得益于谷歌周三发布的新编程工具，Android的未来将更加智能。该公司在谷歌I/O开发者大会上发表主旨演讲时，宣布了TensorFlow Lite，这是其机器学习框架的一个版本，旨在运行在智能手机和其他移动设备上。
谷歌Android工程副总裁戴夫·伯克表示:“TensorFlow Lite将利用一种新的神经网络API来接入硅专用加速器，随着时间的推移，我们希望看到专门为神经网络推断和训练设计的(数字信号处理芯片)。”“我们认为，这些新功能将有助于增强下一代设备语音处理、视觉搜索、增强现实等功能。”
Lite框架将很快成为开源TensorFlow项目的一部分，而神经网络API将在今年晚些时候在Android的下一个主要版本中出现。
这个框架对谷歌所看到的移动硬件的未来有着严重的影响。以人工智能为核心的芯片可以让智能手机处理更高级的机器学习计算而不消耗同样多的电量。随着越来越多的应用程序使用机器学习来提供智能体验，让这类工作更容易在设备上实现是关键。
目前，将先进的机器学习构建到应用程序中——尤其是在训练模型方面——需要大量的计算能力，而这些计算能力通常需要强大的硬件、大量的时间和强大的能力。这对消费者智能手机应用程序来说并不实际，这意味着它们常常通过发送需要在互联网上处理的图像、文本和其他数据，将处理任务转嫁给大型数据中心。
处理这些数据在云中有几个缺点,根据运算,首席分析师沼泽的见解和策略:用户必须愿意他们的数据转移到公司的服务器,他们必须在有足够丰富的环境连接以确保操作低延迟。
目前市场上已经有一种带有机器学习专用DSP的移动处理器。高通骁龙835系统芯片运动六边形DSP，支持张力流。据Moorhead介绍，dsp还用于提供识别谷歌助手的“OK，谷歌”尾流短语等功能。
Moorhead表示，未来用户应该会看到更多的机器学习加速芯片。他说:“自从摩尔定律变慢以来，它一直是一个异构计算模型。”“我们使用不同种类的处理器来做不同类型的事情，无论是DSP，还是现场可编程门阵列，或者是CPU。就好像我们用对了高尔夫球棒打对了洞。”
谷歌已经在其张量处理单元芯片生产线上投资于特定于ml的硬件，这些芯片被设计用来加速新机器学习算法的训练和使用现有模型的数据处理。周三，该公司宣布硬件的第二个版本，旨在加速机器学习、训练和推理。
该公司并不是唯一一家拥有面向智能手机的机器学习框架的公司。Facebook展示了一个名为咖啡因go的面向移动的ML框架去年它被用于为该公司的live style transfer功能等应用程序提供动力。