就Arm的看法认为，未来装置端的学习应用规模将会持续扩展，甚至应用到更广泛的装置，未来或许就连手表都能更轻易学习使用者配戴使用状况，进而与更多装置产生连动。
在Computex 2018展前活动中，Arm除了再次重申日前对外揭晓的Cortex-A76 CPU架构、新款Mali-G76 GPU设计，以及针对影像运算处理需求提出的新款Mali-V76 VPU，并且强调导入与台积电合作的7nm制程量产规格，让行动装置能发挥等同笔电般的运算效能，另一方面则是回应行动装置端的深度学习运算将可带来更大应用效益。
Arm处理器部门行销副总裁Nandan Nayampally表示，在行动装置端的深度学习运算并非没有意义，借由装置端的预先学习预测运算，将能进一步缩减大量需要反复传送数据的运算模式所需时间，借此加快整体运算原本所需速度，不但可让手机装置能有更多使用效率之外，同时也能加快各类物联网装置的连接使用速度。
Nandan Nayampally说明，确实复杂且大量学习运算依然基于云端平台完成，装置端学习运算效果虽然有限，却能协助缩减部分前期运算所需花费时间，同时一旦学习模型训练完成，自然也能将传统云端平台运算为主的模式，转移到终端装置缩减整体运算所需时间，进而可让装置的运算反应速度加快，如此一来即可让使用者感受更快的连网服务运作效率，尤其在未来5G联网应用逐渐成形情况下，未来透过连网使用各类服务的比例将会大幅提升，因此加强装置端的学习运算能力并非毫无意义。
Arm处理器部门行销副总裁Nandan Nayampally
例如装置可以学习使用者通常会使用哪些App，或是进一步学习利用这些App完成哪些事情，以及在每天什么情况下最常开启特定App内容，进而借由预先将App资料写入装置内存内加快启用速度，或是预先搜寻使用者可能希望使用内容，借此达成用更快速度找到预期使用档案等内容理想。
而类似应用也会进一步带动物联网应用效率，借此以更快速度对应使用者操作需求，例如透过学习使用者每天出门或返家时间，进而可在各类感测元件识别使用者正准备离开或进入家门时，用更快速度将家中电器装置电源关闭或开启，甚至能在预测使用者即将回到家里时，预先开启家中空调让室内达到合适温度，而非像传统侦测使用者打开家门才开始一连串的自动化操作，导致使用者依然要等待一些时间才能感受到合适室温。
就Arm的看法认为，未来装置端的学习应用规模将会持续扩展，甚至应用到更广泛的装置，未来或许就连手表都能更轻易学习使用者配戴使用状况，进而与更多装置产生连动。
