市场研究公司ABI research的最新分析预测，到2030年，微型机器学习(TinyML)芯片组的全球出货量预计将达到25亿。
该公司表示，该公司将被越来越多地推动低延迟，先进自动化以及低成本和超高级人工智能（AI）芯片组的可用性 - 也称为“非常边缘”AI或嵌入式AI设备。这些芯片组几乎完全在板上执行AI推断，同时继续依赖外部资源 - 例如网关，内部服务器或云 - 进行培训。
随着企业开始寻找人工智能解决方案领域的语音激活,图像或视频检测,跟踪的人,和周围的跟踪,该公司说,终端用户斗争的自然限制电池驱动的传感器和嵌入式模块操作低通用微控制器提供的计算资源。通常，边缘传感器和设备需要处理大量数据，但由于这些设备的低功耗特性，它们难以支持高计算性能和高数据吞吐量，从而导致延迟问题。
ABI Research首席分析师Su Lian Jye表示:“由于人工智能用于做出即时的关键决策，如质量检查、监控和警报管理，系统中的任何延迟都可能导致机器停机或减速，造成严重损害或生产力损失。”“将人工智能推向边缘可以降低潜在的脆弱性和风险，比如不可靠的连接和延迟的响应。”
TinyML芯片组采用量化的人工智能模型，使智能传感器能够在专为低功率系统(通常在毫瓦范围内)的硬件和软件上执行数据分析，使用的算法、网络和模型可达100kb及以下。ARM和CEVA都推出了一款芯片组IP解决方案，通过支持软件库、工具链和模型，支持低功率AI推理。
包括GreenWaves Technologies、Lattice Semiconductor、Rockchip、Syntiant和XMOS在内的低功耗人工智能芯片组供应商已经在2019年推出了嵌入式人工智能芯片组产品。该公司表示，意识到TinyML在机器视觉方面的潜力，索尼和HiMax等CMOS供应商也在将TinyML芯片组集成到他们的CMOS中
