随着远程办公在近年来呈上升趋势，人们对高质量、可靠和经济高效的协作解决方案的需求显著增加。会议平台要想提供近乎面对面的体验，就必须清晰准确地捕捉语音，确保高效沟通。
传统的麦阵解决方案，不 仅需要捕捉会议中的人声，也会同时捕捉环境中的其他噪声，而 XMOS 先进的语音算法解决了这一问题，基于 XMOS 新一代主控 XVF3800 开发的 PXVF3800-KIT 完美解决了目前的会议场景应用需求。
英国半导体设计公司XMOS已将其第4代Xcore架构设计为兼容RISC-V。
XMOS的CEO，Mark Lippett在对《EE Times》的访谈中表示，在XMOS微架构之下，我们只需要通过软件编程，就能制造出新的系统单晶片（SoC）。根据不同的应用需求，我们可以分配DSP、AI加速器以及控制资源。
Lippett进一步阐述：“对我们而言，挑战在于如何通过最熟悉的设计路径，将这些功能带给最大的用户群体。”
虽然XMOS架构比RISC-V更早诞生，但是该公司已经持续数年追踪RISC-V的发展了，并且看到了开发兼容RISC-V的Xcore架构的可能性。Lippett强调，下一代Xcore只是兼容RISC-V生态系统，并非基于RISC-V开发。
transputer是20世纪80年代一系列开创性的微处理器，旨在用于并行计算。为了支持这一点，每个transputer都有自己的集成内存和串行通信链路，以与其他transputer交换数据。它们是由Inmos设计和生产的，这是一家总部位于英国布里斯 托尔的半导体公司。
在20世纪80年代后期的一段时间里，许多人认为transputer将成为计算机未来的下一个伟大设计。虽然transputer没有达到这个期望，但transputer架构在计算机体系结构中引发了许多新的想法，其中一些在现代系统中以不同形式重新出现。
木瓜科技是一家位于中国的音频芯片和解决方案供应商。他们的主要业务活动包括提供音频和语音解决方案，并分销包括DSP和模拟音频芯片、麦克风和音频连接器在内的产品系列。木瓜科技自2015年开始与XMOS合作，并成为合作伙伴至今。
早在2015年，木瓜科技就在寻求一种更加灵活、经济、高性能的USB音频（UAC2.0）解决方案来满足他们广泛的客户需求。他们特别想要RISC-V和HIFI-4架构的音频和语音解决方案。在审查了其他一些解决方案供应商后，木瓜科技认识到XMOS独有的一系列优势，并最终选择与XMOS合作。
四分之三的工程师认为，尽管工程师的现有要求很高，但需求仍在增加，因为他们试图将人工智能功能整合到设备中。
**2022年7月12日 英国布里斯托尔 — **根据处理专家XMOS的新研究，75%的工程师认为对设备端处理的需求在逐年增长，尽管73%的工程师已经有 "高/非常高 "的要求。
Edge of Now报告是探讨工程界对人工智能物联网(AIoT)态度的三年系列报告中的最新报告，该报告将这种需求的上升与对人工智能整合的日益强烈的渴望联系起来。82%的工程师认为将人工智能整合到他们的产品中能够带来竞争优势，63%的工程师认为这种整合是他们2022年的首要产品任务。
根据XMOS的Edge of Now调查，几乎三分之二的工程团队预计将在未来两个季度内发布能够支持机载人工智能的设备。
**2022年6月22日 英国布里斯托尔 — **根据半导体专家XMOS的新研究，大多数电子工程师都希望在2023年前推出能够进行机载人工智能处理的产品。
Edge of Now--这是研究工程师对物联网人工智能（AIoT）态度的一系列年度报告中的第三份--报告发现64%的电子工程师正在研究具有所需处理能力的支持板载AI的设备，这些设备将在未来六个月内发布。
自2021年以来，将成本和功率作为采用具有AIoT能力的硬件的障碍的工程师数量减少了一半；几乎四分之三的人正在积极开发具有更高设备处理能力的产品
2022年6月7日 英国布里斯托尔 — 根据半导体专家XMOS的新研究，将成本或功率视为在其设计中增加板载处理能力的障碍的工程师数量比2021年的水平减少了一半。
该研究还显示，这些障碍的减少正在推动物联网人工智能（AIoT）市场的重大发展。绝大多数接受调查的工程师表示他们正积极地在他们的设计中采用更多的设备端板载处理。70%的人表示，他们计划中的大多数产品将需要 "高 "或 "非常高 "的板载处理能力。
此设计旨在帮助将解决方案从高成本、高功率的硬件转移到精简、高效的机器学习上。
2022年3月17日 英国布里斯托尔 — 英国领先的芯片公司XMOS今天发布了其用于自动车牌识别（ALPR）的参考解决方案, 旨在将停车场的ALPR从复杂的资源密集型硬件转向简单的设备上的人工智能。
该参考设计是XMOS与计算专家Cloudtop合作开发的，可以在3-5米的距离内高精度地读取缓慢移动的车辆上的车牌。得益于XMOS的xcore.ai芯片的能力，Cloudtop的机器学习模型--最初设 计用于高分辨率视频帧--已被无缝调整为在低功耗、低成本的情况下工作，而不会牺牲精度的状态。