才能提供足够的性能。为此，Codasip L31/L11嵌入式内核运行在谷歌的TensorFlowLite for Microcontrollers上，并利用Codasip Studio工具来定制一类全新的嵌入式AI*内核，因此特别适用于空间和功率开销极其有限的物联网应用。
Codasip Studio RISC-V设计工具可以提供定制的指令，它们特别适合用来开发人工智能/机器学习（AI/ML）处理器。通过将TensorFlow Lite for Microcontrollers** （TFLite Micro）、RISC-V定制指令以及Codasip处理器设计工具三者相结合，就可以为嵌入式的、高效率的边缘神经网络处理功能带来了更多优势，包括低延迟、高安全性、快速通信和低功耗等。而这些优势对于新兴物联网和工业物联网（IIoT）边缘应用而言至关重要，能够在此类应用中实时运行AI/ML任务正在迅速成为系统级芯片（SoC）的一项标准特性。
